XiaoMi-AI文件搜索系统
World File Search SystemHaar
使用新的基于注意力的深卷积神经网络的实时交通标志识别方法
摘要：汽车行业中的人工智能（AI）允许汽车制造商通过整合AI驱动的高级驾驶员辅助系统（ADAS）和/或自动化驾驶系统（ADS）（例如Traffiffififififient识别（TSR）系统），从而为智能和自动驾驶汽车提供智能和自动驾驶汽车。现有的TSR解决方案集中在他们认识的某些标志上。出于这个原因，提出了一种TSR方法，其中涵盖了更多的道路标志类别，例如警告，监管，强制性和优先符号，以构建一个智能和实时系统，能够分析，检测和分类为正确类别。提出的方法基于对不同的特征符号检测（TSD）和Traffim符号分类（TSC）的概述，旨在在准确性和处理时间方面选择最佳的特征。因此，提出的方法将HAAR级联技术与深CNN模型分类结合在一起。开发的TSC模型在GTSRB数据集上进行了培训，然后在各种路标上进行了测试。所达到的测试精度率达到98.56％。为了提高分类性能，我们提出了一个新的基于注意力的深卷积神经网络。由于获得的测试准确性和F1测量率分别达到99.91％和99％，因此所达到的结果比其他符号分类研究中存在的结果更好。在Raspberry Pi 4板上评估并验证了开发的TSR系统。实验结果证实了建议的方法的可靠性。
伪随机量子态密码学
伪随机态由 Ji、Liu 和 Song (Crypto'18) 引入，是可高效计算的量子态，在计算上与 Haar 随机态无法区分。单向函数意味着伪随机态的存在，但 Kretschmer (TQC'20) 最近构建了一个 oracle，相对于该 oracle 不存在单向函数，但伪随机态仍然存在。受此启发，我们研究了基于伪随机态执行有趣的加密任务的有趣可能性。假设存在将 𝜆 位种子映射到 𝜔 (log 𝜆 ) 量子比特状态的伪随机态生成器，我们构建了 (a) 统计上具有约束力且计算上具有隐藏性的承诺和 (b) 伪一次性加密方案。(a) 的结果是，伪随机态足以在多数不诚实的情况下构建恶意安全的多方计算协议。我们的构造是通过一种称为伪随机函数类状态 (PRFS) 的新概念得出的，这是伪随机状态的泛化，与经典的伪随机函数概念相似。除了上述两种应用之外，我们相信我们的概念可以有效地取代许多其他加密应用中的伪随机函数。
使用机器学习的森林火灾检测
关键字：机器学习，深度学习，卷积神经网络，森林火灾检测，对象检测，YOLO。简介：森林大火是一场计划外的大火，在像森林或草原这样的荒野环境中爆发。森林大火被证明是对人类和野生动植物的威胁。早期发现森林大火将减少严重程度，以防止生态系统的巨大损失及其对全球条件的影响。可以建立开发的森林火灾预测模型，以分析和处理安全摄像机，无人机和卫星的图像。使用类似于森林和周围环境的各种图像组成的数据集，并将图像分为两类：“火”和“烟”。为了有效地确定图像中森林火的存在或发作，创建和训练了机器学习技术和深度学习模型。在这个项目中，我们提出了一种森林火灾检测系统，该系统利用Haar Cascade和Yolov5进行实时检测。此外，在已知事件的具体细节之后，将很快告知最近的当局。目标：近年来，森林大火已成为环境问题，对人类的生命和财产以及该地区的自然环境构成威胁。森林大火可能会影响经济，因为许多家庭和社区都依靠森林来提供食物，饲料和燃料。目标包括：
指导咨询扩展基因研究...
2. 咨询师在谈话过程中应注意哪些事项？当请求扩展基因检测时，申请人应注意以下几点并在咨询期间加以考虑：• 与其他咨询一样，讨论应根据个体患者及其个人情况进行量身定制。 • 与寻求建议的人“进行交谈”。这意味着信息是交换的，而不仅仅是提供。开放式问题的效果是让病人独立思考，并且积极主动。然后可以测试患者是否理解了这些信息。 • 在检测前咨询之前、期间或之后，患者应收到（书面）信息。更多信息请访问以下网站：https://erfelijkheid.nl/DNA-onderzoek/dna-onderzoek-voor-een-diagnose • 仅当获得患者本人或授权人员（通常是孩子的父母，但也可以是监护人）以及参与测试的其他家庭成员（例如父母双方或受影响的家庭成员）的许可后，才可要求进行广泛的基因检测。
![arXiv:2407.21203v1 [quant-ph] 2024 年 7 月 30 日](/simg/a\a0e7575594f46cf3dc518fd36b1a33fb7d2f5419.png)
arXiv:2407.21203v1 [quant-ph] 2024 年 7 月 30 日
我们研究二维架构中的随机恒定深度量子电路。虽然这些电路只在晶格上产生邻近量子比特之间的纠缠，但可以通过测量输出状态的量子比特子集来产生长距离纠缠。据推测，当电路深度至少为恒定临界值 d ∗ 时，这种长距离测量引起的纠缠 (MIE) 会激增。对于由 Haar 随机双量子比特门组成的电路，人们还认为这与从输出分布中采样的经典难度中的量子优势相变相吻合。在这里，我们提供了随机 Clifford 电路设置中量子优势相变的证据。我们的工作扩展了恒定深度量子电路和经典电路计算能力之间近期分离的范围，证明了这种优势存在于规范随机电路采样任务中。具体来说，我们表明，在任何随机浅 Clifford 电路架构中，长程 MIE 的存在都会产生无条件的量子优势。相比之下，任何满足短程 MIE 属性的深度为 d 的二维量子电路都可以用经典方法高效模拟，深度为 O(d)。最后，我们引入了一种二维、深度为 2 的“粗粒度”电路架构，由作用于 O(log(n)) 个量子比特的随机 Clifford 门组成，我们证明了长程 MIE 的存在并建立了无条件的量子优势。
![arXiv:2402.09335v1 [quant-ph] 2024 年 2 月 14 日](/simg/3\370b090d6ca61fecd1617e834aca3bd7ef6da42f.webp)
arXiv:2402.09335v1 [quant-ph] 2024 年 2 月 14 日
酉 T 设计在量子信息中发挥着重要作用，在量子算法、基准测试、层析成像和通信等众多领域有着广泛的应用。到目前为止，为 n -qudit 系统构建酉 T 设计的最有效方法是通过随机局部量子电路，事实证明，使用 O ( T 5+ o (1) n 2 ) 量子门，该电路可以收敛到钻石范数中的近似 T 设计。在本文中，我们通过随机矩阵理论，使用 ˜ O ( T 2 n 2 ) 量子门，提供了一种新的 T 设计构造方法。我们的构造方法利用了两个关键思想。首先，本着中心极限定理的精神，我们用随机 Hermitian 矩阵的 iid 和来近似高斯酉系综 (GUE)。其次，我们证明仅两个指数 GUE 矩阵的乘积就已经近似为 Haar 随机。因此，通过汉密尔顿模拟，将两个指数和乘以相当简单的随机矩阵可得到一个酉 T 设计。我们证明的一个主要特点是量子查询复杂性中的多项式方法与随机矩阵理论中的大维（ N ）展开之间的新联系。具体而言，我们表明多项式方法可以指数地改善某些随机矩阵集合的高阶矩的界限，而无需复杂的 Weingarten 计算。在此过程中，我们定义并解决了单位圆上的一种新型矩问题，询问有限数量的等权重点（对应于酉矩阵的特征值）是否可以重现给定的一组矩。
在...
摘要：我们研究量子信息理论定量的普遍行为，在热化的孤立量子多体系统和蒸发黑洞中。尤其是我们研究了一种真正的混合国家纠缠措施，称为对数负面性，其他相关措施，包括Renyi否定性和相互构成，以及称为反射性熵的多部分纠缠的特征。我们还使用诸如相对熵和PETZ MAP有限的数量，探测从热量子多体系统或蒸发黑洞的辐射中恢复量子信息的可行性。最近开发的称为平衡近似的技术使我们能够在有限的温度下探测这些数量。我们发现了有限的温度情况，这是使用HAAR随机状态的先前研究的主题。尤其是我们发现对数负面性的方案是广泛的，但相互信息是宽大的，表明在热状态下有大量不可证实的，绑定的纠缠。用于在有限温度下蒸发黑洞，对数负性和PETZ MAP限制都揭示了一个重要的新时间尺度T B，这比总蒸发时间的有限分数要早于页面时间t p。我们发现，与t p相比，T B是时间尺度，在辐射的不同部分之间的量子纠缠变得广泛，并且在黑洞中投入大量日记的信息回收率开始生长。
智能技术、人工智能、机器人和算法 (STARA)：员工对未来工作场所的看法和幸福感
摘要 未来学家预测，当今三分之一的工作可能会被智能技术、人工智能、机器人和算法 (STARA) 所取代。到 2025 年，机器人将处理 52% 的当前工作任务，几乎是 2019 年的两倍。机器、算法或计算机流程的快速变化可能会创造 1.33 亿个新职位，取代 2019 年至 2022 年期间将被取代的 7500 万个职位（世界经济论坛，公民，2018 年）。本章的目的是对员工如何看待技术创新（STARA）对他们自己的工作和职业以及他们在未来工作场所的幸福感的影响进行批判性回顾。STARA 意识是一种衡量标准，它概括了员工认为他们的职业生涯可能被这些技术模式取代的程度。年龄作为 STARA 的调节因素也发挥了作用，因为职业发展和技术专长与年龄有关。STARA 意识不仅会影响工作结果，还会影响幸福感结果。员工构建职业认同感和评价自己职业成就的方式会对他们的财务和心理健康产生影响（Mirvis & Hall, Journal of Organizational Behavior, 15 (4), 237 – 255, 1996 ; Wiese, Freund, & Baltes, Journal of Vocational Behavior, 60 (3), 321 – 335, 2002）。Brougham 和 Haar, Journal of Management & Organization, 24 (2), 239 – 257 ( 2018 ) 在他们的研究中指出，更高的 STARA 意识与组织承诺和职业满意度呈负相关，与离职意向、愤世嫉俗和抑郁呈正相关。
使用rasberry pi
在人体驱动的汽车中使用了一种自动驾驶汽车技术，以增强安全性，识别障碍物并触发各种高端车辆的自动停止，尽管它们都没有完全自主。目前的汽车作物中不存在汽车独立驾驶所需的自动化能力。没有驾驶员，汽车变得无法使用，但是使用自动驾驶汽车，我们可以在道路上保持稳定的汽车供应。在常规车辆中，驾驶员必须不断意识到信号，交通安全标志，障碍物和车道标记，并且必须相应地做出决定。尽管自动驾驶具有优势，但对于某些人来说也可能令人不安。这将导致交通拥堵减少，污染减少，每个人的运输费用降低，以及建造新的基础设施和道路的成本较低。此外，它将显着提高老年人和身体挑战的人的流动性。PI摄像头和超声波传感器将使车辆能够感知其周围环境，并且两者的数据将通过Raspberry Pi流到服务器。在此服务器上，我们将运行一个神经网络，该神经网络将处理图像以检测车道标记，以及HAAR级联分类器，以检测停止符号和流量信号。传感器数据也将进行处理，以防止通过制动进行前碰撞。一旦受过训练，汽车将根据巷道自动做出导航决策的自主行驶。可以在实际车辆中使用相同的算法和技术来实施自动化。
量子方法用于整数小波变换及其...
随着技术进步的快速进步，对高处理和存储能力的需求已大大增加。因此，发现操纵和转换信息的新方法是必要的。一种潜在的解决方案是量子信息处理，它大大减少了存储的数据的量，操作数量以及经典工具（例如小波变换（WT））的复杂性。wt是许多领域的主要工具，例如加密，信号编码，水印，组合，掉头和信息检索。其经典相关性推动其在量子水平上的进展，从而提高了对一，二维和三维量子小波的转换的计算效率。但是，常规的，实价的WT不适用于无损应用，并且在计算上很复杂。整数到整数WT（IWT）是另一种转换，将整数映射到整数，它使用起重方案来执行信号分解分析。此方案降低了计算成本，允许对实价WT进行实践无损应用，并产生新的小波家族。到目前为止，整数版本（Q-IWT）尚无定义的QWT定义，这在量子信息处理中可能很有价值。因此，我们为HAAR，DAUBECHIES和CDF核的一维整数小波转换提出了一种量子方法，包括信号分解和无损压缩的量子算法。此外，我们将使用IBM的仿真环境作为分析和验证的手段。我们将使用复杂性和数学分析，性能，挠性，信号恢复，熵和噪声添加指标评估所提出的转换和压缩应用。