XiaoMi-AI文件搜索系统
World File Search SystemSpectral
对应图图的随机光谱采样
3D对应关系，即一对3D点，是计算机视觉中的一个有趣概念。配备兼容性边缘时，一组3D相互作用形成对应图。此图是几个最新的3D点云注册方法中的关键集合，例如，基于最大集团（MAC）的一个。但是，其特性尚未得到很好的理解。因此，我们提出了第一项研究，该研究将图形信号处理引入了对应图图的域。我们在对应图上利用了广义度信号，并追求保留此信号的高频组件的采样策略。为了解决确定性抽样中耗时的奇异价值分解，我们采取了随机近似采样策略。因此，我们方法的核心是对应图的随机光谱采样。作为应用程序，我们构建了一种称为FastMAC的完整的3D注册算法，该算法达到了实时速度，而导致性能几乎没有下降。通过广泛的实验，我们验证了FastMac是否适用于室内和室外基准。例如，FastMac可以在保持高recistra-
模式选择性振动能量传递动力学1，...
HOMO-1 → LUMO 21.1% S 3 4.71 0.77 -1.41 0 1.61 HOMO → LUMO+1 28.4% HOMO-1 → LUMO 17.5% HOMO-1 → LUMO+2 11.4 % S 4 4.99 0 -0.09 0 0.09 HOMO → LUMO+3 43.0% HOMO-5 → LUMO 41.5%
材料分类的光谱地下散射
在众多科学学科的挑战期间，识别物体或场景的物质组成一直是一种构成。一种方法，植根于牛顿，弗劳恩霍夫（Fraunhofer）和其他许多方法的早期作品，它利用了从物体反射的光中的光谱变化。由于材料通常具有不同的光谱吸收曲线，因此反射率的光谱分析在检查具有各种尺度的材料方面已经与众不同：诸如粉末[28,47]和食品[29,44]，地理材料分布[9,19,22]，以及Celestial对象的组成[18,18,336]。在场景中的光线运输远远超出了反射。当对象被照亮时，它不仅反射出照明点，而且经常穿透表面。这种现象称为“地下散射”，对于我们感知到它们的出现至关重要，并且在许多应用中引起了广泛关注，包括光传输建模[45]，逆光传输[5]，场景分析[30]和材料分类[6,26,38,40,40,40,41]。值得注意的是，地下散射也受到入射光波长的显着影响。光谱特征和地下散射之间的这种强大协同作用为增强材料分类提供了独特的机会。也许，了解具有地下散射光传输的最有用的物理测量是光谱双向散射频率分布函数（BSSRDF）[45]。因此，测量
谱与空间指数在特定类别中的应用...
在本文中，我们讨论了使用指标来应对机载棱镜实验 (APEX) 高光谱开放科学数据集 (OSD) 的维数缺点，并使用可能性 c 均值 (PCM) 算法提高分类精度。这用于制定光谱和空间指标，以较低的维度描述数据集中的信息。这种降低的维度用于分类，试图提高确定特定类别的准确性。光谱指标是根据目标的光谱特征编制的，空间指标是使用定义邻域上的纹理分析来定义的。为了评估光谱和空间指标在提取特定类别信息中的适用性，考虑了 20 个不同空间分布的类别的分类。数据集的分类分两个阶段进行；光谱和光谱与空间指数的组合分别作为 PCM 分类器的输入。除了降低熵之外，在考虑光谱空间指数方法的同时，实现了 80.50% 的整体分类准确率，而仅光谱指数为 65%，最佳确定的主成分为 59.50%。
非极性分子的快速时间尺度光谱扩散减少...
然而，氮化物点的发射线通常不均匀地加宽，与其寿命极限相比至少加宽 100 倍，10,11 这最终限制了它们的不可区分性。加宽是由光谱扩散引起的，光谱扩散是由点附近的电荷载流子的捕获和释放产生的，从而产生了变化的局部电场。通过量子限制斯塔克效应 (QCSE)，这导致点的发射能量发生变化。这种效应对氮化物 QDs 比对砷化物 QDs 更强，因为首先氮化物材料的强极性导致氮化物 QDs 中的激子具有较大的永久偶极子，从而增加了与静电环境的耦合并放大了光谱扩散的强度。 12 其次，与砷化物点相比，氮化物点的生长方法改进时间较短，而且它们还表现出更高的点缺陷和位错密度，这些缺陷和位错密度可以充当载流子的陷阱。13–15 光谱扩散是氮化物点产生高度不可区分的光子的最大障碍，因为
有向超图的近似紧谱稀疏化
谱超图稀疏化是将众所周知的谱图稀疏化扩展到超图的一种尝试，在过去几年中得到了广泛的研究。对于无向超图，Kapralov、Krauthgamer、Tardos 和 Yoshida (2022) 证明了最佳 O ∗ ( n ) 大小的 ε -谱稀疏器，其中 n 是顶点数，O ∗ 抑制了 ε − 1 和 log n 因子。但对于有向超图，最佳稀疏器大小尚不清楚。我们的主要贡献是第一个为加权有向超图构造 O ∗ ( n 2 ) 大小的 ε -谱稀疏器的算法。我们的结果在 ε − 1 和 log n 因子范围内是最优的，因为即使对于有向图也存在 Ω(n2) 的下限。我们还展示了一般有向超图的 Ω(n2/ε) 的第一个非平凡下界。我们算法的基本思想借鉴了 Koutis 和 Xu (2016) 提出的基于 spanner 的普通图稀疏化。他们的迭代采样方法确实有助于在各种情况下设计稀疏化算法。为了证明这一点，我们还提出了一种类似的无向超图迭代采样算法，该算法实现了最佳大小界限之一，具有并行实现，并且可以转换为容错算法。
有向图和无向图的广义谱聚类
谱聚类是聚类无向图的一种常用方法，但将其扩展到有向图（有向图）则更具挑战性。一种典型的解决方法是简单地对称化有向图的邻接矩阵，但这可能会导致丢弃边方向性所携带的有价值信息。在本文中，我们提出了一个广义的谱聚类框架，可以处理有向图和无向图。我们的方法基于一个新泛函的谱松弛，我们将其引入为图函数的广义狄利克雷能量，关于图边上的任意正则化测度。我们还提出了一种由图上自然随机游走的迭代幂构建的正则化测度的实用参数化。我们提出了理论论据来解释我们的框架在非平衡类别的挑战性设置中的效率。使用从真实数据集构建的有向 K-NN 图进行的实验表明，我们的图分区方法在所有情况下均表现良好，并且在大多数情况下优于现有方法。
时间窗口长度对基于EEG的情绪识别的影响
摘要：听觉稳态反应（ASSR）是几种神经系统和精神疾病的转化生物标志物，例如听力损失，精神分裂症，双相情感障碍，自闭症等。ASSR是正弦脑电脑术（EEG）/磁脑电图（MEG）反应，该反应是由定期呈现的听觉刺激引起的。传统频率分析假定ASSR是一种固定响应，可以使用线性分析方法（例如傅立叶分析或小波）进行分析。然而，最近的研究报告说，人类的稳态反应是动态的，可以通过受试者的注意，清醒状态，精神负荷和精神疲劳来调节。由于三角乘积 - 和-SUM公式，在测得的振荡响应上的振幅调制可能会导致光谱宽或频率分裂。因此，在这项研究中，我们通过规范相关分析（CCA）和Holo-Hilbert光谱分析（HHSA）的组合分析了人类的ASSR。CCA用于提取相关的信号特征，HHSA用于将提取的ASSR响应分解为振幅调制（AM）组件（AM）组件和频率调制（FM）组件，其中FM频率代表快速变化的Intra频率，AM频率代表慢变化的频率。在本文中，我们旨在研究37 Hz稳态听觉刺激中ASSR响应的AM和FM光谱。与HHSA，37 Hz（基本频率）和74 Hz（第一个谐波频率）的听觉响应都成功提取。二十五个健康的受试者，并要求每个受试者参加两个听觉刺激课程，包括一个右耳和一个左耳和一个左耳的单膜稳态听觉刺激。检查AM光谱，37 Hz和74 Hz听觉响应均由不同的AM光谱调节，每个光谱至少具有三个复合频率。与传统的傅立叶光谱的结果相反，在37 Hz处看到频率分裂，并且在傅立叶光谱中以74 Hz的形式遮盖了光谱峰。所提出的方法有效地纠正了随时间变化的幅度变化而导致的频率分裂问题。我们的结果已验证了HHSA作为稳态响应（SSR）研究的有用工具，以便可以避免传统傅立叶频谱中振幅调制引起的误导或错误解释。
利用光谱π介子比探测对称能量
1 密歇根州立大学国家超导回旋加速器实验室，美国密歇根州东兰辛 48824 2 密歇根州立大学物理系，美国密歇根州东兰辛 48824 3 日本理化学研究所仁科中心，广泽 2-1，埼玉县和光市 351-0198 4 京都大学物理系，京都北白川市 606-8502，日本5 高丽大学物理系，首尔 02841，大韩民国 6 达姆施塔特工业大学核物理学研究所，D-64289 达姆施塔特，德国 7 GSI Helmholtzzentrum für Schwerionenforschung, Planckstrasse 1, 64291 达姆施塔特，德国 8 物理、天文学和应用计算机科学学院，雅盖隆大学,波兰克拉科夫 9 克罗地亚萨格勒布 Rudjer Boskovic 研究所实验物理部 10 日本东京西池袋 3-34-1 立教大学物理系 171-8501 11 韩国大田 34047 基础科学研究所稀有同位素科学项目 12 日本仙台 980-8578 东北大学物理系 13 日本东京工业大学物理系 152-8551 14 日本核物理研究所 PAN，ul。 Radzikowskiego 152, 31-342 克拉科夫，波兰 15 德克萨斯 A&M 大学回旋加速器研究所，德克萨斯州学院站 77843，美国 16 尼凯夫国家亚原子物理研究所，阿姆斯特丹，荷兰 17 清华大学物理系，北京 100084，中国 18 德克萨斯 A&M 大学化学系，德克萨斯州学院站 77843，美国 19 IFIN-HH，Reactorului 30，077125 Mˇagurele-Bucharest，罗马尼亚（日期：2021 年 3 月 17 日）
探测量子网络几何形状的光谱维度
摘要我们考虑了一个开放量子系统的环境，该系统由“量子网络几何形状”（QNGF）（QNGF）描述，其中节点是耦合的量子振荡器。QNGF的几何性质在网络的拉普拉斯矩阵的光谱特性中反映出来，该特性显示有限的光谱维度，还确定了QNGF的正常模式的频率。我们表明，可以通过将辅助开放量子系统耦合到网络并探测低频制度中的正常模式频率来间接估计一个先验的未知光谱维度。我们发现网络参数不会影响估计值；从这个意义上讲，它是网络几何形状的属性，而不是振荡器裸露频率或恒定耦合强度的值。数值证据表明，估计值对高频截止的小变化以及嘈杂或缺失的正常模式频率都具有牢固的变化。我们建议将辅助系统与一个具有随机耦合强度的网络节点的子集搭配，以揭示和解决正常模式频率的足够大的子集。