摘要。连接组学已成为神经成像领域的强大工具,并推动了连接数据统计和机器学习方法的最新进展。尽管连接组存在于矩阵流形中,但大多数分析框架都忽略了底层数据几何。这主要是因为简单的操作(例如均值估计)没有易于计算的闭式解。我们提出了一种用于连接组的几何感知神经框架,即 mSPD-NN,旨在估计对称正定 (SPD) 矩阵集合的测地线均值。mSPD-NN 由具有绑定权重的双线性全连接层组成,并利用新颖的损失函数来优化由 Fréchet 均值估计产生的矩阵法向方程。通过对合成数据进行实验,我们证明了我们的 mSPD-NN 与常见的 SPD 均值估计替代方案相比的有效性,在可扩展性和抗噪性方面提供了具有竞争力的性能。我们在 rs-fMRI 数据的多个实验中说明了 mSPD-NN 的真实世界灵活性,并证明它发现了与 ADHD-ASD 合并症患者和健康对照者之间的细微网络差异相关的稳定生物标志物。
由于难以确定性地操纵量子资源,因此通常需要使用概率协议,但对其能力和局限性的描述却一直缺乏。我们通过引入一种遵循非常强的单调性的新资源单调性来开发一种解决此问题的通用方法:它可以排除任何量子资源理论中状态之间的所有转换(概率或确定性)。这使我们能够对状态转换施加根本限制,并限制概率协议相对于确定性协议的优势,从而大大加强了以前的发现并扩展了最近的禁行定理。我们应用我们的结果来获得概率蒸馏协议的错误和开销的界限的显着改进,可直接应用于纠缠或魔法状态蒸馏等任务,并且可通过凸优化进行计算。在广泛的资源类别中,我们加强了我们的结果,以表明单调性完全控制概率转换——它是状态可转换性的必要和充分条件。这赋予单调性直接的操作解释,因为它可以通过任何概率操作协议精确量化资源提炼任务中可实现的最高保真度。
摘要 - 物联网(IoT)传感器的数据已成为各个领域决策过程的关键因素。但是,数据的质量对于构建的应用程序的有效性至关重要,并且对数据质量的评估非常依赖上下文。此外,在敏感数据普遍存在的领域中,在质量评估过程中保留数据的实践至关重要。本文提出了一个新颖的框架,用于从智能城市部署的物联网传感器的时间序列数据的自动化,客观和隐私的数据质量评估。我们利用自动计算的定制指标来参数时间性能,并符合声明性模式文档以实现客观性。此外,我们还利用一个受信任的执行环境来创建一个“数据盲”模型,以确保个人隐私,消除被评估人的偏见并增强跨数据类型的适应性。本文介绍了该数据质量评估方法的物联网传感器,强调了其在智能城市环境中的相关性,同时在面对广泛的数据收集实践的情况下满足了对隐私需求的日益增长的需求。索引术语 - 数据质量,智能城市,物联网,隐私,网络物理系统
能源系统和可计算的一般平衡(CGE)模型在气候变化缓解研究中起着至关重要的作用。这些模型具有优势和缺点,并尝试将它们整合起来。本研究旨在描述整合能源系统和CGE模型的方法,并演示捕获这两种模型优势的新模型。本研究开发的方法通过迭代交换结果来确保能量系统的详细收敛。我们通过采用该方法来证明模型集成,并估算了在共享社会经济途径中的中间社会经济预测下,该方法将温度升高到2℃以下。由于集成,该研究中提出的两个模型之间的差异从1.0降低到0.066。因此,我们确认这些模型估计了一致的场景。诊断指标表明,与其对应的CGE模型相比,新开发的模型的特征是需求侧减少的贡献更高,主要能源供应供应组成的变化较小以及减排成本较低。鉴于综合框架的收敛性和优势,该方法对于进一步应用缓解研究很有用。
我们考虑香农相对熵的扩展,称为 f -散度。三个经典的相关计算问题通常与这些散度有关:(a) 根据矩进行估计,(b) 计算正则化积分,和 (c) 概率模型中的变分推断。这些问题通过凸对偶相互关联,并且对于所有这些问题,在整个数据科学中都有许多应用,我们的目标是计算上可处理的近似算法,这些算法可以保留原始问题的属性,例如潜在凸性或单调性。为了实现这一点,我们推导出一系列凸松弛,用于从与给定特征向量相关的非中心协方差矩阵计算这些散度:从通常不易处理的最佳下限开始,我们考虑基于“平方和”的额外松弛,现在它可以作为半定程序在多项式时间内计算。我们还基于来自量子信息理论的谱信息散度提供了计算效率更高的松弛。对于上述所有任务,除了提出新的松弛之外,我们还推导出易于处理的凸优化算法,并给出了多元三角多项式和布尔超立方体上的函数的说明。
摘要 我们考虑香农相对熵的扩展,称为 f -散度。三个经典的相关计算问题通常与这些散度有关:(a) 根据矩进行估计,(b) 计算正则化积分,以及 (c) 概率模型中的变分推断。这些问题通过凸对偶相互关联,并且对于所有这些问题,在整个数据科学中都有许多应用,我们的目标是计算上可处理的近似算法,这些算法可以保留原始问题的属性,例如潜在凸性或单调性。为了实现这一点,我们推导出一系列凸松弛,用于从与给定特征向量相关的非中心协方差矩阵计算这些散度:从通常不易处理的最佳下限开始,我们考虑基于“平方和”的额外松弛,现在它可以作为半定程序在多项式时间内计算。我们还提供了基于量子信息理论的谱信息散度的计算效率更高的松弛方法。对于上述所有任务,除了提出新的松弛方法外,我们还推导出易于处理的凸优化算法,并给出了多元三角多项式和布尔超立方体上的函数的说明。
简介:所有心脏瓣膜的正常发育都需要高度协调的信号通路和下游介体。虽然基因组变体可能导致先天性瓣膜疾病,但环境因素也可以发挥作用。生命瓣膜后期钙化是主动脉瓣狭窄的主要原因,这是一种进行性疾病,可能导致心力衰竭。当前对先天性瓣膜疾病和瓣膜钙化原因的研究正在使用多种高通量方法,包括转录组学,蛋白质组学和基因组学。来自生物知识库的高质量遗传数据对于促进这些高通量数据集的分析和解释至关重要。基因本体论(GO,http://geneontology.org/)是用于解释这些数据集的主要生物信息学资源,因为它提供了描述所有生物体基因产物的作用的结构化,可计算的知识。UCL功能基因注释小组的重点是人类基因产品的注释。确定了转录组,蛋白质组学和基因组数据中包含的GO注释没有提供有关心脏瓣膜开发的精确描述性信息,我们启动了一个集中的项目来解决此问题。
我们介绍了生成图像模型的第一个不可检测的水印方案。无法检测到可确保即使在进行许多适应性查询之后,也没有有效的对手可以区分被水标和未加水标的图像。尤其是,在任何有效计算的度量标准下,无法检测到的水印不会降低图像质量。我们的方案通过使用伪和误差校正代码(Christ and Gunn,2024)选择扩散模型的初始潜在,该策略保证了不可检索性和鲁棒性。我们在实验上证明,使用稳定的扩散2.1,我们的水印是质量的和稳健的。我们的实验验证,与我们测试的事先方案相比,我们的水印不会降低图像质量。我们的实验也证明了鲁棒性:现有的水印去除攻击无法从图像中删除我们的水印,而不会显着降低图像的质量。最后,我们发现我们可以在水痕迹中强牢固地编码512位,当图像未受到水印去除攻击时,最多可达2500位。我们的代码可在https://github.com/xuandongzhao/ prc-watermark上找到。
科目代码:CCSCA11 核心课程 XIII - 人工智能 第一单元 人工智能定义 – 人工智能技术 – 人工智能应用 – 问题 – 问题空间和搜索 – 将问题定义为状态空间搜索 – 生产系统 – 问题特征。 第二单元 启发式搜索 – 生成和测试 – 爬山法 – 广度优先搜索 – 最佳优先搜索 – 问题简化 – 约束满足 – 手段目的分析。 第三单元 游戏 – 极小最大搜索 – 添加 alpha – beta 截止值 – 谓词逻辑 – 表示简单事实和逻辑可计算函数和谓词 – 解析 – 自然演绎。 第四单元 使用规则表示知识 – 程序性与陈述性知识 – 前向推理与后向推理 – 非单调推理。 第五单元 专家系统 – 结构 – 组件 – 专家系统开发过程 – 专家系统开发工具。 教科书:1. Elaine Rich 和 Kevin Knight 著《人工智能》,Tata McGraw Hill,第二版。 2. David Rolston 著《人工智能与专家系统开发原理》,McGraw Hill。 3.《人工智能与专家系统》,K.Meena 和 R.Dhanapal 著,国际图书,2000 年。
我们开发了一个“半自动微分”框架,将现有的基于梯度的量子最优控制方法与自动微分相结合。该方法几乎可以优化任何可计算函数,并在两个开源 Julia 包 GRAPE.jl 和 Krotov.jl 中实现,它们是 QuantumControl.jl 框架的一部分。我们的方法基于根据传播状态、与目标状态的重叠或量子门正式重写优化函数。然后,链式法则的分析应用允许在计算梯度时分离时间传播和函数的评估。前者可以通过修改的葡萄方案非常高效地进行评估。后者通过自动微分来评估,但与时间传播相比,其复杂性大大降低。因此,我们的方法消除了通常与自动微分相关的高昂内存和运行时开销,并通过直接优化量子信息和量子计量的非解析函数,促进了量子控制的进一步发展,尤其是在开放量子系统中。我们说明并测试了半自动微分在通过共享传输线耦合的超导量子比特上完美纠缠量子门的优化中的应用。这包括对非解析门并发的首次直接优化。