XiaoMi-AI文件搜索系统
World File Search SystemMutua
迈向人机交互中的相互心智理论
构建能够进行自然和长时间对话的对话代理一直是一项重大的技术和设计挑战，尤其是对于面向社区的对话代理而言。我们提出相互心智理论作为设计自然的长期人机交互的理论框架。从这个角度来看，我们通过在线教育背景下的自我报告调查和计算语言学方法探索社区对问答对话代理的看法。我们首先研究学生对 Jill Watson (JW) 的看法的长期时间变化，JW 是部署在在线课堂讨论论坛中的虚拟教学助理。然后，我们探讨通过从学生-JW 对话中提取的语言特征推断学生对 JW 的看法的可行性。我们发现，随着时间的推移，学生对 JW 的拟人化和智力的感知发生了显著变化。回归分析表明，语言的冗长性、可读性、情感、多样性和适应性反映了学生对 JW 的感知。我们讨论了构建面向社区的自适应对话代理作为长期伴侣以及在人机交互中设计相互心智理论的意义。
迈向人机交互中的相互心智理论
构建能够进行自然和长时间对话的对话代理一直是一项重大的技术和设计挑战，特别是对于面向社区的对话代理而言。我们提出相互心智理论作为设计自然的长期人机交互的理论框架。从这个角度来看，我们通过在线教育背景下的自我报告调查和计算语言学方法探索社区对问答对话代理的看法。我们首先研究学生对 Jill Watson (JW) 的看法的长期时间变化，JW 是部署在在线课堂讨论论坛中的虚拟助教。然后，我们探讨通过从学生-JW 对话中提取的语言特征来推断学生对 JW 的看法的可行性。我们发现，学生对 JW 的拟人化和智力的看法随着时间的推移发生了显着变化。回归分析表明，语言的冗长性、可读性、情感、多样性和适应性反映了学生对 JW 的看法。我们讨论了构建面向社区的自适应对话代理作为长期伴侣以及设计面向人机交互中的相互心智理论的意义。
具有固定不确定结果率的量子态鉴别中的相互信息和量子不和谐
摘要：我们研究了当 Bob 对两个纯非正交量子态（以任意先验概率生成）实施具有固定不确定结果率 (FRIO) 的判别时，Alice 和 Bob 共享的相互信息和量子不一致。FRIO 判别介于最小误差 (ME) 和明确状态判别 (UD) 之间。ME 和 UD 是众所周知的判别协议，在量子信息论中有多种应用。FRIO 判别提供了一个更通用的框架，可以在其中研究判别过程及其应用。在这种情况下，我们比较了最佳判别概率、相互信息和量子不一致的性能。我们发现，当 Bob 实施 ME 策略时，可以获得可访问的信息。从 Bob 测量后在初始状态中丢失并在最终状态中保留的相关性的角度来看，最（最）有效的判别方案是 ME (UD)。
量子计算优势，具有1D对称保护拓扑顺序的字符串顺序参数
Ansatz电路的自适应构造是在近期量子硬件上通向适用的变异量子本质量的有希望的途径。那些算法旨在为某个问题建立最佳电路，而Ansatz电路是通过从预定的池中选择和添加缠绕器来自适应构建的。在这项工作中，我们提出了一种通过利用经典算法来构造尺寸降低的缠绕池的方法。我们的方法在经典近似基态的Qubits之间使用共同信息来排名和筛选缠绕器。密度矩阵重归其化组方法用于这项工作中的经典预启用。我们在小分子上以数值来证实我们的方法。我们的数值实验表明，与原始缠绕池的一小部分相同的数值准确性减少了缠绕池。我们认为，我们的方法铺平了一种新方法，用于自适应构造Ansatz电路，用于各种量子算法。
多发性光波的相互灭绝和透明度
摘要 - 当波动入射在复杂散射介质上时，由于灭绝而导致的发射强度会从一个事件中差异。在没有吸收的情况下，熄灭的功率等于总散射功率，众所周知的保护定律称为光学定理。在这里，我们将单个入射波的情况扩展到多个传入波的散射和灭绝情况。新兴的广义光学定理具有令人兴奋的后果，即多个入射波显示相互灭绝和相互透明度，而不存在的普通向前散射或自我灭绝。基于两种精确计算的实际计算，包含许多（最多10 4）散射器的现实三维（3D）样本，并且在近似的Fraunhofer差异理论上，我们对两个入射波的总灭绝的总灭绝是大大增强，被称为相互延伸，或相互差异很大，相互差异为近距离单独降低了，这是相互延伸的近相互差异。鉴于令人惊讶的强相互灭绝和透明度，我们提出了新的实验来观察相互灭绝和透明度，即在具有弹性和吸收散射器的两光束实验中，在光学波沿形状中，在动态光散射中，我们讨论了可能的应用。
利用在线相互知识提炼实现跨模态医学图像分割
深度卷积神经网络的成功部分归功于海量带注释的训练数据。然而在实践中，获取医疗数据注释通常非常昂贵且耗时。考虑到具有相同解剖结构的多模态数据在临床应用中广泛可用，在本文中，我们旨在利用从一种模态（又称辅助模态）学到的先验知识（例如形状先验）来提高另一种模态（又称目标模态）的分割性能，以弥补注释的稀缺性。为了缓解由模态特定外观差异引起的学习困难，我们首先提出一个图像对齐模块（IAM）来缩小辅助和目标模态数据之间的外观差距。然后，我们提出了一种新颖的相互知识蒸馏（MKD）方案，以充分利用模态共享知识来促进目标模态分割。具体来说，我们将我们的框架制定为两个独立分割器的集成。每个分割器不仅从相应的注释中显式提取一种模态知识，而且还以相互引导的方式从其对应部分中隐式探索另一种模态知识。两个分割器的集合将进一步整合来自两种模态的知识，并在目标模态上生成可靠的分割结果。在公共多类心脏分割数据（即 MM-WHS 2017）上的实验结果表明，我们的方法通过利用额外的 MRI 数据在 CT 分割方面取得了很大的改进，并且优于其他最先进的多模态学习方法。
同向纠缠相互无偏基、对称量子测量和混合态设计
希尔伯特空间中的离散结构在寻找量子测量的最佳方案中起着至关重要的作用。我们解决了四维空间中是否存在一组完整的五个同纠缠相互无偏基的问题，从而提供了一个明确的分析构造。构成这种广义量子测量的这 20 个纯态的约化密度矩阵形成一个正十二面体，内接于半径为 ffiffiffiffiffiffiffiffiffiffi 3 = 20 p 的球体，位于半径为 1 = 2 的布洛赫球内。这样的集合形成一个混合态 2 设计——一组离散的量子态，其特性是任何密度矩阵的二次函数的平均值等于整个混合态集关于平坦希尔伯特-施密特测度的积分。我们建立了混合态设计需要满足的必要和充分条件，并提出了构建它们的一般方法。此外，还表明复合希尔伯特空间中投影设计的部分迹形成混合状态设计，而投影设计元素的退相干产生经典概率单纯形中的设计。我们确定了一个独特的两量子比特正交基，使得四个简化状态均匀分布在布洛赫球内并形成混合状态 2 设计。
MGNN：用于联合朋友和...的互惠图神经网络
过去几十年来，以Epinions、Facebook为代表的社交网络服务平台蓬勃发展，帮助拥有相似偏好、活动或现实互动的人们建立社会关系。社交网络服务平台通常支持两类用户行为：消费行为（如购买某件商品、评价某件商品或在某些地点签到）和社交行为（如通过链接到另一个用户来交朋友）。社会研究表明，这两类行为是相互关联的，而不是孤立的。这些观察结果与社会影响理论完全吻合：用户对商品或地点的偏好很容易受到其社交链接的影响，而兴趣相投的用户则更有可能建立关系。事实上，用户的消费行为和社交行为可以相互促进，进一步推动社交网络服务的不断发展。我们用一个例子（图1）来说明这种相互促进的关系：Bob看到他的朋友David买了一双阿迪达斯的运动鞋后，可能会也去买； Alice 可能会和 Bob 成为朋友，因为她知道 Bob 也喜欢摄影。现有的大多数研究都只关注这两类行为中的一种。它们要么完全忽略另一种行为类型，要么利用一种行为的信息来提高另一种行为类型的任务绩效。例如，一些研究 [1]、[2] 结合用户的社会关系来预测用户的消费偏好；其他研究 [3]、[4]、[5]，
加州执法互助无线电系统
加利福尼亚州是所有州指定互助和非联邦国家互操作性频道的指定授权许可证持有者。为了在这些频率上运行，许可证持有者（加利福尼亚州）必须根据 FCC 规则 90.421 将您指定为其系统的一个单位。希望将这些频道编入移动和便携式设备的机构必须向 Cal OES 电信部门申请授权才能使用全州移动/便携式许可证。希望将频道编入“固定站点”的机构必须向 Cal OES 公共安全通信部门 (PSC) 申请授权。1 在需要立即使用以保护人类生命和财产的情况下，传输权限是自动的，并且在紧急情况结束之前是暂时的。
通过安全相互认证协议改进 RFID 系统
射频识别 (RFID) 系统用于自动识别物体和人。该技术被广泛用于各种应用。该系统使用射频发送和接收数据。大多数 RFID 系统由三个实体组成 [1]：标签、读取器和后端数据库。标签是一种高度受限的微芯片，带有天线，用于存储唯一的标签标识符以及与标签所附物体相关的其他信息。读取器是一种可以读取/修改标签存储信息的设备，并且（如果需要）可以修改或不修改这些数据，将其传输到后端数据库。后端数据库将存储此信息并跟踪读取器所需的数据。近年来，许多应用（包括仓库管理、物流、铁路车辆跟踪、产品识别、图书馆图书签入/签出、资产跟踪、护照和信用卡）都在使用 RFID 技术，但存在与 RFID 安全和隐私相关的问题。RFID 系统可能面临的安全威胁包括拒绝服务 (DoS)、人为攻击