XiaoMi-AI文件搜索系统
World File Search SystemApproximate
脑网络近似熵在半球差异研究中的应用
摘要：人脑是一个动态复杂系统，可以用不同的方法进行研究，包括线性和非线性方法。脑电图 (EEG) 分析中广泛使用的非线性方法之一是熵，即系统无序性的测量值。本研究调查了大脑网络，应用近似熵 (ApEn) 测量来评估半球脑电图差异；评估了不同记录会话中 ApEn 数据的可重复性和稳定性。20 名健康成年志愿者接受了 80 次闭眼静息脑电图记录。枕骨区域存在显著差异，左半球的熵值高于右半球，表明根据执行的功能，半球以不同的强度变得活跃。此外，事实证明，在相对较短的 EEG 时期以及 36 名受试者的 1 周间隔时间内，本方法都是可重复且稳定的。非线性方法是研究大脑网络动态的有趣探索。ApEn 技术可能为了解与年龄相关的大脑断开的病理生理过程提供更多见解，并可用于监测药物和康复治疗的影响。
量子近似计数，具有非适应性的Grover迭代
引理10的算法完全按照定义4和事实5中所述的构建；有一个初始的非适应性量子零件，上面有固定的格罗弗时间表（我们稍后将定义），最后一个经典的后处理步骤，该步骤使用量子部分的结果来估计θ∗。在说出算法的量子部分中的关键思想之前，我们提到了Aaronson和Rall的“旋转引理” [1，LEM。2]。可以大致说明该引理的主要思想如下：鉴于θ∗在某个范围内[θmin，θmin + ∆θ]，我们可以选择r = o（1 /（θ·∆θ））的奇数整数值，这样rθmin就接近2πk和r（θmin +2π / + 2θ）2×2×2× + ∆ + ∆ + ∆ + ∆ + ∆ + ∆。如果θ接近θmin，则p（r）将接近0（如果接近θmin + ∆θ，则将接近1）。Aaronson和Rall使用此引理来不断收缩θ∗可能在每次迭代处由几何因素所处的可能范围，直到范围为1±ϵ。我们将采用类似的想法来找到一个有效的Grover计划，该计划可以以很高的概率区分任何两个候选角度；我们通过放松一个角度的状况接近2πk，而另一个角度在距离π/ 2处，我们做到这一点。相反，我们在Grover计划中选择了序列R，以便对于任何一对值θ1和θ2，有一些r∈R使得rθ1和rθ2差异大约π/ 8，并且也是“相同的象限”（含义相同的间隔[0，π div> div> div> div> div> div> div> div> div> div> div>> div>> div> div>
维修：一种降低峰温度的策略，同时最大化近似实时计算的精度：进行工作
摘要 - 在近似实时综合的情况下进行改进，而不会违反非衍生硬件的热能约束，这是一个具有挑战性的问题。可以将近似实时任务的执行分别分为两个组件：（i）执行任务的强制性部分以获得可接受质量的结果，然后（ii）（ii）可选零件的部分/完整执行，该部分将最初获得的结果重新填充，以增加准确的准确性而无需违反临时领先线。本文介绍了修复，这是一种用于近似实时应用的新型任务分配策略，结合了细粒度的DVF和核心的在线任务迁移和最后一个级别缓存的电源，以减少芯片温度，同时尊重截止日期和热约束。此外，可以通过延长可选零件的执行时间来与系统级的准确度相对于系统级的准确性进行交易。索引术语 - 评估计算，热/能量效率，实时调度，CMP（芯片多处理器）
可靠性增强电路设计流基于近似逻辑合成 *
随着CMOS技术的缩小缩放，由于更宽的防护带，电路设计的边缘变得越来越紧，这是抵消更严重的晶体管老化和变化所必需的。因此，迫切需要可靠性增强的电路设计来减少护栏。在本文中，提出了一个基于近似合成的可靠性增强的设计框架，以完全消除衰老的后卫带。它主要包括两个关键部分：首先，进行远期可靠性模拟流支持统计静态时序分析（SSTA）以估计老化后的路径故障率；如果不满足正时约束，则向后延迟驱动的近似逻辑合成流将在关键路径上进行近似局部变化，以减少延迟，直到最终满足可靠性要求并且不需要老化的护罩带。结果表明，近似电路的老化延迟小于原始电路，因此路径故障率显着降低。表明，提出的设计流可以将对应用产生致命影响的时间误差转换为低显着性位上可忽略的错误，以提高电路的弹性，这为纳米级的可靠性增强设计提供了新的视角。
量子退火器的近似近似
许多工业界感兴趣的问题都是 NP 完全的，随着输入规模的增加，计算设备的资源会迅速耗尽。量子退火器 (QA) 是一种物理设备，旨在利用自然界的量子力学特性来解决这类问题。然而，它们与经典机器上的高效启发式算法和概率或随机算法相竞争，后者允许找到大型 NP 完全问题的近似解。虽然 QA 的第一批实现已经投入商业使用，但它们的实际好处还远未得到充分开发。据我们所知，近似技术尚未受到广泛关注。在本文中，我们探讨了如何为量子退火程序系统地构建不同程度的问题近似版本，以及这如何影响结果质量或给定一组量子比特上较大问题实例的处理。我们在不同的开创性问题上展示了模拟和真实 QA 硬件上的各种近似技术，并解释了结果，以更好地理解当前和未来量子计算的现实能力和局限性。
64 位近似乘法器的实现...
第一作者 Ragini Singh 是电子和通信工程师，目前正在印度博帕尔 (MP) RGPV 攻读微电子和 VLSI 设计硕士学位。第二作者 Sandip Nemade 教授拥有 VLSI 设计学位，目前担任印度博帕尔 (MP) 技术学院电子和通信系助理教授。
隐半马尔可夫随机模型的向后近似动态规划在能源存储优化中的应用
状态 CE t 是可观察的（我们知道是高于还是低于预测），但持续时间箱 DE t 直到符号变量 CE t 切换时才可观察。然而，在构建交叉状态依赖
基准测试可扩展的近似动态编程算法，用于网格级存储的随机控制
摘要。我们呈现和基准测试了一种近似动态编程算法，该算法能够在时间依赖的环境中为异源存储设备组合设计近乎最佳的控制策略，其中风能，需求，需求和特性价格可能会随时进化。我们发现该算法能够设计确定性模型最佳的0.08％以内的存储策略，而随机模型的存储策略在0.86％以内。我们使用该算法来分析具有不同容量和损失的双存储系统，并表明该策略适当地使用低损失设备（通常要昂贵得多）用于高频变化。我们通过在五个设备系统上演示算法来关闭。算法很容易缩放以处理分布在网格和更复杂的存储网络上的存储设备的异质投资组合。
转置通道方法近似量子误差校正
让我们想象一台量子计算机。其目的是利用典型的量子力学效应（即叠加或纠缠）对量子信息执行操作。如果我们对量子信息进行操作，我们就无法防止量子信息受到某种量子噪声（如退相干）的影响。因此，我们希望实现一种对量子噪声具有鲁棒性的量子计算。此时，量子纠错领域应运而生。本学士论文的目的是给出一种通过转置信道近似量子纠错条件的方法，作为一般恢复操作。在了解一些数学基础知识之后，我们从量子纠错的基本概念开始，并给出一个量子码的例子，称为 Shor 码，它可以抵抗单量子比特错误。然后，我们直接继续介绍量子纠错条件，这为我们提供了一个强大的工具来检查量子码是否满足我们的特定需求。在介绍转置信道作为一般校正操作之后，我们展示了这种特定操作可用于将完美量子误差条件推广到包括近似校正代码。具体来说，它将产生本学士论文的主要结果，即近似量子误差校正条件（AQEC 条件 - 由 Ng 和 Mandayam 首次提出）。此外，我们将介绍此条件的推广，用于非跟踪保留错误。有了这些工具，我们将以近似校正代码的特定示例 π-cat 状态代码结束我们的旅程。我们在近似量子误差校正方面的旅程地图将主要来自加州理工学院量子信息研究所 Hui Khoon Ng 和 Prabha Mandayam 于 2009 年 9 月 4 日提交的论文《近似量子误差校正的简单方法》。