XiaoMi-AI文件搜索系统
World File Search SystemGreedy
决策树的生成模型
决策树是最受欢迎的监督模式之一，因为它们的解释性和知识表示类似于人类的推理。常用的决策树归纳算法基于贪婪的自上而下策略。尽管已知这些方法是一种有效的启发式方法，但所得树仅在局部最佳，并且往往具有过于复杂的结构。另一方面，最佳决策树算法尝试立即创建整个决策树以实现全局最优性。我们通过设计针对决策树的生成模型在这些方法之间提出建议。我们的方法首先通过使用预训练的决策树模型来学习潜在的决策树空间。然后，它采用了一种遗传程序来探索这种潜在空间，以找到具有良好预测性能的紧凑型决策树。我们将我们的建议与覆盖树诱导方法，最佳方法和结合模型进行了比较。结果表明，我们的建议可以产生准确而浅的，即可解释的决策树。
介导的环呼定分解聚合：合成...
摘要 - Q学习已成为增强学习工具包的重要组成部分，因为它在1980年代的克里斯·沃特金斯（Chris Watkins）论文中引入了。在原始表格公式中，目标是精确地计算出折扣成本优化方程的解决方案，从而获得马尔可夫决策过程的最佳策略。今天的目标更为适中：在规定的功能类中获得近似解决方案。标准算法基于与1980年代公式相同的体系结构，其目的是找到一个求解所谓的投影贝尔曼方程的价值函数近似。虽然增强学习一直是一个活跃的研究领域，但几乎没有理论提供这些Q学习算法的融合条件，甚至存在该方程的解决方案。本文的目的是表明，只要函数类是线性的，并且用于训练的输入是ε-绿色策略的一种形式，并且具有足够小的ε。此外，在这些条件下，就界限参数估计而言，Q学习算法是稳定的。融合仍然是众多研究主题之一。
倾向得分匹配的队列研究
方法这项回顾性队列研究使用了Trinetx US协作网络的电子健康记录，覆盖了美国> 1亿患者。由于这项研究的探索性质，我们没有使用预注册的方案或统计分析计划。在2017年12月1日至2021年5月31日之间，具有T2DM处方的Semaglutide的三个同类群是倾向得分匹配的（1：1使用贪婪的最近的Neighbour算法，Calliper距离为0.1的距离为0.1），并带有同类的同类，以接收astagliptin，empaglipin，empagli-lifozin和glipizide和Glipizide和Glipizide。Using Cox regression analysis, we compared the risks of 22 neurological and psychiatric outcomes within one year since the index prescription: encephalitis, parkinsonism, cognitive de fi cit, dementia, epilepsy/seizure, migraine, insomnia, nerve disorder, myoneural junction/muscle disease, intracranial haemorrhage, ischaemic stroke, alcohol misuse, opioid滥用，滥用大麻，兴奋剂滥用，尼古丁滥用，精神病，躁郁症，抑郁，焦虑，强迫症和自杀性。阴性对照结果（NCO）用于评估未衡量的混杂。
使用上下文信息和多传感器数据进行室内定位的最佳地标放置
摘要 — 移动代理室内定位的最有效解决方案通常依赖于多传感器数据融合。具体而言，可以通过结合航位推算技术（例如基于里程计）和相对于给定参考系内具有已知位置和/或方向的合适地标的距离和姿态测量，实现准确性、可扩展性和可用性方面的良好权衡。此类技术的一个关键问题是地标部署，它不仅应考虑所采用传感器的有限检测范围，还应考虑错过地标的非零概率，即使它实际上位于传感器检测区域 (SDA) 内。本文重点研究最小地标放置，同时考虑可能的环境上下文信息。该解决方案依赖于贪婪放置算法，该算法可以最佳地解决问题，同时将定位不确定性保持在给定限制以下。通过在欧盟项目 ACANTO 背景下的多次模拟验证了所提出方法的正确性，该项目需要在大型、公共且可能拥挤的环境中（例如购物中心或机场）定位一个或多个智能机器人步行者。
![arXiv:2201.01471v3 [quant-ph] 2022 年 4 月 18 日](/simg/e\eaea73a6e5c64af89eddbca2c196025579a5c1fe.webp)
arXiv:2201.01471v3 [quant-ph] 2022 年 4 月 18 日
在量子计算机上获取可观测量的期望值是变分量子算法中的关键步骤。对于分子电子哈密顿量等复杂可观测量，一种常见的策略是将可观测量表示为可测片段的线性组合。这种方法的主要问题是需要大量测量才能准确估计可观测量的期望值。我们考虑了几种基于交换多量子比特泡利积分组的分割方案，目的是最小化测量次数。探索了三个主要方向：1) 使用贪婪方法对交换运算符进行分组，2) 涉及非局部幺正变换进行测量，3) 利用一些泡利积与几个可测组的兼容性。最后一个方向产生了一个通用框架，它不仅提供了对以前方法的改进，而且还将测量分组方法与阴影层析成像技术的最新进展联系起来。按照这个方向，我们开发了两种新的测量方案，与以前最先进的方法相比，将一组模型分子的测量次数减少了几倍。
ABCDPlace：在多线程 CPU 和 GPU 上加速基于批处理的并发详细布局
摘要 — 布局是现代超大规模集成电路 (VLSI) 设计中的重要步骤。详细布局是整个设计流程中被密集调用的布局细化程序，因此其效率对设计收敛至关重要。然而，由于大多数详细布局技术本质上是贪婪和顺序的，因此它们通常难以并行化。在这项工作中，我们提出了一个并发详细布局框架 ABCDPlace，利用多线程和 GPU 加速。我们为广泛采用的顺序详细布局技术提出了基于批处理的并发算法，例如独立集匹配、全局交换和局部重新排序。实验结果表明，在 ISPD 2005 竞赛基准上，ABCDPlace 可以比使用多线程 CPU 的顺序实现快 2 × - 5 × 的运行时间，使用 GPU 可以比顺序实现快 10 × 以上，而不会降低质量。在更大的工业基准测试中，我们展示了比最先进的顺序详细布局器快 16 倍以上的 GPU 加速。 ABCDPlace 在一分钟内完成一千万个单元的工业设计的详细布局。
在雾中提供的能源和QoS意识到的物联网服务的移动性支持
摘要 - fog计算已成为强大的分布式计算范式，以支持具有严格延迟要求的应用程序。它在大型地理区域内提供了几乎普遍存在的计算能力。但是，雾系统是高度异构和动态的，这使得服务的放置决策非常具有挑战性，考虑到节点流动性，可能会随着时间的推移降低位置决策质量。本文提出了一种用于雾中服务放置的遗传学遗传算法（MGA），旨在支持节点的移动性，同时确保基础架构的能源耐高率和应用服务质量（QOS）要求。我们已经将这种方法与文献中最短的接入点迁移策略（SAP）的两个变体进行了比较，提出的移动性贪婪启发式（MGH）和基线简单的网格算法（SGA）。使用myifogsim模拟器进行的实验表明，与其他方法相比，MGA可确保在能量和延迟违规方面的良好表现。索引术语 - 事物，优化，移动性，雾计算，智能校园，QoS，Energy。
内存受限量子路径上的启发式远程纠缠分布算法
摘要 —远程纠缠分布在大规模量子网络中起着至关重要的作用，而实现纠缠分布的关键因素是能够延长纠缠传输距离的量子路由器（或中继器）。但量子路由器的性能还远未完善，其中量子路由器中有限的量子存储器极大地影响了纠缠分布的速率和效率。为了克服这一挑战，本文提出了一种在存储器受限路径上最大化纠缠分布速率（EDR）的新模型，然后将其转化为纠缠生成和交换子问题。我们提出了一种用于短距离纠缠生成的贪婪算法，以便高效利用量子存储器。对于纠缠交换子问题，我们使用纠缠图（EG）对其进行建模，其解被发现至少是 NP 完全的。在此基础上，我们提出了一种启发式算法，将原始EG划分为多个子问题，每个子问题都可以在多项式时间内使用动态规划（DP）进行求解。通过进行模拟，结果表明我们提出的方案可以实现较高的EDR，并且所开发的算法具有多项式时间上界和合理的平均运行时间复杂度。
计算机科学与工程学院
3。计算机编程和数据结构和算法编程在C，面向对象的编程，阵列，堆栈，排队，链接列表，树，搜索排序技术，哈希和图形。渐近最差的情况和空间复杂性。算法设计技术：贪婪，动态编程和分裂和概述。图形搜索，最小跨越树和最短路径。5。操作系统过程，线程，过程间通信，并发和同步。僵局。CPU计划。内存管理和虚拟内存。文件系统。6。数据库ER -MODEL。关系模型：关系代数，元组演算，SQL。完整性约束，正常形式。文件组织，索引（例如B和B+树）。交易和并发控制。6。数据通信和计算机网络模拟和数字信号，信号特征，多路复用技术，通信通道，开关技术。概念分层。LAN Technologies（以太网）。流量和错误控制技术，切换。IPv4/ipv6，路由器和路由算法（距离向量，链接状态）。TCP/UDP和插座，拥塞控制。应用程序层协议（DNS，SMTP，POP，FTP，HTTP）。
e-syn：通过技术意识到的逻辑综合成本功能重写
逻辑合成在数字设计流中起着至关重要的作用。它对电路实现的最终结果质量（QOR）具有决定性的影响。但是，现有的多级逻辑优化算法通常采用一系列局部优化步骤采用贪婪的方法。每个步骤将电路分为小块（例如，可行的切割），并分别对单个零件进行增量更改。这些本地优化步骤可能会限制勘探空间，并可能错过重大改进的机会。为了解决限制，本文提出了在逻辑合成中使用电子图像。新的工作流（名为e-Syn）利用良好的电子支柱基础架构有效地执行逻辑重写。它探讨了一套等效的布尔表示，同时允许技术意识到的成本功能更好地支持面向延迟和面积的逻辑合成。在广泛的基准设计上进行的实验表明，与常用的基于AIG的逻辑合成流相比，我们提出的逻辑选择方法达到了更广泛的设计空间。它可以在平均年龄15.29％的延迟延迟延迟延迟延迟，以节省面积为导向的合成的6.42％面积。