XiaoMi-AI文件搜索系统
World File Search SystemVariance
激发多元化想法：增加 AI 创意多样性
与重视一致性的常规任务不同，创造力和创新的目标是创造多样化的想法。本文深入探讨了人们对使用人工智能 (AI) 来提高创意生成过程的生产力和质量的日益增长的兴趣。虽然之前的研究发现人工智能创意的平均质量相当高，但之前的研究也指出，基于人工智能的头脑风暴无法创造足够分散的想法，这限制了新颖性和整体最佳创意的质量。我们的研究调查了增加人工智能生成创意分散性的方法。使用 GPT-4，我们探索了不同的提示方法对余弦相似度、独特创意的数量以及创意空间耗尽速度的影响。我们在为大学生开发新产品的领域开展了这项工作，价格低于 50 美元。在此背景下，我们发现 (1) GPT-4 使用各种合理提示生成的想法池的多样性不如人类受试者群体生成的想法 (2) 人工智能生成的想法的多样性可以通过提示工程显着提高 (3) 思路链 (CoT) 提示导致我们评估的所有提示中想法的多样性最高，并且能够接近人类受试者群体所取得的成就。它还能够生成我们研究的任何提示中最多的独特想法。
方差特征保留运动想象 BCI 的共同空间模式
方法：本研究提出了一种方差特征保持的 CSP（VPCSP），并通过基于图论的正则化项对其进行了修改。具体来说，我们在局部保留方差特征的同时计算投影数据的异常损失。然后，通过引入拉普拉斯矩阵将损失重写为矩阵，从而将其转化为与 CSP 等价的广义特征值问题。本研究在来自 BCI 竞赛的两个公共 EEG 数据集上评估了所提出的方法。改进的方法可以提取稳健且可区分的特征，从而提供更高的分类性能。实验结果表明，所提出的正则化显著提高了 CSP 的有效性，并且与已报道的改进 CSP 算法相比取得了显著更好的性能。
使用协方差神经网络解释的大脑年龄预测
在计算神经科学中，人们对开发机器学习算法的兴趣越来越高，这些算法利用脑成像数据来为个体提供“脑时代”的估计。重要的是，由于不良健康状况，大脑年龄和年龄年龄之间的不一致可以捕获加速老化，因此可以反映出增加对神经系统疾病或认知障碍的脆弱性。然而，由于大多数现有的脑年龄预测算法缺乏透明度和方法上的理由，因此阻碍了大脑年龄对临床决策支持的广泛采用。在本文中，我们利用协方差神经网络（VNN）提出了使用皮质厚度特征为脑年龄预测的解释驱动和解剖学上的解释框架。Specifically, our brain age prediction framework extends beyond the coarse metric of brain age gap in Alzheimer's disease (AD) and we make two important observations: (i) VNNs can assign anatomical interpretability to elevated brain age gap in AD by identifying contributing brain regions, (ii) the interpretability offered by VNNs is contingent on their ability to exploit specific eigenvectors of the anatomical协方差矩阵。在一起，这些观察结果促进了对脑时代预测任务的可解释和解剖学上的观点。
使用协方差神经网络进行可解释的大脑年龄预测
在计算神经科学领域，人们对开发利用脑图像数据来估算个体“脑年龄”的机器学习算法的兴趣日益浓厚。重要的是，脑年龄与实际年龄之间的差异（称为“脑年龄差距”）可以反映出不良健康状况导致的加速衰老，因此可以反映出患神经系统疾病或认知障碍的几率增加。然而，由于现有的大多数脑年龄预测算法缺乏透明度和方法论依据，因此脑年龄在临床决策支持中的广泛应用受到了阻碍。在本文中，我们利用协方差神经网络 (VNN) 提出了一个由解释驱动且解剖学上可解释的框架，使用皮质厚度特征来预测脑年龄。具体而言，我们的大脑年龄预测框架超越了阿尔茨海默病 (AD) 中大脑年龄差距的粗略度量，我们得出了两个重要观察结果：(i) VNN 可以通过识别贡献大脑区域，为 AD 中增大的大脑年龄差距分配解剖学可解释性，(ii) VNN 提供的可解释性取决于它们利用解剖学协方差矩阵的特定特征向量的能力。总之，这些观察结果促进了大脑年龄预测任务的可解释性和解剖学可解释性视角。
利用方差估计进行量子特征选择
摘要：量子计算有望实现比经典计算更快的速度，这引发了人们对探索用于数据分析问题的新型量子算法的兴趣。特征选择是一种从数据集中选择最相关特征的技术，是数据分析中的关键步骤。通过文献中提出的几种量子特征选择技术，本研究展示了量子算法在增强特征选择和其他利用方差的任务方面的潜力。本研究提出了一种用于估计一组真实数据的方差的新型量子算法。重要的是，在状态准备之后，该算法的复杂度在宽度和深度上都表现出对数特性。量子算法通过设计混合量子特征选择 (HQFS) 算法应用于特征选择问题。这项工作展示了 HQFS 的实现，并在两个合成数据集和一个真实数据集上对其进行了评估。
方差因子分析报告草案 White Hills 太阳能项目
2012 年，美国土地管理局 (BLM) 和美国能源部 (DOE) 发布了《美国西南部六个州太阳能开发最终项目环境影响报告》(PEIS)，其中包括亚利桑那州 (BLM 和 DOE 2012)。综合太阳能计划以更高效、更标准化和更环保的方式促进了在公共土地上开发太阳能项目的许可。太阳能计划确定了适合公用事业规模太阳能生产的太阳能区 (SEZ)，亚利桑那州西南部有三个 SEZ：位于尤马县海德镇西部的 Agua Caliente SEZ、位于拉巴斯县石英镇东部的 Brenda SEZ 和位于马里科帕县阿灵顿镇西南的 Gillespie SEZ。
方差因子分析报告草案 矿产公园太阳能项目
ACC 亚利桑那州公司委员会 ACEC 关键环境问题区域 ADEQ 亚利桑那州环境质量部 ADOT 亚利桑那州交通部 ADWR 亚利桑那州水资源部 AF 英亩英尺 APE 潜在影响区域申请人 reNRG 合作伙伴 AR 阿肯色州 ARO 考古记录办公室 ASM 亚利桑那州立博物馆 AUM 动物单位月 AZ 亚利桑那州 AZOGCC 亚利桑那州石油和天然气保护委员会 AZPDES 亚利桑那州污染物排放消除系统 BESS 电池储能系统 BLM 土地管理局 BLM S 土地管理局 敏感物种 BMP 最佳管理实践 C 上市候选 CCA 候选保护协议 CEQ 环境质量委员会 CFR 联邦法规 CHAT 关键栖息地评估工具 CWA 清洁水法案 DOE 能源部 EJ 环境正义 EO 行政命令 EPA 环境保护署 ESA 濒危物种法案 FAA 联邦航空管理局 FEMA 联邦紧急事务管理局 FPPA 农田保护政策法案 FTE 全职当量 GLO 土地总署 GW 千兆瓦 HA 畜群区域 HMA 畜群管理区 IN 印第安纳州 IPaC 规划和咨询信息 KFO 金曼实地办公室 kV 千伏 LCC 景观保护合作社 LE 列入濒危名单
附录 A：变更请求
• 提出请求之前，请先检查是否已为该主题提供了解决方案： o VHA HEFP EHRM - 解决方案交付指导文件 (sharepoint.com) o VHA HEFP EHRM - 设计警报 (sharepoint.com) • 通过 EHRM HEFP SEP 网络基础设施项目站查询 (SI 工具) 请求 EHRM 差异：医疗保健工程 - 主页 (sharepoint.com) • 提交 EHRM HEFP SEP 网络基础设施项目站查询 - 工作帮助.pdf。 • 将所有其他请求发送至：OIT 数据中心和基础设施工程 (DCIE) VAITESEDatacenterEngineering2@va.go v。 • 主题行：包括站/站点名称_VISN XX_项目编号_EHRM（如果适用）_高级项目描述_差异请求_（请求性质）。 • 示例：Bronx NY_VISN 10_10-369_EHRM_Remodel MCR_Variance Request_(Power)。提交者必须在 Outlook 的“选项”标题下对电子邮件进行数字签名。
具有三个粒子的 Lipkin-Meshkov-Glick 模型的量子计算机上的方差最小化
摘要。量子计算为模拟多体核系统开辟了新的可能性。随着多体系统中粒子数量的增加，相关汉密尔顿量的空间大小呈指数增长。在使用传统计算方法对大型系统进行计算时，这带来了挑战。通过使用量子计算机，人们可能能够克服这一困难，这要归功于量子计算机的希尔伯特空间随着量子比特数的增加而呈指数增长。我们的目标是开发能够重现和预测核结构（如能级方案和能级密度）的量子计算算法。作为汉密尔顿量的示例，我们使用 Lipkin-Meshkov-Glick 模型。我们对汉密尔顿量进行了有效的编码，并将其应用到多量子比特系统上，并开发了一种算法，允许使用变分算法确定原子核的全激发光谱，该算法能够在当今量子比特数有限的量子计算机上实现。我们的算法使用哈密顿量的方差 DH 2 E −⟨ H ⟩ 2 作为广泛使用的变分量子特征值求解器 (VQE) 的成本函数。在这项工作中，我们提出了一种基于方差的方法，使用量子计算机和简化量子比特编码方法查找小核系统的激发态光谱。