人类交流越来越多地与人工智能生成的语言混合在一起。在聊天、电子邮件和社交媒体中,人工智能系统可以生成智能回复、自动完成和翻译。人工智能生成的语言通常不会被识别为人类语言,而是冒充人类语言,这引发了人们对新型欺骗和操纵形式的担忧。在这里,我们研究人类如何辨别最个人化和最重要的语言形式之一——自我呈现——是否由人工智能生成。在六项实验中,参与者(N = 4,600)试图检测由最先进的语言模型生成的自我呈现。在专业、酒店和约会环境中,我们发现人类无法检测人工智能生成的自我呈现。我们的研究结果表明,人类对人工智能生成语言的判断受到直觉但有缺陷的启发式方法的限制,例如将第一人称代词、自发措辞或家庭话题与人性联系起来。我们证明这些启发式方法使人类对生成语言的判断变得可预测和可操纵,从而使人工智能系统能够生成被认为比人类更人性化的语言。我们讨论了诸如 AI 口音之类的解决方案,以减少生成语言的欺骗潜力,限制对人类直觉的颠覆。
摘要:脑电图 (EEG) 信号很容易受到肌肉伪影的污染,这可能导致脑机接口 (BCI) 系统以及各种医疗诊断的错误解读。本文的主要目标是在不扭曲 EEG 所含信息的情况下去除肌肉伪影。首次提出了一种新的多阶段 EEG 去噪方法,其中小波包分解 (WPD) 与改进的非局部均值 (NLM) 算法相结合。首先,通过预训练的分类器识别伪影 EEG 信号。接下来,将识别出的 EEG 信号分解为小波系数,并通过改进的 NLM 滤波器进行校正。最后,通过逆 WPD 从校正后的小波系数重建无伪影的 EEG。为了优化滤波器参数,本文首次使用了两种元启发式算法。所提出的系统首先在模拟脑电图数据上进行验证,然后在真实脑电图数据上进行测试。所提出的方法在真实脑电图数据上实现了 2.9684 ± 0.7045 的平均互信息 (MI)。结果表明,所提出的系统优于最近开发的具有更高平均 MI 的去噪技术,这表明所提出的方法在重建质量方面更佳并且是全自动的。
近年来,开发支持人工智能设计的工具和辅助工具已成为热门话题。谷歌为从业者制定了人工智能指南 [26];Amershi 等人。[3] 制定了 18 条人机交互指南;Corbett 等人。[15] 提出“交互式机器学习启发式评估”;周等人。[74] 提出了一种称为材料生命周期思维 (MLT) 的设计方法,该方法将 ML 视为具有整个生命周期的设计材料。然而,这些方法主要在开发过程的后期阶段有用。在早期概念设计阶段,缺乏支持人工智能驱动的用户体验设计的工具,从业者在理解人工智能能力和为给定的用户体验问题设想新的人工智能解决方案方面面临挑战 [72]。构思决定了设计的类型,在新颖概念的开发和商业成功中发挥着重要作用 [30]。然而,很少有研究支持从业者在概念设计阶段为人工智能领域生成新颖和多样化的概念。
I. 引言随着无线网络通过 5G 不断发展,通过使用毫米波频段、大规模 MIMO 和密集小区来提高频谱密度,网络设计人员正在展望 6G 发展路线图,预计社会将更加数据驱动,无线脑机接口、扩展现实和互联机器人将推动 6G 网络处理比 5G 快 10 到 1,000 倍的数据速率 [1]。为了提高频谱效率,设计人员将考虑实施超大规模 MIMO 阵列、创新的空中接口复用技术、更强大的前向纠错编码等技术,甚至在更高载波频率的更宽带宽中部署更高密度的网络。随着频谱效率的提高,6G 系统设计人员将努力提高关键性能指标 (KPI),例如终端和基站的延迟、可靠性和能源效率,同时也会尽量不牺牲一个 KPI 来实现另一个 KPI。 6G 算法的实施可以优化数据吞吐量、频谱效率、用户密度、可靠性和延迟,并在更宽的带宽下运行,这将导致比当前 5G 系统更多的计算量。在基站和蜂窝基础设施中,5G RF 调制解调器信号处理基于经典计算概念,这些概念通常在 ASIC、FPGA 和 GPU/CPU 结构中实现。然而,经典计算性能的改进并没有像过去几年那样呈指数级增长,而是由于晶体管达到原子极限而趋于稳定 [2]。由于高效快速计算结构的设计现在与无线通信竞争,成为许多高容量无线通信系统面临的最重大挑战,因此硅片能否实现实现 6G KPI 所需的高频谱性能、低延迟和高可靠性优化算法值得怀疑。随着 6G 路线图的发展,量子计算是一种潜在的宝贵工具,可以解决未来性能、延迟和可靠性之间的权衡。如果量子计算能够为目前限制可实现网络吞吐量的复杂优化问题提供最佳算法,那么频谱效率将受益匪浅。能够进行量子信息处理的众多硬件平台可以与其他可扩展技术(如毫米波和小型蜂窝)相结合,进一步提高频谱效率。由于量子力学的线性,量子计算从根本上受限于可逆操作,这些操作不会散发热量,除了计算的初始化和读出阶段。虽然嘈杂的量子计算具有不可逆性元素,但从长远来看,量子计算原则上可以达到任意低的功耗,而如果以传统方式执行,这些计算将耗电。在过去几年中,由于纳米技术和工程技术的进步,现实世界的量子计算机已经可以商业化使用。对于无线网络,最近的研究首先利用了量子退火器,这是一种模拟量子计算处理器,并展示了集中式无线接入网络(C-RAN)中基于量子的多输入多输出(MIMO)检测器 [3] 和基于量子的低密度奇偶校验(LDPC)错误控制解码 [4] 的良好结果,为如何使用机器和基线性能指标提供了指导。在无线网络中,存在代表性的优化问题,包括但不限于先前研究的应用,这些问题受到众所周知的吞吐量和复杂性之间的传统权衡,其中最佳求解器是已知的,但考虑到可用的硬件和处理时间限制,实际实施起来非常困难。我们期望克服
幸运的是,麦克斯韦方程从亚原子长度尺度到银河系长度尺度都是精确的。在真空中,它们已被证实具有极高的精度(见第 1.1 节)。此外,自 20 世纪 60 年代以来的几十年里,麦克斯韦方程已经能够得到许多复杂结构的数值解。这种用数值方法求解麦克斯韦方程的领域被称为计算电磁学,本课程后面将对此进行讨论。现在有许多商业软件可以高精度地求解麦克斯韦方程。因此,如今的设计工程师不需要更高的数学和物理知识,只要学习如何使用这些商业软件就可以获得麦克斯韦方程的解。这对许多设计工程师来说是一个福音:通过运行这些软件并进行试错,就可以设计出精彩的系统。在实际制造硬件之前使用模拟进行电磁设计的艺术被称为虚拟原型。
摘要 - 幕后(BTM)光伏电池系统的经济潜力在很大程度上取决于电池的发货方式。不同的效用率,系统大小,生成和负载填充物都需要不同的调度策略。本文介绍了价格信号调度,这是一种用于自动经济派遣的新算法,用于使用24小时的PV和负载预测,退化数据和公用事业率。该算法与系统顾问模型(SAM)工具集成在一起,并通过非线性通用电动机电池模型进行了测试。价格信号在需要收费管理和能源套利之间保持平衡的情况下,并且在电池降解会施加显着费用的情况下,Prictals Dispaths Pristals优于SAM的现有算法。索引项 - Solar Plus存储,电池,电池调度,系统顾问模型,SAM,幕后
抽象的许多具有挑战性的调度,计划和资源分配问题与现实世界输入数据和硬性问题约束有关,并减少了优化成本函数,而不是由综合定义的可行集合(例如图形的颜色)。使用量子近似优化算法来解决量子计算机解决此类问题,我们提出了新型有效的量子交替运算符ANSATZ(QAOA)构造,以优化对和弦图的适当色素的优化问题。作为我们的主要应用程序,我们考虑了飞行门分配问题,其中将航班分配到机场大门以最大程度地减少所有乘客的总运输时间,并且可行的分配对应于从输入数据中派生的冲突图的适当图形颜色。我们利用经典算法和图形理论的想法来表明我们的构造具有将量子状态进化限制为可行子空间的理想特性,并满足了大多数问题参数制度的特定可及性条件。使用经典预处理我们表明,我们可以有效地找到并构建合适的初始量子(叠加)状态。我们详细介绍了我们的构造,包括对一组通用的基本量子门的明确分解,我们用来将所需资源缩放限制为输入参数的低度多项式。尤其是我们得出了新颖的QAOA混合操作员,并表明他们的实施成本与QAOA阶段运算符的飞行门分配相称。包括许多量子电路图,以便我们的构造可以用作开发和实施量子栅极模型方法的模板,以提供多种潜在影响的现实世界应用。
摘要:在能源转型中,可再生分布式能源和自用是实现循环经济的有前途和可持续的解决方案。在未来的方案中,生产消费者有望在即将到来的可持续能源市场中发挥主导作用,作为小规模的能源生产商,他们将面临新的技术、经济和金融挑战。事实上,采用光伏 (PV) 自用系统需要调动资本进行投资并与市场互动。在这种情况下,本文的目的是探索生产消费者决策过程的见解,以增进对自用部署的理解并支持有效的政策制定。本研究通过使用启发式方法定义和分类能源生产消费者决策过程的决定因素及其相关性,为最新技术做出了贡献。通过对西班牙生产消费者的具体案例研究,分析了潜在的测量工具和方法。
本文探讨了一种受大脑启发的进化优化算法设计方法。该方法被称为冲突监控优化,其灵感来自大脑中的两个相关过程,即冲突监控和恐惧处理系统。首先,讨论了优化元启发式算法的当前问题并解决了挑战。随后,本文从三个不同方面简要回顾了研究人员在大脑危险处理(恐惧)系统方面的工作。然后,推导并检验了基于恐惧系统模型的模型。接下来,前扣带皮层在信息冲突监控中的作用被用作对所提算法的认可印章。最后,对最终确定的算法进行了修改,采用突变参数来强化模型的进化方面。在提出任意子程序后,使用 20 个维度长度为 3、10 和 50 的基准函数检验了所提出的算法。将评估结果与众所周知的元启发式算法进行了 50 次不同的运行比较,然后讨论了其在不同函数类型上的有效性。
摘要 — 量子密钥分发 (QKD) 网络有可能在不久的将来得到广泛部署,为数据通信提供长期安全性。鉴于高昂的价格和复杂性,多租户已成为 QKD 网络运营的一种经济高效的模式。在这项工作中,我们专注于解决 QKD 网络的在线多租户配置 (On-MTP) 问题,其中多个租户请求 (TR) 动态到达。On-MTP 涉及调度多个 TR 并将从 QKD 网络派生的不可重复使用的密钥分配给多个 TR,其中每个 TR 可被视为具有专用密钥需求的高安全性需求组织。量子密钥池 (QKP) 构建在 QKD 网络基础设施上,以提高密钥的管理效率。我们使用不同的图像为 QKP 的密钥资源和 TR 的密钥需求建模。为了实现高效的 On-MTP,我们对基于启发式和强化学习 (RL) 的 On-MTP 解决方案进行了比较研究,其中提出了三种启发式方法(即基于随机、拟合和最佳拟合的 On-MTP 算法),并引入了 RL 框架来实现 On-MTP 算法的自动训练。比较结果表明,在经过足够的训练迭代后,基于 RL 的 On-MTP 算法在租户请求阻止概率和密钥资源利用率方面明显优于所提出的启发式方法。