XiaoMi-AI文件搜索系统
World File Search Systemmixing
Kalman滤波和期望最大化多阶段光谱unmixing
摘要 - 高光谱成像技术的最新演变和新的新兴应用程序的扩散按下了多个时间高光谱图像的处理。在这项工作中，我们提出了一种新型的频谱拆解（SU）策略，使用出色动机的参数末端记录来说明时间频谱变异性。通过使用状态空间公式来表示多个时空混合过程，我们能够利用贝叶斯过滤机制来估计末端的变异性系数。假设丰度的时间变化在短时间间隔很小，则采用了预期最大化（EM）算法的有效实施来估计丰度和其他模型pa-Rameters。仿真结果表明，所提出的策略优于最先进的多阶段算法。
使用多层多层储层计算
大脑电路涉及大量的反馈回路，其动力学取决于相互作用的延迟。脑启发的储层计算利用互连单元的丰富复发动力学来执行输入的任务。特别是，时间延迟储层计算使用非线性延迟反馈回路架构中的高维瞬态动力学，例如时间序列预测和语音分类。最近还证明，通过包含多个延迟的延迟分化系统的动态属性修改，以提高时间延迟储层计算的性能。在这里，我们探索了这种基本和技术重要性的这种神经启发的计算的另一个方面：在混合物中分离和预测两个信号的能力，在混合物中，每个信号由于其潜在的动力学而具有一些内在的可预测性。使用混沌输入信号混合物的多层和多层储层计算进行了说明。与独立的组件分析和相关的无监督学习技术相反，这里的上下文在于平行监督每个信号的动力学学习，以便在训练集之外预测每个信号的每个信号。此外，将混沌信号的超渗透到单个输入通道中增加了任务的难度。我们用确定性和随机系统发出的各种信号来量化和解释这种性能。此外，我们还探索了深度延迟储层计算机的体系结构。我们的发现表明，多延迟储层计算可以学习和预测两个叠加确定性信号的未来。预测（因此分离）在单层和多层时间延迟的预订计算中可能会明显更高。混合信号的带通滤波以除去较低和较高的频率，将预测提高了几％。在某些情况下，矛盾的是，增加混合物中一个混沌信号的比例实际上可以帮助学习另一个混乱信号，从而稍微改善其预测。
标题：1 2多阶段混合以控制超分子...
（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2025年2月11日发布。 https://doi.org/10.1101/2024.11.12.623321 doi：Biorxiv Preprint
tidhy：通过超网络的时间尺度解散，从混合观察中学习同时动态
神经活动和行为来自多个并发的时变系统，包括神经调节，神经状态和历史；但是，大多数当前方法将这些数据建模为具有单个时间尺度的一组动力学。在这里，我们通过Hy Pernetworks（Tidhy）开发了Ti Mescale d emixing，作为一种新的计算方法，用于建模临时数据，将它们分解为多个同时的潜在动力学系统，这些动力系统可能跨越刻板级的阶数不同的时间表。具体来说，我们训练一个超网络以动态重新重新获得潜在动力学的线性组合。此方法可以实现准确的数据重建，收敛到真正的潜在动力学并捕获多个变化的时间尺度。我们首先证明Tidhy可以从包含多个独立开关线性动力学系统的合成数据中删除动力学和时间尺度，即使观察结果混合在一起。接下来，使用模拟的运动行为数据集，我们表明tidhy准确地捕获了运动运动学的快速动力学和不断变化的地形的缓慢动力学。最后，在开源的多动物社会行为数据集中，我们表明用Tidhy提取的关键点轨迹动力学可用于准确识别Multiple小鼠的社交行为。综上所述，Tidhy是一种强大的新算法，用于将同时的潜在动力系统与不同的计算域应用。
探索使用机器学习来参数化海面边界层中垂直混合的参数
本文由LSU学术存储库的Craft and Hawkins Engifeering提供给您，并免费提供开放访问权限。已被LSU学术存储库的授权管理人纳入教师出版物。有关更多信息，请联系ir@lsu.edu。
碳酸盐系统中的流体混合如何影响关键矿物沉积物的形成？
关键矿物质和金属的主要沉积物（例如铜，钴，铅和锌）通常发生在碳酸盐沉积物内的断层，断裂或其他高孔隙区域的直接附近。这种矿化可以在这些碳酸盐托管的渗透性网络中混合到现有的液体中，使断层，断裂或高孔隙率区域的形成日期。所得的液体混合以及与周围碳酸盐岩的相关化学交换在系统内部产生不平衡，从而诱导矿化。流体岩石相互作用实验表明，随着流体中的CA含量的增加，随着它溶解在周围的碳酸盐中，它可以作为Zn-PB矿物沉淀的催化剂[1]，并在与H 2 s含H 2 s碳含量时产生与Spherite（Zns）降水有关的缓冲效果。这些发现与研究H 2 S-地形系统中的合并腐蚀和尺度的实验中的爆发岩沉淀之间的联系是一致的[2]。数值建模显示出对碳酸盐中的baryte形成的相似作用[3]。
利用四波混频实现双色强度压缩
得益于过去 20 年量子信息科学 (QIS) 的快速发展，潜在的 QIS 应用数量急剧增加，包括量子计算和量子信息处理、量子密码和量子传感。这些应用的物理平台种类也在稳步增加。大多数量子信息载体基于特定频率的电磁辐射，因此不同平台之间的直接接口极具挑战性，甚至不可能实现 [1,2]。这重新引起了人们对解决不同平台之间本地和远程互连问题的兴趣 [3,4]。高效的频率转换器能够改变量子态的频率而不会引起退相干，因此提供了一种理想的解决方案。已经提出并实现了几个这样的系统 [5,6]，其中许多依赖于非线性光学材料，并且通常需要波导或腔体来实现足够的非线性 [7,8]。热原子或冷原子中的非线性过程是一种很有前途的替代方案，因为原子共振附近的非线性相互作用得到了强烈的增强。Rb 或 Cs 原子中的双梯形（或菱形）方案对于频率转换特别有吸引力 [9-11]。鉴于碱金属原子已成为
一种混合机器学习γ-...
摘要 - γ发射放射性核素的自动识别和量化，这是由于放射性源环境中伽马相互作用而导致的光谱变形，这是各种核应用的挑战。在本文中，通过开发结合机器学习和经典统计方法的混合方法来解决此问题。提出了一种基于机器学习的自动编码器，可以提出可以使用有限数据捕获光谱变异性的。研究了一种使用预训练的自动编码器的新型混合构想算法，以在四个放射性核素的混合物（57 CO，60 CO，133 BA，137 CS）的情况下进行频谱特征的联合估算和计数。这项研究是为了考虑到低统计量下的衰减和康普顿散射引起的光谱变形。结果证明了这种新的混合方法基于机器学习的有效性和对γ光谱自动全光谱分析的最大可能性的有效性。索引术语 - gamma射线光谱，光谱变异性，混合算法，机器学习，插值自动编码器，半盲透明
氧化锌微丝中的相位匹配五波混频
*通讯作者：张顺平，武汉大学物理科学与技术学院、人工微纳米结构教育部重点实验室，武汉 430072；武汉量子技术研究所，武汉 430206，电子邮件：spzhang@whu.edu.cn。 https://orcid.org/0000-0002-8491-0903 崔开波、张天柱，武汉大学物理科学与技术学院、人工微纳米结构教育部重点实验室，武汉 430072 饶涛、张向辉，湖北大学微电子学院、湖北省微纳电子材料与器件重点实验室，武汉 430062 徐红星，武汉大学物理科学与技术学院、人工微纳米结构教育部重点实验室，武汉 430072；武汉量子技术研究所，武汉 430206；武汉大学微电子学院，武汉 430072；河南省科学院，郑州 450046