XiaoMi-AI文件搜索系统
World File Search SystemOry
射频识别预测
摘要 — 我们的研究假设是，通过设计基于停放和转发算法、射频识别 (RFID) 反馈和马尔可夫决策过程的新型集成制造企业系统，我们能够改善传统供应链管理 (SCM) 的健康状况。我们研究的目标是优化取决于 RFID 系统粘度的成本函数。RFID 的粘度可以定义为通过 RFID 网络的数据流。该过程可以通过信号停放和转发的熵来衡量，从而实现可持续的供应链系统。该系统的动态由微分方程控制。利用该熵模型，我们通过模拟验证了集成供应链健康制造系统风险故障降低。我们的方法采用模糊卡尔曼滤波器，改进了系统，减少了延期交货，并证明了 RFID 粘度是实现这一目标的有效手段。马尔可夫毯熵方法证明它可以捕获并提供 RFID 粘性停车和转发算法的理论，作为降低 SCM 成本、减少浪费和提高可持续性的网络解决方案。
R&S News 158 - 罗德与施瓦茨
双通道波形分析仪是复杂测量的关键设备。它可以以高达 10 MHz 的采样率测量电压和电流，并确定直流平均值、均方根值或峰值（高达 500 V 和 1 A）。与时间相关的测试参数包括频率、周期、时间间隔、脉冲宽度、占空比、上升和下降时间。可以从轨迹中确定事件（边缘、相对最大值/最小值）的数量和时间，也可以将轨迹与容差模板进行比较（图 3）。虽然传统的存储示波器基本上是为交互式视觉评估而开发的，但 AMV 的波形分析仪是为生产环境中的自动化、可重复测试而设计的。由于具有全面的触发功能，因此只有感兴趣的跟踪段会首先保存在 64 K 内存中，然后搜索所需的标准。通过预设的评估触发阈值和滞后，可以从受噪声或干扰损害的信号中清楚地确定实际事件，而不会将任何波动误解为最大值（图 4）。这些评估在 DSP 控制下的测试单元中以最佳速度运行。因此省去了耗时的跟踪下载。
射频识别预测
摘要 — 我们的研究假设是，通过设计基于停放和转发算法、射频识别 (RFID) 反馈和马尔可夫决策过程的新型集成制造企业系统，我们能够改善传统供应链管理 (SCM) 的健康状况。我们研究的目标是优化取决于 RFID 系统粘度的成本函数。RFID 的粘度可以定义为通过 RFID 网络的数据流。该过程可以通过信号停放和转发的熵来衡量，从而实现可持续的供应链系统。该系统的动态由微分方程控制。利用该熵模型，我们通过模拟验证了集成供应链健康制造系统风险故障降低。我们的方法采用模糊卡尔曼滤波器，改进了系统，减少了延期交货，并证明了 RFID 粘度是实现这一目标的有效手段。马尔可夫毯熵方法证明它可以捕获并提供 RFID 粘性停车和转发算法的理论，作为降低 SCM 成本、减少浪费和提高可持续性的网络解决方案。
基于自旋的磁性随机记忆高...
内存是当今用于数据存储和处理的电子系统中的关键组件。在传统的合并体系结构中，由于记忆的运行速度和容量差距，逻辑和内存单元是物理上分开的，这涉及von Neumann计算机的基本限制。此外，随着CMOS技术节点的演变，晶体管的演变越来越小，以提高操作速度，面积密度和能源效率，同时提供较低的驱动器电流。，诸如嵌入式闪光和SRAM之类的主流技术正面临着大量的缩放和功率构成问题。一个更密集，更节能的嵌入式内存将是高度期望的，特别是针对14 nm或以上的先进技术节点。与传统的电子功能相反，在非磁性半导体中操纵电荷来处理信息，SpinTronic设备基于电子的旋转，提供创新的计算解决方案。要将旋转三位型纳入现有的成熟半导体技术中，基于旋转的功能通常由磁性隧道连接的核心结构设计，该结构起着磁随机记忆（MRAM）的作用。
DeepFLASH：基于学习的医学图像配准高效网络
本文介绍了 DeepFLASH，一种用于基于学习的医学图像配准的高效训练和推理的新型网络。与从高维成像空间中的训练数据中学习空间变换的现有方法相比，我们完全在低维带限空间中开发了一种新的配准网络。这大大降低了昂贵的训练和推理的计算成本和内存占用。为了实现这一目标，我们首先引入复值运算和神经架构表示，为基于学习的配准模型提供关键组件。然后，我们构建了一个在带限空间中完全表征的变换场的显式损失函数，并且参数化要少得多。实验结果表明，我们的方法比最先进的基于深度学习的图像配准方法快得多，同时产生同样精确的对齐。我们在两种不同的图像配准应用中展示了我们的算法：2D 合成数据和 3D 真实脑磁共振 (MR) 图像。我们的代码可以在https://github.com/jw4hv/deepflash上找到。
基于自旋的磁性随机存取存储器，用于高...
存储器是当今电子系统中用于数据存储和处理的关键组件。在传统的计算机架构中，由于存储器之间在操作速度和容量方面的性能差距，逻辑单元和存储器单元在物理上是分开的，从而导致冯·诺依曼计算机的根本限制。此外，随着 CMOS 技术节点的演进，晶体管变得越来越小，以提高操作速度、面积密度和能源效率，同时提供更低的驱动电流。然而，嵌入式闪存和 SRAM 等主流技术正面临着重大的扩展和功耗问题。更密集、更节能的嵌入式存储器将非常可取，特别是对于 14 纳米或更小的先进技术节点。与操纵非磁性半导体中的电荷来处理信息的传统电子设备不同，自旋电子器件基于电子自旋，提供创新的计算解决方案。为了将自旋电子学融入到现有的成熟的半导体技术中，基于自旋的器件一般设计以磁隧道结为核心结构，起到磁随机存取存储器（MRAM）的作用。
通过非接触式原子力显微镜
分子氧与半导体氧化物表面的相互作用在许多技术中起着关键作用。这个主题很难通过实验和理论来实现，这主要是由于多种施加电荷状态，吸附氧气的吸附构和反应通道。在这里，我们使用非接触原子力显微镜（AFM）和密度功能性the-Ory（DFT）的组合来解决金红石TIO 2（110）表面上的吸附O 2，这在金属氧化物的表面化学中提出了长期的挑战。我们表明，通过氧气量终止的化学惰性AFM尖端可以很好地解决吸附物种和底物的氧气sublattice。吸附的O 2分子可以从表面接受一个或两个电子极性，形成超氧或过氧物种。在与应用相关的任何条件下，过氧状态是最优选的。非侵入成像的可能性使我们能够解释与尖端注入电子/孔注入相关的行为，与紫外光的相互作用以及热退火的效果。
量子图
量子图项目提议深入探索量子信息论核心的组合方面，它位于组合学和理论计算机科学与量子物理学的交叉点上。更具体地说，我们的项目旨在对量子图概念进行几项理论发展，量子图被视为图的非交换概括。这项跨学科的提案旨在开发新的组合和代数方法来解决量子信息中的基本问题，同时阐明组合结构和量子特性之间的深层关系。在量子信息论的框架内，量子图（也称为非交换图）的概念首次由 Duan 等人在 [DSW13] 中提出，目的是将香农理论中的某个概念推广到量子情况。与经典图可视为非自反对称关系这一事实类似，Weaver [Wea21] 将量子图表述为冯·诺依曼代数上的自反对称量子关系。Musto 等人 [MRV18] 还将有限量子图表述为有限量子集上的邻接运算符。非常令人惊讶的是，这三种不同的观点指向了同一个对象，即量子图，这是本博士项目的重点。
信息需要意识：脑电图研究 - Strathprints
信息检索（IR）的基本目标是满足搜索/ - ers的信息需求（IN）。神经影像技术的进步允许跨学科研究研究与IN实现相关的大脑活动。尽管这些研究具有丰富的信息，但它们无法捕获IN实现和与时间分辨率高的相互作用的认知过程。本文旨在通过基于IN与其他两个（无（无in））状态的对比来推断大脑活动的可变性来提及这一研究问题。为此，我们采用了脑电图（EEG），并构建了与事件相关的电位（ERP）分析，对所捕获的脑信号的分析，同时经历了IN的实现。尤其是，在执行提问（Q/A）任务时捕获了24名健康参与者的大脑信号。我们的结果显示了处理的早期阶段，对应于意识和晚期活动，这意味着内存的控制机制。我们的发现还表明，参与者表现出早期的N1-P2复杂索引意识过程，并表明，在达到用户意识之前，大脑的实现在大脑中表现出来。这项研究为更好地理解IN的理解提供了新颖的见解，并告知IR系统的设计以更好地满足它。
引入 Block-Toeplitz 协方差矩阵重新掌握事件相关电位脑机接口的线性判别分析
摘要 — 由于维数较高，噪声多通道脑电图时间序列数据的协方差矩阵难以估计。在基于事件相关电位和线性判别分析 (LDA) 进行分类的脑机接口 (BCI) 中，解决这个问题的最新方法是通过收缩正则化。我们提出了一个新想法来解决这个问题，即对 LDA 的协方差矩阵实施块 Toeplitz 结构，这实现了每个通道在短时间窗口中信号平稳的假设。在 13 种事件相关电位 BCI 协议下收集的 213 名受试者的数据上，与收缩正则化的 LDA（最多 6 个 AUC 点）和黎曼分类方法（最多 2 个 AUC 点）相比，由此产生的“ToeplitzLDA”显著提高了二元分类性能。这意味着应用程序级别的性能得到了极大改善，例如在无监督视觉拼写器应用程序中记录的数据，其中 25 个受试者的拼写错误平均可以减少 81%。除了 LDA 训练的内存和时间复杂度较低之外，ToeplitzLDA 被证明即使在 20 倍的时间维度扩大后也几乎保持不变，这减少了对特征提取专家知识的需求。