XiaoMi-AI文件搜索系统
World File Search Systemnonlinear
拓扑与非线性驱动的内存... -Dr -ntu
我们考虑了经受连贯驱动器的非线性损耗谐振器的光子晶格，该系统记得其拓扑阶段。最初，该系统在拓扑上是微不足道的。应用额外的相干脉冲后，强度会增加，从而调节系统中的耦合，然后诱导拓扑相变。但是，当脉冲的效果消失时，系统不会返回到微不足道的阶段。相反，它记住拓扑阶段并保持其在脉冲应用过程中获得的拓扑。脉冲可以用作触发拓扑模式的放大的开关。我们进一步表明，扩增发生在不同的频率以及与脉冲的位置不同的位置，表明频率转换和强度转移。我们的工作对于触发主动拓扑光子设备的不同功能很有用。
关于非线性所得税的政治经济学
在这里吸引了有关投票，最佳所得税，实施和纯公共物品的文献，以解决对所得税进行投票的问题，以确定公共利益。与以前的文章有关，一般的非线性所得税会影响允许工作和投票的消费者的劳动力决策。不确定性起着重要的作用，因为政府不知道从已知分布中吸引的消费者能力的真实实现，但必须符合依赖于实现的预算；税制必须坚固。即使替代方案的空间是有限的维度，也发现原始条件可以确保大多数规则均衡。JEL数字：D72，D82，H21，H41关键字：投票；所得税；公共利益；鲁棒性
非线性优化的量子计算算法...
现实世界优化问题的日益复杂凸显了这项研究的重要性，因为经典算法无法在这些情况下提供有效的答案。由于非线性优化问题在许多领域普遍存在，因此需要创新方法来快速且可扩展地解决这些问题。由于量子计算具有叠加原理和内在并行性，因此它在加速优化过程和克服经典限制方面具有巨大的潜力。然而，将量子算法 (I-QA) 集成到现实世界的应用中并不总是一帆风顺的。在保持量子相干性、纠正错误和在硬件限制内工作方面存在重大挑战。为了能够通过量子并行性同时探索解空间，本研究提出了混合量子梯度-经典方法 (HQG-CA)，该方法利用参数化量子电路来表示可能的解。此外，通过将量子梯度信息应用于量子态空间中的直接优化来提高收敛速度。金融投资组合的优化、机器学习模型参数的调整以及物流路线的优化是 HQG-CA 在许多行业中的一些应用。本摘要探讨了这些应用，突出了 HQG-CA 在解决现实世界中的优化问题方面的革命性潜力。通过全面的模拟实验评估了 HQG-CA 的有效性。基于广泛的测试和与传统替代方案的比较，讨论了算法加速、解决方案准确性和可扩展性等性能指标。本研究对 HQG-CA 解决非线性优化问题的潜力进行了全面评估。
非线性经济的神经网络学习
∗ 作者衷心感谢与 Guido Ascari、Roger Farmer、Friedrich Geiecke、Thomas Lubik、Michael McMahon、Leonardo Melosi、Galo Nu˜no、Ernesto Past´en 和 Michael Reiter 的讨论，以及国际计算经济学和金融研讨会、青年经济学家研讨会 (YES)、华沙国际经济会议、计量经济学会冬季会议、非线性动力学和计量经济学会研讨会和 ASSA 会议的 SNDE 会议参与者的有益评论。我们还感谢一位匿名审稿人提出的许多改进本文的建议。† 通讯作者：martin.ellison@economics.ox.ac.uk
Cu2O 微腔中的非线性里德堡激子极化子
摘要 里德堡激子（凝聚态系统中里德堡原子的类似物）是具有大玻尔半径的高度激发的束缚电子空穴态。它们之间的相互作用以及激子与光的耦合可能导致强光学非线性，可用于传感和量子信息处理。在这里，我们通过里德堡阻塞现象以及在 Cu2O 填充微谐振器中形成极化的激子和光子的杂化实现了强有效光子 - 光子相互作用（类克尔光学非线性）。在脉冲共振激发下，由于光子-激子耦合随着激子密度的增加而减少，极化子共振频率被重新正化。理论分析表明，里德堡阻塞在实验观察到的极化子非线性系数缩放中起着重要作用，因为对于高达 n = 7 的主量子数，∝ n 4.4 ± 1.8。首次在极化子系统中研究如此高的主量子数对于实现高里德堡光学非线性至关重要，这为量子光学应用和固态系统中强关联光子（极化子）态的基础研究铺平了道路。
非线性断裂力学 - ASTM 国际
包含 1986 年 10 月 6 日至 8 日在田纳西州诺克斯维尔举行的第三届非线性断裂力学国际研讨会上发表的论文。ASTM 断裂测试委员会 E-24 赞助了此次活动。时间相关断裂研讨会部分的联合主席是佐治亚理工学院的 A. Saxena 和宾夕法尼亚大学的 JL Bassani。这两位与田纳西大学的 JD Landes 一起担任本出版物的编辑。
带有非线性控制的纵向飞机动力学...
由于刚体动力学、气动力和控制映射项中的非线性以及欠驱动，固定翼飞机模型的控制设计可能具有挑战性。未建模动力学或参数不确定性的存在会使问题更具挑战性。本文研究固定翼飞机的纵向动力学控制，该飞机悬挂或悬挂的有效载荷就像一个附加的钟摆。此类系统出现在涉及无人机 (UAV) 收集和运送有效载荷的应用中，其中长距离飞行要求可能需要使用固定翼飞机。推导了耦合飞机有效载荷系统的动力学，并利用基于 Lyapunov 的控制设计和奇异摄动理论的工具开发了非线性控制器。控制器能够跟踪和转换预先规划或动态生成的飞行轨迹。分析与仿真结果表明，该控制器能够实现精确的飞行路径跟踪，并对载荷参数进行数值研究，以确定系统在保持飞行稳定性的前提下，实现载荷运输的能力。
高性能非线性和机器学习分析...
几十年来，大脑研究一直致力于解读大脑在发育、疾病和健康状态下的状态，以了解正常和异常的大脑功能。神经科学的当前趋势是使用自然刺激，旨在了解现实世界中的大脑功能，在此期间，感觉、认知、情感和运动大脑过程相互重叠（Sonkusare 等人，2019 年 [1]；Cantlon，2020 年 [2]；Nastase 等人，2020 年 [3]；Zhang 等人，2021 年 [4]）。自然刺激意味着复杂、动态和多样化的刺激，与传统使用的还原刺激相比，它为大脑研究创造了更具生态相关性的条件（Cantlon，2020 年 [2]；Zhang 等人，2021 年 [4]）。自然刺激的例子有电影、课堂生物学、视频游戏、复杂的数学或听现场管弦乐队（Hasson 等人，2004 年 [5]；Dikker 等人，2017 年 [6]；Bavelier 和 Green [7]，2019 年；Chabin 等人，2022 年 [8]；Poikonen 等人，2022 年 [9]）。在自然刺激期间长时间收集的连续脑成像数据使得数据驱动分析的应用成为可能（Cantlon，2020 年 [2]；Zhang 等人，2021 年 [4]）。机器学习 (ML) 分析可能有助于产生关于潜在任务相关大脑过程的新假设，尤其是在自然背景下。在这种情况下，几个低级和高级重叠的大脑过程同时发生（Nastase 等人，2020 年 [3]）。由于多种大脑过程具有重叠性，基于还原论和简化研究设计而形成的神经科学理论的扩展既具有挑战性又值得怀疑 (Cantlon，2020 年 [2])。需要分析自然数据的新方法，而数据驱动的智能方法是开发和测试现实世界中大脑功能新理论的良好候选者 (Nastase 等人，2020 年 [3])。机器学习的最新发展已经应用于医疗保健领域，并扩展到多个领域：癫痫中的峰值检测、痴呆症预测以及心理健康和睡眠阶段分类 (Singh 等人，2022 年 [10])。这些数据驱动的方法旨在通过在生命早期解决大脑护理问题来改变医疗保健服务并改变大脑健康的轨迹 (Singh 等人，2022 年 [10])。例如，利用机器学习的最新进展，特别是脑机接口 (BCI) 技术，可帮助中风患者恢复神经系统
基于内核的非线性流形学习
基于内核的非线性流形学习，用于基于脑电图的功能连通性分析和渠道选择，并应用于阿尔茨海默氏病Gunawardena，R.，Sarrigiannis，P。G.，Blackburn，D。J.＆he，F。出版了PDF，存放在考文垂大学的存储库原始引用：Gunawardena，R，R，Sarrigiannis，PG，Blackburn，DJ＆HE，F 2023，'基于内核的非线性流动性学习，用于EEG基于EEG的功能连接分析，并适用于Alzheimer's Disean's Neurosience，Neurosience，vol，vol。523，pp。140-156。 https://dx.doi.org/10.1016/j.neuroscience.2023.05.033 doi 10.1016/j.neuroscience.2023.05.033 ISSN 0306-4522 ESSN ESSN 1873-7544出版商：Elsevier出版商：Elsevier：Elsevier这是CC BID-NC-ND-NC-ND DD（ http://creativecommons.org/licenses/by-nc-nd/4.0/）
关于非线性所得税的政治经济学
在这里吸引了有关投票，最佳所得税，实施和纯公共物品的文献，以解决对所得税进行投票的问题，以确定公共利益。与以前的文章有关，一般的非线性所得税会影响允许工作和投票的消费者的劳动力决策。不确定性起着重要的作用，因为政府不知道从已知分布中吸引的消费者能力的真实实现，但必须符合依赖于实现的预算；税制必须坚固。即使替代方案的空间是有限的维度，也发现原始条件可以确保大多数规则均衡。JEL数字：D72，D82，H21，H41关键字：投票；所得税；公共利益；鲁棒性