XiaoMi-AI文件搜索系统
World File Search SystemLLS
非局部性作为BCS超导体纯量子动力学的来源
我们表明，远离平衡超导的经典描述在局部可观察物的热力学极限中是精确的，但分解了全球数量，例如纠缠熵或loschmidt回声。我们通过解决并比较BCS超导体的精确量子和精确的经典长期动力学来做到这一点，并与时间成反比相互作用强度并明确评估局部可观察物。平均值对于热力学极限的正常平均值和异常平均（超导顺序）都是精确的。但是，对于异常的期望值，此极限并不能以绝热和强的耦合极限上下通勤，因此，它们的量子发光可能异常强。系统的长时间稳态是一种无间隙的超导体，仅通过能量解析测量值才能访问其超流体性能。这种状态是非热的，但符合新兴的广义吉布斯集团。我们的研究清楚地表达了对称性破碎的多体状态的性质，并在时间依赖性量子集成性理论中平衡和填补了一个关键的差距。
用于局部约束同构的算法框架
同构f从宾客图G到主机图H是局部的局部培养物，注射剂或弹性，如果对于每个U∈V（g），则F对U附近的F限制分别是生物，注射剂或过渡性。相应的决策问题LBHOM，LIHOM和LSHOM在一般图和特殊图形类别上都进行了很好的研究。除了通过宾客图的树宽和最大程度参数化的问题时，还会产生复杂性，这三个问题仍然缺乏对其参数化复杂性的彻底研究。本文填补了此差距：我们通过考虑访客图G的参数层次结构来证明许多新的FPT，W [1] -HARD和PARA-NP-COMPLETE结果。对于我们的FPT结果，我们通过开发涉及一般ILP模型的新算法框架来做到这一点。为了说明新框架的适用性，我们还使用它来证明角色分配问题的FPT结果，该问题源自社交网络理论，并且与本地透明的同型同态密切相关。
隐私保护脑机接口
摘要 — 脑机接口 (BCI) 在人脑和计算机之间建立了直接的通信通路。它已广泛应用于医疗诊断、康复、教育、娱乐等。到目前为止，大多数研究都集中在如何使 BCI 更加准确和可靠，但对其隐私的关注却很少。开发商业 BCI 系统通常需要多个组织（例如医院、大学和/或公司）之间的密切合作。BCI 中的输入数据（例如脑电图 (EEG)）包含丰富的隐私信息，并且开发的机器学习模型通常是专有的。不同方之间的数据和模型传输可能会带来重大的隐私威胁，因此必须考虑 BCI 中的隐私保护。不幸的是，目前还没有任何关于隐私保护 BCI 的当代和全面的评论。本文通过描述 BCI 中潜在的隐私威胁和保护策略填补了这一空白。它还指出了开发隐私保护 BCI 的几个挑战和未来研究方向。
2010 年研究亮点 - 结构工程
结构工程部很高兴地宣布任命Patrick J.福克斯于2009年给教授。福克斯博士将于2010年冬季开始教书，现在已与缪尔学院（Muir College）合并。福克斯博士从俄亥俄州立大学加入圣地亚哥分校，自2003年以来，他担任民事与环境工程与大地科学的教授。在俄亥俄州立大学之前，福克斯博士担任加州大学洛杉矶分校和普渡大学的学院。福克斯博士获得了博士学位威斯康星大学麦迪逊分校的民用与环境工程学位。他的专业领域是岩土技术和地理环境工程，重点是坡度稳定，地下水，污染物运输，土地填充，地质合成，保留结构和土壤动态。福克斯博士在他的研究上发表了120多篇技术论文。他赢得了许多教学和研究奖，包括著名的亚瑟·卡萨格兰德（Arthur Casagrande）专业发展奖和美国土木工程师学会（ASCE）的Thomas A. Middlebrooks奖（两次），
生理计算中的对抗攻击和防御
摘要：生理计算将人类生理数据实时用作系统输入。它包括或与脑部计算机界面，有效的计算，自适应自动化，健康信息学和生理学基础生物识别的重叠或重叠。生理计算增加了从用户到计算机的通信带宽，但也受到各种类型的对抗攻击，攻击者故意操纵培训和 /或测试示例，以劫持机器学习算法的输出，从而导致可能的用户混淆，挫败感，受伤，甚至死亡。但是，生理计算系统的脆弱性尚未得到足够的关注，并且对他们的对抗性攻击没有全面的评论。这项研究通过对生理计算的主要研究领域，不同类型的对抗性攻击及其对生理综合的应用以及相应的防御策略提供了系统的综述。我们希望这篇评论将吸引有关生理计算系统脆弱性的更多研究兴趣，更重要的是，防御策略使其更安全。
MEMS在冲击环境中的可靠性：2000–2020
摘要：电击环境中MEMS的可靠性是一个复杂的领域，涉及结构动力学，断裂力学和系统可靠性理论等。随着在汽车，物联网，航空航天和其他恶劣环境中使用MEMS的增长，需要深入了解电击环境中MEMS的可靠性。尽管有许多文章的贡献，这些文章概述了MEMS的可靠性，但迄今为止，该审查论文特别关注MEMS的可靠性研究。This paper reviews studies which examine the reliability of MEMS in shock environments from 2000 to 2020 in six sub-areas, which are: (i) response model of microstructure, (ii) shock experimental progresses, (iii) shock resistant microstructures, (iv) reliability quantification models of microstructure, (v) electronics- system-level reliability, and (vi) the coupling phenomenon of shock with其他因素。本文围绕电击环境中MEMS可靠性的概述填写差距。通过这六个子区域的框架，我们提出了一些可能值得关注的方向来进行未来的研究。
欧盟的循环经济行动计划是否......
传统的资源处理方式，即开采、生产、消费和倾倒在垃圾填埋场，正日益成为对人类和环境的严重威胁。全球 90% 以上的生物多样性丧失和水资源压力、50% 的气候排放以及三分之一的颗粒物对健康的影响都可以归因于自然资源的开采和加工。1、2 为了减轻传统的线性资源处理方式带来的负担，决策者、企业、非政府组织和公众共同努力，实现资源转型，不再从自然中开采和流失，而是通过循环尽可能长时间地保留在经济中。2020 年 3 月，欧盟 1 作为绿色协议的组成部分，推出了最新的行动计划，以加速向循环经济转型。欧盟 1 目标远大。欧盟 1 将“在全球范围内引领循环经济之路”（第 3 页）、“减少其消费足迹并将循环材料的使用率提高一倍”（第 2 页）。总体目标是建立一个“回馈地球大于索取的再生增长模式”（第 2 页）。
负迁移研究综述
摘要 — 迁移学习 (TL) 利用来自一个或多个源域的数据或知识来促进目标域中的学习。由于注释成本、隐私问题等原因，当目标域中标记数据很少或没有标记数据时，它特别有用。不幸的是，TL 的有效性并不总是能得到保证。负迁移 (NT)，即利用源域数据/知识会不理想地降低目标域的学习性能，一直是 TL 中存在已久且具有挑战性的问题。文献中提出了各种方法来处理它。然而，目前还没有关于 NT 的制定、导致 NT 的因素以及缓解 NT 的算法的系统调查。本文填补了这一空白，首先介绍了 NT 的定义及其因素，然后根据四类回顾了大约 50 种克服 NT 的代表性方法：安全迁移、域相似性估计、远距离迁移和 NT 缓解。我们还讨论了相关领域的NT，例如多任务学习、终身学习和对抗性攻击。
生理计算中的对抗性攻击与防御：系统评价
摘要 — 生理计算实时使用人类生理数据作为系统输入。它包括或与脑机接口、情感计算、自适应自动化、健康信息学和基于生理信号的生物识别技术有显著重叠。生理计算增加了从用户到计算机的通信带宽，但也容易受到各种类型的对抗性攻击，攻击者故意操纵训练和/或测试示例来劫持机器学习算法输出，从而可能导致用户困惑、沮丧、受伤甚至死亡。然而，生理计算系统的脆弱性尚未得到足够的重视，也没有对针对它们的对抗性攻击进行全面的综述。本文填补了这一空白，系统地回顾了生理计算的主要研究领域、不同类型的对抗性攻击及其在生理计算中的应用，以及相应的防御策略。我们希望这篇评论能吸引更多人对生理计算系统脆弱性的研究兴趣，更重要的是，能提出防御策略，使它们更安全。
从大脑活动重建细粒度认知——ACT-R
我们描述了 Sketch-and-Stitch 方法，该方法将认知模型和 EEG 结合起来，以重建受试者的认知。该方法在视频游戏的背景下进行了测试，其中动作高度相互依赖且变化多端：只需在 30 分之一秒内改变是否按下某个键就会导致截然不同的结果。Sketch 级别识别游戏中的关键事件，Stitch 级别填充这些事件之间的详细操作。关键事件往往会产生强大的 EEG 信号，认知模型提供关键事件之间各种转换的概率以及这些事件之间的间隔分布。这些信息可以组合成一个隐式半马尔可夫模型，该模型可以识别最可能的关键事件序列及其发生时间。Stitch 级别从广泛的模型游戏库中选择详细操作来生成这些关键事件。从库中选择哪个动作序列的决定取决于它们产生 EEG 信号较弱方面的能力。最终的方法可以通过受试者的脑电图生成相当引人注目的实际比赛重播。