XiaoMi-AI文件搜索系统
World File Search System21v
![arxiv：2501.15721V1 [CS.HC] 2025年1月27日](/simg/5/52e5eb45581b93c8418e45e7724b6abcf5bebb84.webp)
arxiv：2501.15721V1 [CS.HC] 2025年1月27日
摘要。音乐和语言在结构上相似。这种结构相似性通常用生成过程来解释。本文描述了用于机器人技术中语言学习和符号出现的概率生成模型（PGM）的最新发展。机器人技术中的符号出现旨在开发一个可以适应现实世界环境和人类语言交流的机器人，并仅从感觉运动信息中获取语言（即，以一种不受监督的方式）。这被认为是符号出现系统的建设性方法。为此，已经开发了一系列的PGM，包括用于多种音素和单词发现，词汇获取，对象和空间概念形成以及符号系统的出现的PGM。通过扩展模型，符号出现系统包括一个多代理系统，其中出现符号系统的符号系统被揭示为使用PGMS建模。在此模型中，符号出现可以被视为具有共同的预测编码。本文通过结合“情感基于互感信号的预测编码”和“符号出现系统的预测编码”的理论来扩展这一想法，并描述了音乐中意义出现的可能假设。
![arxiv：2501.03521v1 [Quant-ph] 2025年1月7日](/simg/a/ab8cd2ffee5d4d71164538d91a418046a527760b.webp)
arxiv：2501.03521v1 [Quant-ph] 2025年1月7日
摘要在这项研究中，我们提出了一种使用变异量子电路来约束组合优化的新方法。量子计算机被认为具有比古典计算机更快地解决大型组合优化问题的潜力。变异量子算法（例如变异量子本层（VQE））已被广泛研究，因为它们有望在嘈杂的中间尺度设备上工作。不幸的是，许多优化问题都有限制，这在VQE过程中诱导了不可行的解决方案。最近，通过设计量子电路，仅输出满足约束的状态，提出了几种有效解决约束组合优化问题的方法。但是，可用约束的类型仍然受到限制。因此，我们已经开始开发可以处理更广泛限制的变分量子电路。所提出的方法利用了一个转发操作，该操作从可行状态映射到子问题的可行状态到较大的子问题。只要可以定义适当的转发操作，即使在多个和复杂的约束的情况下，该过程的迭代也可以诱导地构造出可行状态的变异电路。在本文中，将提出的方法应用于设施位置问题，并被发现增加了测量可行解决方案或最佳溶液的概率。此外，获得的电路的成本与常规变化电路的成本相当。
![arxiv：2408.05121v1 [Math.lo] 2024年8月9日](/simg/b/b469870291268fde986c2ee4fcc0d09b86159734.webp)
arxiv：2408.05121v1 [Math.lo] 2024年8月9日
从Ryabko [41，41]和Staiger [47，48，49]的作品开始，在过去的30年中，研究人员研究了分类维度与算法信息理论之间的密切关系。在此关系的中心是hausdor效率的点版本（由于lutz [29，30]），也就是说，一个维度的概念是为空间中的单个点而不是子集中的单个点定义的概念。这是通过影响度量的概念（从Martin-Löf[33]的意义上）来实现的，该概念限制了无数零食的收集到一个可数家族，从而使Singleton集合不可以null。在此框架中，此类单例被认为是随机的。随机性与kolmogorov复杂性的各种瞬态（算法随机性理论的基石）之间的对应关系，然后以渐近信息密度的形式重新出现，与平稳过程的熵非常相似。有效的维度使许多作者发掘了熵和分形维度之间的连接（可以说是从Billingsley [2]和
afman11-2c-21v3 - 空军
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
![arxiv：2403.00821v1 [CS.CL] 2024年2月26日](/simg/3/306c7d64a3af5d2a31a5560f9362af4058401b51.webp)
arxiv：2403.00821v1 [CS.CL] 2024年2月26日
摘要。乳腺癌是一个重大的公共健康问题，是女性与癌症相关死亡的主要原因。尽管乳腺癌治疗的进展，药物不遵守仍然是一个主要问题。由于电子健康记录通常不会捕获可能揭示有关药物相关体验的信息的患者报告的结果，因此社交媒体提供了一种有吸引力的资源，可以增强我们对患者治疗经历的理解。在本文中，我们开发了基于自然语言处理（NLP）的方法论，以研究由社交媒体自动策划的乳腺癌队列发布的信息。我们使用基于变压器的分类器根据他们的自我报告的信息在X（Twitter）上鉴定乳腺癌患者/幸存者，我们从其概况中收集了纵向数据。然后，我们设计了一个基于多层规则的模型，以开发与乳腺癌相关的副作用词典，并检测乳腺癌症状的药物使用模式和相关副作用。1,454,637个帖子可从583,962个唯一用户提供，其中62,042个使用我们的基于变压器的模型被发现为乳腺癌成员。198个队列成员提到他莫昔芬的乳腺癌药物是最常见的。我们的副作用词典确定了激素和化学疗法的众所周知的副作用。此外，它发现了一种对癌症和药物的感觉，这可能暗示了副作用或情绪困扰的临床前阶段。这种分析不仅强调了非结构化社交媒体数据中NLP技术的实用性，以识别自我报告的乳腺癌柱，药物使用模式和治疗副作用，而且还对社交数据的丰富性在此类临床问题上的丰富性。
![arxiv：2401.06521v1 [cs.cv] 2024年1月12日](/simg/a/ac4e8a79e62bb77bebd81435441586ea29fdf974.webp)
arxiv：2401.06521v1 [cs.cv] 2024年1月12日
打开集识别（OSR）要求模型对属于封闭设置的样本进行分类，同时在测试过程中拒绝未知样本。当前，生成模型通常比OSR中的判别模型更好，但是最近的研究表明，生成模型可能是计算在复杂任务上是不可行的或不稳定的。在本文中，我们提供了有关OSR的见解，并发现学习表达可以从理论上降低开放空间风险。基于分析，我们提出了一个新的模型，即多人注意融合（MEDAF），该模型以歧视性的方式学习了不同的表示。MEDAF由多个专家组成，这些专家以注意力多样性的正则化项为生，以确保注意力图互惠互机。每个前一个学到的逻辑都具有自适应融合，并用于通过分数函数识别未知数。我们表明，注意图的差异可能导致各种表示形式，以便融合的表示可以很好地处理开放空间。进行了实验，是根据标准和OSR大规模基准进行的。结果表明，所提出的鉴别方法可以在AUROC上胜过高达9.5％的生成模型，并实现新的最先进的效果，而计算成本很少。我们的方法还可以无缝整合现有的分类模型。代码可在https://github.com/vanixxz/medaf上找到。
![arXiv:2210.09121v1 [quant-ph] 2022 年 10 月 17 日](/simg/b/b3289d54e494851f326c847bbe22e774ad9551e5.webp)
arXiv:2210.09121v1 [quant-ph] 2022 年 10 月 17 日
使用多级信息载体（也称为量子比特）是探索量子计算设备可扩展性的一条有前途的途径。在这里，我们介绍了一种量子处理器寄存器的原理验证实现，该寄存器使用线性阱中的光寻址 171 Yb + 离子量子比特。171 Yb + 离子的丰富能级结构允许使用 435.5 nm 四极时钟跃迁的塞曼子能级进行高效且稳健的量子比特编码。我们展示了由单量子比特旋转和双量子比特 Mølmer-Sørensen 操作组成的通用门集的实现，该操作使用双量子系统，形式上等同于基于通用门的四量子比特处理器。我们的研究结果为进一步研究使用基于捕获离子的处理器更有效地实现量子算法铺平了道路，特别是探索 171 Yb + 离子量子比特的性质。
![arXiv:2302.10121v1 [cs.HC] 2023 年 2 月 20 日](/simg/1/1dbe0752ea51687fb5575b30b50a2b82b7df64e9.webp)
arXiv:2302.10121v1 [cs.HC] 2023 年 2 月 20 日
使用想象中的视觉图像的脑信号重建图像可以为残疾人提供增强视觉，从而推动脑机接口 (BCI) 技术的进步。深度学习的最新进展推动了使用生成对抗网络 (GAN) 从脑信号合成图像的研究领域。在这项工作中，我们提出了一个框架，用于使用小型 EEG 数据集从脑电图 (EEG) 记录的大脑活动合成图像。当受试者要求可视化某类物体和英文字符时，使用 EEG 从受试者的头部头皮记录这种大脑活动。我们在提出的框架中使用对比学习方法从 EEG 信号中提取特征，并使用条件 GAN 从提取的特征合成图像。我们修改了损失函数来训练 GAN，使其能够使用少量图像合成 128 × 128 的图像。此外，我们进行了消融研究和实验，以证明我们提出的框架相对于使用小型 EEG 数据集的其他最先进方法的有效性。
![arXiv:2302.04621v1 [quant-ph] 2023 年 2 月 9 日](/simg/8/84d54d24c45685782c66ee010d7bac2019e8d7ed.webp)
arXiv:2302.04621v1 [quant-ph] 2023 年 2 月 9 日
机器学习在量子科学领域取得了重大突破，其中深度神经网络在量子多体系统建模方面表现出非凡的能力。在这里，我们探讨了数据驱动的深度神经网络在学习物理可观测量动态方面的能力与量子信息的扰乱之间的关系。我们训练一个神经网络，以找到从模型参数到随机量子电路中可观测量演化的映射，适用于各种量子扰乱模式，并测试其在将其应用于看不见的电路时的泛化和外推能力。我们的结果表明，一种特定类型的循环神经网络在系统大小和时间窗口内对其预测进行泛化方面非常强大，无论是局部还是扰乱模式。这些模式包括传统学习方法在从全波函数表示中采样时失败的模式。此外，对于显示本地化的模型，所考虑的神经网络成功地将其预测推断出超出了它所训练的时间窗口和系统大小的范围，但不是在混乱的状态中。
![arXiv:2002.06721v2 [hep-th] 2020 年 4 月 30 日](/simg/9/98edc751414f3d0c9a304b9ec344ec0d046cd42f.webp)
arXiv:2002.06721v2 [hep-th] 2020 年 4 月 30 日
现代人们对占据空间有界区域的狄拉克费米子物理学的兴趣主要与新型先进材料有关，如拓扑绝缘体 (TI) - 参见评论 [1, 2] 和专著 [3]。TI 的许多令人兴奋的物理现象归因于表面模式的存在，它们也是狄拉克费米子，尽管少一维。假设 3 + 1 维流形中的狄拉克费米子具有一定数量的表面模式。我们真的能通过观察边界看到这些模式吗？与光子的相互作用由费米子的极化张量定义。因此，我们可以将这个问题重新表述为：3 + 1 维极化张量的边界部分与 2 + 1 维费米子的极化张量之间有什么关系？人们通常认为后者至少可以很好地近似前者，参见[4–6]。