XiaoMi-AI文件搜索系统
World File Search SystemMarkovian
区分量子和经典马尔可夫...
了解开放量子系统中的耗散是否真正是量子的，是一个既有基础意义又有实际意义的问题。我们考虑 n 个量子比特受到相关马尔可夫相位失调的影响，并提出一个充分条件，说明何时由浴引起的耗散可以产生系统纠缠，因此必须被视为量子的。令人惊讶的是，我们发现时间反演对称性 (TRS) 的存在与否起着至关重要的作用：耗散纠缠的产生需要破坏的 TRS。此外，仅仅具有非零浴敏感性不足以使耗散成为量子。我们的工作还提出了一种明确的实验协议来识别真正的量子相位失调耗散，并为研究更复杂的耗散系统和寻找最佳的噪声缓解策略奠定了基础。
Markovian噪声的随机近似和加固学习的ODE方法
随机近似是一类算法，这些算法迭代，递增和随机更新，包括，例如，包括随机梯度下降和时间差学习。分析随机近似算法的一个基本挑战是建立其稳定性，即表明随机矢量迭代几乎肯定是有限的。在本文中，我们将著名的Borkar-Meyn定理从Martingale不同的噪声设定设置扩展到Markovian噪声设置，从而极大地提高了其在强化学习方面的适用性，尤其是在那些具有线性功能近似近似和资格率痕迹的O效性强化学习算法中。我们分析的核心是一些函数的变化变化速率的降低，这两种形式的强大定律和迭代对数定律的形式都暗示。关键字：随机近似，增强学习，稳定性，几乎确定的收敛性，资格跟踪
移动杂质算子动力学中的马尔可夫到非马尔可夫相变
我们研究了杂质在混沌介质中移动的随机幺正电路模型。介质和杂质之间的信息交换通过改变杂质的速度vd （相对于信息在介质中传播的速度v B ）来控制。在超音速以上，vd > v B ，信息在进入介质后无法流回杂质，由此产生的动力学是马尔可夫的。在超音速以下，vd < v B ，杂质和介质的动力学是非马尔可夫的，信息能够流回杂质。我们表明，这两个状态由连续相变分隔，其指数与介质中算子的扩散扩展直接相关。通过监测非时间序相关器（OTOC），在中间时间替换杂质的场景中证明了这一点。在马尔可夫阶段，来自介质的信息无法转移到被替换的杂质上，表现为没有显著的算子发展。相反，在非马尔可夫阶段，我们观察到算子获得了对新引入的杂质的支持。我们还使用相干信息来表征动态，并提供两个解码器，可以有效地探测马尔可夫和非马尔可夫信息流之间的转换。我们的工作表明，马尔可夫和非马尔可夫动态可以通过相变来分离，我们提出了一种观察这种转变的有效协议。
单量子比特马尔可夫开放量子系统的数字模拟：教程
量子计算机的最初应用之一是量子系统的模拟。在过去的三十年中，模拟封闭量子系统和更复杂的开放量子系统的算法开发取得了长足的进步。在本教程中，我们介绍了用于模拟单量子比特马尔可夫开放量子系统的方法。它将各种现有符号组合成一个通用框架，可以扩展到更复杂的开放系统模拟问题。详细讨论了目前唯一可用于单量子比特开放量子系统数字模拟的算法。对更简单通道的实现进行了修改，消除了对经典随机采样的需求，从而使修改后的算法成为严格的量子算法。修改后的算法利用量子分叉来实现接近总通道的更简单通道。这避免了对具有大量 CNOT 门的量子电路的需求。Quanta 2023；12：131-163。
人工智能辅助决策中人类信任和依赖的建模：马尔可夫方法
人工智能 (AI) 技术与人类工作流程的日益融合，带来了人工智能辅助决策的新范式，即人工智能模型提供决策建议，而人类做出最终决策。为了最好地支持人类决策，定量了解人类如何与人工智能互动和依赖人工智能至关重要。先前的研究通常将人类对人工智能的依赖建模为一个分析过程，即依赖决策是基于成本效益分析做出的。然而，心理学的理论模型表明，依赖决策往往是由情感驱动的，比如人类对人工智能模型的信任。在本文中，我们提出了一个隐马尔可夫模型来捕捉人工智能辅助决策中人机交互背后的情感过程，通过描述决策者如何随着时间的推移调整对人工智能的信任并基于他们的信任做出依赖决策。对从人类实验中收集的真实人类行为数据的评估表明，所提出的模型在准确预测人类在人工智能辅助决策中的依赖行为方面优于各种基线。基于所提出的模型，我们进一步深入了解了人类在人工智能辅助决策中的信任和依赖动态如何受到决策利害关系和交互经验等情境因素的影响。
使用Markovian Morestoning用Voronoi Tessellations
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2023年3月6日发布。 https://doi.org/10.1101/2022.11.10.516058 doi：Biorxiv Preprint
使用Markovian Morestoning用Voronoi Tessellations
摘要：Janus激酶（JAK）是非受体酪氨酸激酶（NRTKS）家族中的一组蛋白质，在生长，生存和血管生成中起着至关重要的作用。它们通过janus激酶 - 信号传感器和转录（JAK-STAT）信号途径的激活因子激活它们。JAK-STAT信号通路在细胞分裂，凋亡和免疫力的调节中具有重要作用。在JAK2的JANUS同源性2（JH2）域中对V617F突变的鉴定导致骨髓增生性疾病已激发了对药物发现群落的极大兴趣，以开发JAK2特异性抑制剂。但是，这种抑制剂应在其他JAKS上选择JAK2并显示长时间的停留时间。最近，新型的JAK2/STAT5轴抑制剂（N-（1H-吡唑-3-基）吡啶蛋白-2-氨基衍生物）在目标和适当的选择性上显示了延长的停留时间（小时或更长时间），不包括JAK3。为了促进对激酶 - 抑制剂相互作用并推动这种抑制剂的发展，我们在启用模拟的启用模拟率估算的基于这些KIN属性的属性的多尺度的Markovian Morestonting使用Voronoi Tessellations（MMVT）方法中，并将其排名为KIN的属性，并将JAK3的抑制剂。我们的方法研究了与其他蛮力和杂交增强的采样方法相比，用户友好，快速，高效和准确的JAK-抑制剂复合物的动力学和热力学特性。
不耐烦的客户在马尔努利（Bernoulli）的马尔努利（Bernoulli）时间表工作假期中断和设置时间
研究了M/ M/ 1队列。在电信系统中，这段缺勤时期可能代表服务器在某些次要工作上的工作期。在制造系统中，这些不可生存的周期可能代表执行维护活动或设备故障。Doshi（1986）的调查在文献中受到了极大的关注。在决定服务系统中所需的服务器数量以满足时间变化的需求时，可以使用Balking和Reneging概率来估算Liao（2007）中经理的更实际考虑的损失业务数量。Haghighi and Dimitar（2016），讨论了单个服务器泊松排队系统的繁忙时期，并通过分布和批处理延迟反馈。Vikas和Deepali（2012），研究了与国家相关的批量服务队列，并通过balking，reeneging和服务器度假。最近，Vijaya Laxmi等。（2013）分析了M/M/1/N工作假期队列，带有Balking和Reneging和Vijaya Laxmi等。（2019）介绍了马尔可夫排队系统的分析，该系统具有单个工作假期和不耐烦的客户。abou- el-ata（1991）讨论了使用balking和reeneging的有限缓冲服务器排队系统。在Abou-el-al-Ata和Shawky（1992）中讨论了单个服务器Markovian在流动队列上的分析解决方案。Chia和Jau-Chaun（2010）讨论了具有不可靠服务器和不耐烦客户的多服务器队列的组合算法和参数优化。
用于数据融合和无监督图像分类的证据马尔可夫模型 - 信息融合，2000。FUSION 2000。第三届国际会议论文集
imtbs-tsp.eu › ~pieczyn PDF 作者：L Fouque · 被引用次数：41 — 作者：L Fouque · 被引用次数：41 在证据框架中进行多传感器图像融合和分类，...通过使用混合分布算法，即ICE 算法来完成。
用于数据融合和无监督图像分类的证据马尔可夫模型 - 信息融合，2000。FUSION 2000。第三届国际会议论文集
imtbs-tsp.eu › ~pieczyn PDF 作者：L Fouque · 被引用次数：41 — 作者：L Fouque · 被引用次数：41 在证据框架中进行多传感器图像融合和分类，...通过使用混合分布算法，即ICE 算法来完成。