XiaoMi-AI文件搜索系统
World File Search SystemGaussian
用隐藏的高斯图形光谱模型识别振荡性脑网络
识别基于间接观察到的过程的功能网络构成了神经科学或其他领域的反问题。对此类反问题的解决方案估算为第一步，该活动从脑电图或MEG数据中从功能网络中出现。这些脑电图或MEG估计是对功能性脑网络活动的直接反映，其时间分辨率是其他体内神经图像无法提供的。第二步估计了此类活动pseudodata的功能连通性，揭示了与所有认知和行为密切相关的振荡性脑网络。对此类MEG或EEG逆问题的模拟还揭示了由任何最新的反溶液确定的功能连接性的估计误差。我们揭示了估计误差的重要原因，该原因源自将任一个逆解决方案步骤的功能网络模型的错误指定。我们介绍了指定这种振荡性脑网络模型的隐藏高斯图形光谱（HIGGS）模型的贝叶斯识别。在人EEGα节律模拟中，以ROC性能为单位测得的估计错误在我们的HIGG逆溶液中不会超过2％，而最先进的方法中的估计误差则达到20％。猕猴同时发生的EEG/ECOG记录为我们的结果提供了实验性确认，根据Riemannian距离，其一致性比最新的方法高的1/3倍。
量子玻姆启发势能用于建模非高斯时间序列及其在金融市场中的应用
摘要：我们实施了主要基于玻姆力学的量子建模来研究包含事件间强耦合的时间序列。与具有正常密度的时间序列相比，此类时间序列与罕见事件相关。因此，采用高斯统计数据会严重低估其罕见事件的发生。本研究的主要目标是从量子测量的角度研究罕见事件对时间序列概率密度的影响。为此，我们首先使用多重分形随机游走 (MRW) 方法对时间序列的非高斯行为进行建模。然后，我们研究了 MRW 的关键参数 λ 在时间序列导出的量子势中的作用，该参数控制非高斯性程度。我们的玻姆量子分析表明，导出的势在高频下取一些负值（其平均值），然后大幅增加，对于罕见事件，该值再次下降。因此，罕见事件可以在量子势的高频区域产生势垒，当系统横穿该势垒时，这种势垒的影响会变得突出。最后，作为将量子势应用于微观世界之外的一个例子，我们计算了标准普尔金融市场时间序列的量子势，以验证非高斯密度中罕见事件的存在，并证明与高斯情况的偏差。
量子和经典贡献费尔米金和玻色子高斯系统的熵产生
如前所述，熵产生（表征热力学过程的不可逆性的关键数量）与系统自由度及其热环境之间的相关程度的产生有关。这就提出了一个问题，即这种相关性是否具有分类或量子性质，即，是否可以通过对相关自由度的局部测量来访问它们。我们通过考虑费米子和玻色症高斯系统来解决这个问题。我们表明，对于费米子，熵产生主要是量子的，这是由于均衡超选择规则限制了一组物理允许的测量值，从而显着限制了经典可访问的相关性的数量。相比之下，在骨髓系统中，可以通过高斯测量访问更多的相关性。特别是在低温下量子的贡献可能很重要，但在高温限制中，熵产生对应于纯粹的经典位置 - 摩托明相关性。我们的结果表明，在熵产生的显微镜公式中，费米子和骨系统之间存在着关于存在量子到古典跨性别的重要区别。他们还表明，即使在弱耦合极限中，熵产生也可能主要是由量子相关性引起的，该耦合极限在状态种群的经典速率方程方面以及在低粒子密度极限中的描述，其中玻色子的传输性能和费米子的运输特性将其转化为经典颗粒的粒子。
线性二次高斯控制系统的设计...
有几种不同类型的控制方法可用于线性和非线性系统。这些控制方法需要简单到复杂的控制器。在本项目中，通过获取状态空间模型并检查不同控制方法的开环和闭环响应来分析无尾翼火箭的俯仰稳定性。此外，根据线性二次调节器 (LQR) 的响应评估了简单但强大的比例、积分、微分 (PID) 控制器的响应。由于实际应用和案例的局限性，开发了卡尔曼滤波器 (最佳估计器) 来充分观察和获取必要的状态变量。最终，将 LQG 和卡尔曼滤波器结果和增益结合起来以获得线性二次高斯 (LQG) 控制器响应。每个部分都将定义、推导和实现必要的函数到 MATLAB 和 Simulink 中以获得最佳响应。
Hermite-Gaussian 和 Laguerre 的分析——...
基于模分复用的 FSO 系统中 Hermite-Gaussian 和 Laguerre-Gaussian 模式的分析 ANUSHTHA NIMAVAT 1、AMAN SAH 1、TUSHAR POKHRA 1、ABHISHEK TRIPATHI 2,*、SHILPI GUPTA 1,* 1 电子工程系，萨达尔瓦拉巴伊国家理工学院，苏拉特，古吉拉特邦，印度 2 计算机科学与工程系，Kalasalingam 研究与教育学院，Srivilliputhur，泰米尔纳德邦，印度 自由空间光学 (FSO) 是一种非视距 (NLoS) 技术，可提供无处不在的数字服务，尤其是在频率分配非常紧张且实际上无法容纳所有用户的地区。在本研究中，我们设计了一个模型，该模型传输四个独立模式（HG 00、HG 01、LG 00 和 LG 10），携带伪随机比特序列，这些序列复用到单个自由空间信道中，并在各种衰减和链路长度值的主题下进行研究。我们发现 HG 系列的性能优于 LG 系列，在 600 米链路范围内 18 dB/km 的衰减下，误码率 (BER) 降低了约 7.7%，Q 因子提高了 4%。（2022 年 11 月 2 日收到；2023 年 4 月 7 日接受）关键词：光无线、Hermite-Gaussian、Laguerre-Gaussian、模分复用
非高斯量子关联及其应用
量子力学是当今我们见证的重大技术发展的核心。世界各地正在做出巨大努力，以充分发挥这些新技术的潜力。这些努力主要集中在量子计算和通信协议的实现上，在高精度计量方面，我们期待着而且已经取得了很大进展。由于其对退相干具有很强的稳定性，光的量子态为实现这些量子技术提供了一个强大的候选平台。此外，该平台具有良好的可扩展性，因为它可以在室温下操作，并且与现有的通信技术兼容。量子光学系统与任何玻色子系统一样，可以用两种互补的方式描述 [1]。一方面是离散变量方法，主要关注光子数量作为相关可观测量。这种方法具有广泛的适用性，因为它为量子信息提供了一种自然的编码，每个光子编码一个量子比特的状态。然而，这种编码极易受到光路中光子丢失的影响，这是光学设备中最常见的问题来源，并且还存在难以确定性地生成单光子的问题。另一方面，还有连续变量方法，其中相关的可观测量是电磁场模式的实部和虚部，称为场正交。这种方法可以确定性地生成多达一百万种模式的巨大纠缠态[ 2 ]，这为量子信息处理提供了独特的场所。连续变量框架允许在有限维相空间内描述无限维系统，该相空间是系统模式数量的两倍。这种描述是用准概率分布 [1] 来提供的，类似于统计集合的经典描述。在准概率分布家族中，值得注意的是维格纳函数。由于海森堡不确定性原理禁止同时测量振幅和相位正交，维格纳函数可以达到负值。尽管如此，它还是最接近经典的概率描述，因为它是状态的唯一相空间表示，它被归一化并边缘化为相应正交测量结果的概率密度。维格纳函数是区分高斯状态和非高斯状态的重要工具 [1]。根据定义，高斯状态是可以在相空间中用高斯维格纳函数描述的状态。这些状态可以用当前技术以确定性的方式生成和进一步操纵。特别是上面提到的大型多模纠缠态就属于这一家族。然而，最奇特的量子特征，如维格纳负性，是在非高斯态中发现的。我们正是需要这些奇特的特征，如维格纳函数中的负性[ 3 ]和非高斯纠缠[ 4 ]来实现无法用经典资源有效模拟的量子协议。在[ 4 ]中，我们证明了用经典设备模拟这种光学采样问题的复杂性在输入状态的非高斯性中呈指数增长，通过其恒星等级来衡量[ 5 ]。此外，我们提供了一种有效的算法来模拟可以通过移相器和分束器（被动线性光学）分离的状态的采样。换句话说，这个结果相当于说，为了得到一个难以用经典方法模拟的采样问题，状态应该在每个模式基础上表现出纠缠，因为否则
使用零均值高斯态和部分光子数分辨检测无法产生任意非高斯态
高斯状态和测量值加在一起不足以成为量子计算的强大资源，因为任何高斯动力学都可以用经典方法高效模拟。然而，众所周知，任何一种非高斯资源（状态、幺正运算或测量）与高斯幺正值一起构成通用量子资源。光子数分辨 (PNR) 检测是一种易于实现的非高斯测量，已成为尝试设计非高斯状态以进行通用量子处理的常用工具。在本文中，我们考虑对零均值纯多模高斯状态的子集进行 PNR 检测，以此作为在未检测到的模式上预示目标非高斯状态的一种手段。这是因为使用压缩真空和被动线性光学系统可以轻松可扩展地制备具有零均值的高斯状态。我们计算了实际预示状态和目标状态之间的保真度上限。我们发现，当目标状态是多模相干猫基簇状态时，该保真度上限为 1/2，这对于通用量子计算来说是一种足够的资源。这证明了存在无法通过此方法产生的非高斯状态。我们的保真度上限是一个简单的表达式，仅取决于光子数基中表示的目标状态，它可以应用于其他感兴趣的非高斯状态。
f或引用Adam I.A.，Yashin D.A.，Kargina D.A.，Nasedkin B.A.自由空间QKD中高斯和涡流梁与tur>中的相位编码的比较
量子密钥分布（QKD）是通信技术的新方向。QKD建立了两个当事方（通常称为Alice和Bob）之间的安全连接，其中量子力学定律提供了有目的的通道的可靠性，其中最重要的是无关定理[1]。从长远来看，QKD基于计算数学函数的复杂性，QKD比常见的密码系统提供了更安全的连接。第一个提出的方案是BB84 [2]，其中秘密键是通过使用两个正交光子极化碱基来生成的。从那时起，研究了许多方案和实验方案以改善QKD系统的参数并扩大其应用的可能性[3]。尤其是，自由空间QKD由于其灵活性和移动性而积极开发，可用于移动设备[4]，卫星通信[5]和物联网（IoT）[6]。与光纤纤维相比，自由空间QKD尚未在商业系统中广泛使用。这些系统的主要局限性是高斯光束偏离由大气湍流和天气条件引起的原始传播方向的偏差。为解决此问题，目前使用了具有较大入口或特殊校正系统的伸缩系统，这增加了QKD系统的复杂性，重量和成本。作为梁偏差补偿的另一种方法，可以使用光涡旋，根据许多研究[7，8]，在湍流气氛中更稳定。这些问题将在本文中探讨。光涡流或具有轨道角动量（OAM）的光辐射在其中心具有空间奇异性，相位保持不确定，并且沿着梁的内边缘从0到2π不等[9]。这些过渡的数量对应于涡旋的拓扑电荷。目前，已经在QKD系统中研究了涡流束，特别是作为编码信息的基础[10]和相对于轨道动量的通道[11]。但是，在自由空间QKD中具有湍流气氛的高斯和涡流梁的传播及其对此类系统参数的影响之间没有比较。此外，没有对相位调节保存进行的实验研究，并对涡流束进行了额外的调节和解调，这对于将大气通道与光学纤维有效整合是必不可少的。
稳健高斯和非线性混合不变聚类特征辅助方法加速脑肿瘤诊断
1 纳季兰大学医学院内科放射学系，纳季兰 61441，沙特阿拉伯；yealmalki@nu.edu.sa 2 世宗大学无人驾驶车辆工程系，首尔 05006，韩国；umair@sejong.ac.kr 3 Secret Minds，创业组织，伊斯兰堡 44000，巴基斯坦；engnr.waqasahmed@gmail.com 4 国立科技大学（NUST）机械与制造工程学院（SMME）机器人与智能机械工程系（RIME），H-12，伊斯兰堡 44000，巴基斯坦； karamdad.kallu@smme.nust.edu.pk 5 伊巴达特国际大学电气工程系，伊斯兰堡 54590，巴基斯坦 6 卡西姆大学医学院放射学系，沙特阿拉伯布赖代 52571；salduraibi@qu.edu.sa（SKA）；al.alderaibi@qu.edu.sa（AKA） 7 纳季兰大学工程学院电气工程系，沙特阿拉伯纳季兰 61441；miditta@nu.edu.sa 8 扎加齐格大学人类医学学院放射学系，埃及扎加齐格 44631；maatya@zu.edu.eg 9 纳季兰大学应用医学科学学院放射科学系，沙特阿拉伯纳季兰 61441； hamalshamrani@nu.edu.sa * 通信地址：amad.zafar@iiui.edu.pk † 这些作者作为第一作者对这项工作做出了同等贡献。
高斯混合模型分类器模拟集成低...
如今，数据的空前可用性和计算硬件的进步已推动机器学习 (ML) 和深度学习 (DL) 领域取得重大进展。[1] 通过利用大量开放获取数据，ML 技术可实现自动化决策，适用于医疗预测 [2]、财务预测 [3]、工业故障管理 [1] 等广泛应用。ML 技术在生产中的部署涉及数据收集和计算要求高的算法推理过程。在大多数情况下，此过程发生在昂贵的硬件系统中，例如数据中心。上述许多 ML 应用都需要实时计算，这就需要在数据采集系统和数据中心之间进行不切实际的数据传输。解决这个问题的方法是边缘计算，将采集和计算系统集成在同一设备中，从而消除了通信开销 [4]。这催生了智能工业的一个新领域，物联网 (IoT) 应用可从使用 ML 模型中获益 [5]。物联网系统的一个重要方面是功耗 [6]；设备必须依靠电池自主执行高计算任务。这反过来又导致对前所未有的低功耗和低面积利用率的需求。因此，在过去的几十年里，出现了一种新趋势，即在物联网和 ML 应用中使用低面积和低功耗硬件加速器，直接连接到智能传感器或系统 [7]。