XiaoMi-AI文件搜索系统
World File Search SystemGreedy
一种基于转换的量子物理合成方法，用于最近的邻居体系结构
摘要：量子回路的物理合成概念，即合成和物理设计过程之间的相互作用，是在我们以前的工作中首次引入的。这个概念激发了我们提出的一些技术，这些技术可以最大程度地减少在最近邻居建筑上运行电路所需的额外插入交换操作的数量。最小化掉期操作的数量可能会降低量子电路的延迟和误差概率。着眼于这个概念，我们提出了一种基于转换规则的物理综合技术，以减少最近邻里建筑中交换操作的数量。将电路的Qubits映射到目标体系结构提供的物理量子位之后，我们的过程被此映射信息提供了。我们的方法使用获得的位置和调度信息将某些转换规则应用于原始Netlist，以减少在体系结构上运行电路所需的额外交换门的数量。我们遵循两项政策，以应用转换规则，贪婪和基于仿真的策略。仿真结果表明，与文献中最好的基于贪婪和基于模拟的基于基于通量的策略，该提出的技术分别将额外掉期操作的平均数量降低了约20.6％和24.1％。
通过合并贝叶斯网络
我们介绍了基于快速贪婪的等效搜索算法，通过合并本地学到的贝叶斯网络来学习基因调节网络的结构的新方法，用于学习基因调节网络的结构。该方法在Matthews相关系数方面与艺术的状态具有竞争力，该系数既考虑到精度和召回率，同时也可以在速度方面进行改进，扩展到数万个变量，并能够使用有关基因调节网络拓扑结构的经验知识。为了展示我们的方法扩展到大规模网络的能力，我们使用来自不同大脑结构的样本（来自艾伦人脑大脑图书馆）的数据来学习全人类基因组的基因调节网络。此外，这种贝叶斯网络模型应以专家的清晰度来预测基因之间的相互作用，遵循当前可解释的人工智能的趋势。为了实现这一目标，我们还提出了一种新的开放式可视化工具，该工具促进了大规模网络的探索，并可以帮助寻找感兴趣的体验测试节点。
M. Tech。人工智能和数据科学（3年晚上计划） 年度报告2023-2024
课程代码类别计划核心1课程标题人工智能和应用程序方案和学分L – T – P：3-0-0;学分：3.0; Semester – I Pre-requisites (if any) Syllabus: Introduction [2L] Intelligent Agents [2L] Solving problems by Searching – Uninformed search, Informed/Heuristic search (Greedy, A*, IDA*) [5L] Advanced intelligent search techniques – Uniform Cost Search, Hill Climbing, Simulated Annealing, Genetic Algorithm, Applications of Genetic Algorithm for solving TSP problems [6L]对抗性搜索 - 游戏理论，在国际象棋游戏中进行对抗搜索的应用[4L]知识和推理 - 在人工智能，解决方案反驳系统，结构化知识表示技术[6L]在不确定性下进行推理[6L]的谓语 - 非单调推理，非单调推理，基于假设的系统，基于假设的真实系统，概率的真实性系统，概率的辩护，构图，构图，FUZZY，FUZZY，FUZZY，某些应用程序，某些方面的应用程序，某些应用程序。
![人工智能 [R20A1205] 讲稿](/simg/g:\will\search\icon\source\3\390a4212208f638772f48a106f00c4c04c54bbcf.png)
人工智能 [R20A1205] 讲稿
通过搜索解决问题 –II：问题解决代理、寻找解决方案、无信息搜索策略：广度优先搜索、均匀成本搜索、深度优先搜索、迭代深化深度优先搜索、双向搜索、有信息（启发式）搜索策略：贪婪最佳优先搜索、A* 搜索、启发式函数、超越传统搜索：爬山搜索、模拟退火搜索、连续空间中的局部搜索。UNIT-II
![arxiv：2401.07333v1 [cs.cl] 2024年1月14日](/simg/g:\will\search\icon\source\0\09167acb54f1a276e1d04e10d2db512eb682cbbc.webp)
arxiv：2401.07333v1 [cs.cl] 2024年1月14日
基于声学和语言提示的语言模型（LM）方法，例如Vall-e，在零击音频产生的领域取得了显着的进步。但是，iS iSTing方法仍然存在一些局限性：1）由于音频和音素令牌之间有限的对齐约束，导致输出综合语音的重复，换位和遗漏； 2）使用自动化语言模型对综合语音进行细粒度控制的挑战； 3）由于基于AR的编码的性质，尤其是在贪婪策略下，无限的沉默产生。为了减轻这些问题，我们提出了Ella-V 1，这是一个简单但有效的基于LM的零击文本对语音（TTS）框架，可以在音素级别对合成音频进行细性的控制。ELLA-V的钥匙是声学和音素令牌的序列序列，在该序列中，音素令牌出现在相应的声音令牌之前。表现出的发现表明，我们的模型在准确性方面执行了VALL-E，并使用基于贪婪和采样的解码策略提供了更稳定的结果。Ella-V的代码将是开源的，以清理2。音频样本可在https://ereboas.github.io/ellav/上找到。
计算机科学（CSCI）
CSCI 340高级算法4.0 SH []算法调查，重点是将算法理论应用于解决实践问题的解决方案。类别包括算法分类法，贪婪算法，动态编程，分裂和纠纷和智能搜索。各种特定的算法示例这些类别来自各种应用领域，例如压缩，加密，图形问题，分类，计算几何和字符串匹配。先决条件：CSCI240。班级限制：仅大三和高级。
学士 /主论文-LFB.RWTH -AACHEN.DE < / div>
为视网膜植入物设计电极阵列的布局是一项具有挑战性的任务，因为必须考虑许多因素，例如，视网膜的解剖结构，分辨率和电极的串扰效应之间的交易，以及患者特定于患者的磷光。Bruce＆Beyeler [1]建议使用贪婪算法自动设计电极布置和模拟模型[2]。在本文中，我们想使用贝叶斯优化[3]，其中可以根据先前工作后的分类结果来定义采集函数[4]。
基于强化学习的分散武器 -
多次无误攻击是饱和和克服导弹防御系统的最简单方法之一。为了提高针对此类攻击者群体的拦截效率，有必要根据其运动学局限性分配拦截器。此外，这样的分配方案必须是可扩展的，以应对大型方案并允许动态重新分配。在本文中，我们首先提出了这种武器目标分配（WTA）问题的新表述，并提供了使用加固学习（RL）以及贪婪的搜索算法来解决它的分散方法。从每个追随者与所有目标的角度考虑参与。同时，其他拦截器与目标群体相关，而其他团队成员则可以使用其分配和成功概率。为了改善中途轨迹的塑造，在追随者和进来的对手之间放置了静态虚拟目标。每个拦截器根据从计算有效的仿真环境中的大量场景中学到的策略动态选择目标。RL输入状态包含目标的拦截器达到性覆盖范围以及其他导弹成功的概率。RL奖励汇总了团队绩效，以鼓励在分配层面上进行合作。相关的可及性约束是通过采用拦截器运动的运动学近似来分析获得的。RL的使用确保所有拦截器的实时可扩展和动态重新分配。我们将基于RL的分散WTA和指导方案与贪婪解决方案的性能进行比较，显示了RL的性能优势。
通过深入增强学习的城市航空运输系统中的动态频谱分配
摘要 - 城市空气流动性（UAM）和先进空气流动性（AAM）的新兴概念为城市航空运输开辟了新的范式。一个巨大的挑战是，这些新的航空车将迅速饱和已经拥挤的航空频谱，这是确保可靠的安全操作通信的必不可少的资源。在本文中，我们考虑了一个航空运输系统，该系统可在该系统中运行多个航空车，以将乘客或货物从不同的来源运输到其沿其预先确定的路径的目的地。在战役期间，必须达到最低沟通质量（QoS）要求，以确保安全安全。我们的目标是通过共同优化所有航空车的速度选择和频谱分配来最大程度地减少任务完成时间。我们将优化问题提出为多阶段马尔可夫决策过程（MDP），其中优化变量耦合在一起。基于多代理的深钢筋学习（DRL）解决方案是提出了值分解网络（VDN）算法来采取离散操作的。此外，我们提出了一种启发式贪婪算法作为基线解决方案。仿真结果表明，我们基于学习的解决方案优于启发式贪婪算法和另一种正交多访问（OMA）解决方案，以最大程度地降低任务完成时间。索引术语 - 光谱分配，空中通信，增强学习，多代理