XiaoMi-AI文件搜索系统
World File Search SystemLinear
Pharo 中的 AI 有多快？线性回归基准测试
摘要 与许多其他现代编程语言一样，Pharo 将其应用扩展到计算要求高的领域，例如机器学习、大数据、加密货币等。这就需要快速的数值计算库。在这项工作中，我们建议通过外部函数接口 (FFI) 调用高度优化的外部库（例如 LAPACK 或 BLAS）中的例程来加速低级计算。作为概念验证，我们基于 LAPACK 的 DGELSD 例程构建了线性回归的原型实现。使用三个不同大小的基准数据集，我们将我们的算法的执行时间与纯 Pharo 实现和 scikit-learn（一种流行的机器学习 Python 库）进行比较。我们表明 LAPACK&Pharo 比纯 Pharo 快 2103 倍。我们还表明，scikit-learn 比我们的原型快 8-5 倍，具体取决于数据的大小。最后，我们证明纯 Pharo 比纯 Python 中的等效实现快 15 倍。这些发现可以为未来为 Pharo 构建快速数值库并进一步在更高级的库（如 pharo-ai）中使用它们奠定基础。
具有低深度线性层和新结构的 AES 量子电路
E did E did − 1 · · · E d 1 · · · E 1 i 1 E 1 i 1 − 1 · · · E 1 1 AF 1 1 F 1 2 · · · F 1 j 1 · · · F d 1 F d 2 · · · F djd = P ,
结构 Proto-Quipper - 结构化环境中线性量子编程语言的机械化
因此，我们有一个量子λ演算（它是线性的），这是许多量子编程语言的基础。“量子编程语言在线性类型理论中捕捉了量子计算的思想”（Staton，2015）
线性和非旋光光谱（1）
Quote：Sidiki Zongo，Fabrice Bado，TongonmanegdeLéonardOuedraogo，Moussa Sougoti，SiéZacharieKam等。（2024）MNTPYP-PMMA复合锡膜的线性和非线性光谱表征，J纳米纳斯基纳米技术应用程序8：104
使用Python
摘要 - 对通用AI和物联网的时代进行了攻击，在这些时代，高频带宽度，连接性，服务器，存储和决策起着重要作用。因此，速度和安全是一个明显的需求。作为伪随机数（PRNG）也是一个基本需求。为此目的，并考虑了Java和Python等编程语言的最新研究结果。我们选择了线性一致发电机（LCG）算法，该算法是流行的PRNG之一。我们考虑了LCG的三种简单播种方法，即系统特定时间作为种子，手动播种和系统生成的种子谷（对象ID和哈希值）。我们的实验首先使用3种播种方法测试了伪随机生成，后来进行了渐近性能分析，以使用Java和Python语言观察PRN的产生速度。发现的结果对研究和工具开发人员非常有趣且有用。
BQ25188 I2C 控制，1 节，1A 线性电池充电器...
• 1A 线性电池充电器 – 3.0V 至 18V 输入电压工作范围，适用于电池到电池充电、USB 适配器和高阻抗源。 – 可配置电池调节电压，精度为 0.5%，范围为 3.6V 至 4.65V，步长为 10mV – 支持锂离子、锂聚合物和磷酸铁锂化学成分 – 5mA 至 1A 可配置快速充电电流 – 55mΩ 电池 FET 导通电阻 – 高达 3A 的放电电流，可支持高系统负载 – 可配置 NTC 充电配置文件阈值，包括 JEITA 支持 • 电源路径管理，用于为系统供电和为电池充电 – 除电池电压跟踪外，调节系统电压 (SYS) 的范围为 4.4V 至 5.5V – 适用于高阻抗输入源的电池跟踪输入电压动态电源管理 (VINDPM)
超越线性，迈向循环经济 - ...
2023 年 6 月，苏格兰政府确认 DRS 的启动将推迟，循环经济部长表示，英国政府拒绝同意完全排除在《内部市场法》之外。xxiii 这项立法有助于维护英国内部市场，为个人和企业在整个英国自由工作和贸易提供持续的确定性。xxiv 然而，苏格兰政府表示，这项法案使英国政府有权通过次级立法改变权力下放协议，这可能会影响苏格兰政府通过苏格兰 DRS 等领域立法的能力，因为苏格兰 DRS 的设计与英国其他计划不同。xxv
Willems的非线性系统的基本引理，带有Koopman线性嵌入
摘要 - Koopman操作员理论和Willems的典型诱饵都可以为非线性系统提供（近似）数据驱动的线性表示。但是，为Koopman操作员选择提升功能是具有挑战性的，并且来自Willems的基本引理中数据驱动模型的质量无法保证对上的非线性系统。在本文中，我们将Willems的基本引理扩展到接受Koopman线性嵌入的一类非线性系统。我们首先表征非线性系统的轨迹空间与其Koopman线性嵌入的关系之间的关系。然后，我们证明了Koopman线性嵌入的轨迹空间可以通过非线性系统的丰富轨迹的线性组合形成。结合这两个结果会导致非线性系统的数据驱动表示，该系统绕过了对提升函数的需求，从而消除了相关的偏差误差。我们的结果表明，轨迹库的宽度（更多轨迹）和深度（较长的轨迹）对于确保数据驱动模型的准确性很重要。
使用有限的光电源和检测器的线性光电电路的完整图形语言
图形语言对于表示，改写和简化不同种类的过程非常有用。，它们已被广泛用于量子过程，改善了汇编，模拟和验证的最新技术。在这项工作中，我们专注于量子信息和计算的主要载体之一：线性光电电路。我们介绍了Lo fi -calculus，这是第一种图形语言，用于在无限尺寸光子空间上进行电路，其电路仅由线性光学元件的四个核心元素组成：相位变速器，梁隔板，辅助源，辅助源和探测器，并具有有界光子的数量。首先，我们研究由相位变速器和光束拆分器组成的电路的亚碎片，为此我们提供了第一个最小的方程理论。接下来，我们在收敛到正常形式的那些fi循环上引入了一个重写过程。我们证明这些形式是独特的，可以建立线性光学过程的新颖和独特的表示。最后，我们通过一种方程理论补充了语言，我们被证明是完整的：两个lo fi -circuits代表相同的量子过程，并且仅当一个可以通过lo fi -calculus的规则转化为另一个。
基于线性回归的算法仍可以成功识别微生物官能团，尽管生态函数的非线性
微生物群落在各种环境中起关键作用。预测它们的功能和动力学是微生物生态学的关键目标，但是这些系统的详细描述可能是非常复杂的。一种处理这种复杂性的方法是诉诸于更粗糙的表示。几种方法试图以数据驱动的方式识别微生物物种的有用群体。最近的工作在从头发现时，使用像线性回归这样简单的方法来预测给定功能的粗略表示，对多个物种甚至单个这样的群体（Ensemble-Biterient优化（EQO）方法）进行了一些经验成功。将社区功能建模为单个物种贡献的线性组合似乎很重要。但是，确定生态系统的预测性过度的任务与预测功能的任务不同，并且可以想象，前者可以通过比后者更简单的方法来完成。在这里，我们使用资源竞争框架来设计一个模型，在该模型中，要发现的“正确”分组是良好的定义，并使用合成数据来评估和比较基于回归的三种方法，即先前提出的两个和我们介绍的两个方法。我们发现，即使函数明显非线性，基于回归的方法也可以恢复分组。该多组方法比单组EQO具有优势。至关重要的是，模拟器（线性）方法的表现可以胜过更复杂的方法。