XiaoMi-AI文件搜索系统
World File Search Systemvab
飞机生存能力联合技术协调小组
生存能力 (JTCG/AS) 中央办公室。JTCG/AS 由联合航空指挥官组 (JACG) 授权成立。JTCG/AS 组织如图 3 所示。本文件旨在提供在 JTCG/AS 赞助下发布的技术报告列表。本参考书目按部分组织，包含由三个主要小组（易感性降低、脆弱性降低和生存能力方法）制作的出版物。这些部分之后是包含行政和集团支持出版物的部分，以及包含与飞机战斗损伤修复相关的出版物的另一部分。作为最后一部分，包含与飞机生存能力有关但未由 JTCG/AS 资助的文件。每个部分都有自己的目录。文档按报告编号和标题进行索引。
通过量子假设测试的量子分类的最佳可证明的鲁棒性
量子机学习模型与其经典同行相比，有可能提供加速和更好的预测精度。然而，这些量子算法与它们的经典算法一样，也已被证明也很容易受到输入扰动的影响，尤其是对于分类问题。这些可能是由于嘈杂的实现而引起的，也可以作为最坏的噪声类型的对抗性攻击。为了开发防御机制并更好地理解这些算法的可靠性，在存在自然噪声源或对抗性操纵的情况下了解其稳健性至关重要。从量子分类算法涉及的测量值是自然概率的，我们发现并形式化了二进制量子假设测试与可证明可证明可靠的量子分类之间的基本联系。此链接导致紧密的鲁棒性条件，该条件对分类器可以忍受的噪声量构成约束，而与噪声源是自然的还是对抗性的。基于此结果，我们开发了实用协议以最佳证明鲁棒性。最后，由于这是针对最坏情况类型的噪声类型的鲁棒条件，因此我们的结果自然扩展到已知噪声源的场景。因此，我们还提供了一个框架来研究量子分类方案的可靠性，超出了对抗性，最坏情况的噪声场景。
网络生存力测试与评估手册
联合能力集成与开发系统 (JCIDS) 手册于 2014 年 12 月 18 日更新，将非动能效应作为强制性系统生存能力 (SS) 关键性能参数 (KPP) 的关键要素。CSEIG 将定义的 JCIDS SS KPP 支柱（易感性、脆弱性和弹性）分别转化为预防、缓解和恢复支柱。这些网络生存能力支柱成为 OPTEVFOR 网络生存能力评估的 PMR 构造。CSEIG 定义了可追溯到 PMR 支柱的网络生存能力属性 (CSA)。CSA 的目的是协助开发可测试和可衡量的网络生存能力要求。CSEIG 为 OPTEVFOR 网络生存能力流程的开发做出了贡献，因为 (1) 它的权威源自 JCIDS 流程，并且 (2) 该指南捕捉到了一种描述系统如何承受非动能“打击”以及它们如何影响系统任务的过程。对于作战人员来说，了解其系统在网络对抗环境中的能力和局限性具有重要的作战意义。无论有没有定义的 CSA，都可以做到这一点。但是，如果系统确实有 CSA，则应将其作为评估的一部分，以确定系统是否满足其要求。
CEPP将驾驶可实现的，订单和可靠的...
与其他需要公用事业公司使用更多清洁能源但可能将其中一些成本传递给纳税人的电力部门政策相比，CEPP旨在降低客户成本。根据计划，公用事业必须将其100％的赠款用于客户和工人福利，包括直接账单援助，清洁能源和能源效率投资，以及通过能源系统的变化为工人提供支持。此外，根据该计划，公用事业的付款必须由公用事业公司的股东和所有者而不是纳税人支付。利用最佳实践的实用程序，例如全源竞争性采购，可以进一步降低电力成本。17
twinlitenet+实时可驱动区域和车道分割的更强模型
结合了标准和深度可分离的扩张卷积，降低了复杂性，同时保持了高度的准确性。它有四种配置，从强大的194万参数Twinlitenet +大到超轻量级34K参数Twinlitenet + Nano。值得注意的是，TwinliteNet +大的达到了92.9％的MIOU（平均交叉路口），用于驱动面积分割，而车道分割的34.2％IOU（与联合的交集）为34.2％。 这些结果实现了能力的性能，超过了当前的最新模型，而仅需少11倍的浮点操作（FLOP）才能计算。 在各种嵌入式设备上进行了严格评估，TwinliteNet +表现出了有希望的LASCENCE和功率效率，从而强调了其对现实世界自动驾驶汽车应用的潜力。 该代码可在https://github.com/chequanghuy/twinlitenetplus上找到。达到了92.9％的MIOU（平均交叉路口），用于驱动面积分割，而车道分割的34.2％IOU（与联合的交集）为34.2％。这些结果实现了能力的性能，超过了当前的最新模型，而仅需少11倍的浮点操作（FLOP）才能计算。在各种嵌入式设备上进行了严格评估，TwinliteNet +表现出了有希望的LASCENCE和功率效率，从而强调了其对现实世界自动驾驶汽车应用的潜力。该代码可在https://github.com/chequanghuy/twinlitenetplus上找到。
可验证且可证明的安全机器
摘要 - 培训后的机器学习旨在从机器学习模型的训练数据集中删除点：例如，当用户要求删除其数据时。虽然已经提出了许多未学习的方法，但没有一个使用户能够审核该过程。此外，最近的工作表明，用户无法仅凭检查模型参数的检查就无法验证其数据是否是从模型参数中删除的。而不是关于参数的推理，我们建议将可验证的删除学习视为安全问题。为此，我们提出了第一个对可验证的验证的加密定义，以正式捕获未学习系统的保证。在此框架中，服务器首先计算了该模型在数据集d上训练的证明。给定用户的数据点D要求删除，服务器使用未学习算法更新模型。然后，它提供了正确执行未学习和D /∈D'的证明，其中D'是新的训练数据集（即已删除了D）。我们的框架通常适用于我们作为可接受功能的不同学习技术。我们使用SNARKS和HASH链中的密码假设在框架中实例化协议。最后，我们为三种不同的学习技术实施了协议，并验证其对线性回归，逻辑回归和神经网络的可行性。
在2025年接受德克萨斯州奥斯汀市的IEEE PES股东大会（PES GM 2025）接受，使用STO
摘要 - 本文引入了一种分布式的应急检测算法，用于使用随机混合系统（SHS）模型在功率分配系统中检测不可观察的意外情况。我们旨在应对分销网络中有限测量能力的挑战，这些挑战限制了迅速检测意外事件的能力。我们将分布网络连接，负载馈线，PV和电池储能系统（BESS）混合资源的动力学结合到完全相关的SHS模型中，该模型代表分布系统作为意外情况下不同结构之间的随机切换系统。我们表明，SHS模型中的跳跃对应于物理功率网格中的突发事件。我们基于幅度调制输入（MAMI）采用探测方法，以使意外情况可检测到。通过对样本分布系统的模拟来验证所提出的方法的有效性。索引术语 - PV-BESS，分布系统，不可检测的偶性，随机混合系统，偶然性检测。
量子记忆辅助可观察的估计
对多数观测的估计是量子插入处理的必不可少的任务。通常，通常可以将Obsavables分解为多倍的Pauli字符串的加权总和，即单价Pauli矩阵的张量产物，可以用低深度的Clif-Ford Circits轻松测量。但是，在这种方法中，射击噪声的积累严重限制了有限数量的测量值的可实现差异。我们引入了一种新颖的方法，称为连贯的Pauli总结（CPS），该方法通过利用访问单一量子量子存储器来避免这种限制，在该记忆中可以存储和确保测量信息。cps可减少给定方差所需的测量数量，该测量值与分解可观察到的Pauli字符串数量线性缩放。我们的工作表明了单个长相位量子记忆如何在基本任务中有助于多数Quantum设备的操作。
量子darwinism编码过渡的可解决模型
我们提出了一个可解决的量子达尔文主义模型来编码过渡 - 量子信息如何在单一动力学下的多体系统中传播的方式突然变化。我们考虑在扩展的树上的随机Clifford电路，其输入量子位与参考纠缠在一起。该模型具有一个量子达尔文主义阶段，其中可以从任意的输出量子位的任意小部分中检索有关参考的经典信息，而该检索不可能是不可能的。这两个阶段通过混合相和两个连续过渡分开。我们将确切的结果与两次复制的计算进行了比较。后者产生类似的“退火”相图，该图也适用于具有HAAR随机单位的模型。我们通过求解环境在编码系统上窃听的修改模型来将我们的方法与测量诱导的相变（MIPT）联系起来。它只有一个尖锐的mipt，只能完全访问环境。