XiaoMi-AI文件搜索系统
World File Search Systemvariate
在确定性多项式时间中计算单变量的 Igusa 局部 zeta 函数
Igusa 的局部 zeta 函数 Z f , p ( s ) 是生成函数，它计算 f ( x ) mod pk 中所有 k 的积分根的数量 N k ( f )。在解析数论中，有一个著名结果，即 Z f , p 是 Q ( ps ) 中的有理函数。我们针对一元多项式 f 给出了这一事实的基本证明。我们的证明是建设性的，因为它给出了根数量的闭式表达式 N k ( f )。我们的证明与 Dwivedi、Mittal 和 Saxena (计算复杂性会议，2019) 最近的根计数算法相结合，产生了第一个确定性的 poly( | f | , log p ) 时间算法来计算 Z f , p ( s )。以前，只有当 f 完全分裂在 Q p 上时才知道一种算法；它需要有理根来使用树的生成函数的概念（Zúñiga-Galindo，J. Int. Seq.，2003）。
![ARXIV：2006.03407V2 [QUANT-PH] 2020年9月22日](/simg/b/b3cb998fdbce89ed9ee799c237ec458de7f385ee.webp)
ARXIV：2006.03407V2 [QUANT-PH] 2020年9月22日
时间序列数据在各种各样的现实应用中都普遍存在，它呼吁Peo-Ple的可信赖和可解释的模型，以理解和完全信任AI Solutions的决定。我们考虑从多变量时间序列数据中构建可解释的分类器的问题。理解此类预测模型的关键标准涉及阐明和量化与分类的输入变量变化的时间的争议。因此，我们引入了一种新颖的，模块化的基于卷积的特征外推和注意机制，同时识别变量以及确定分类输出的时间间隔。我们通过几个基准数据集提出了广泛的实验结果，这些数据集表明所提出的方法超过了多变化时间序列分类任务的最新基线方法。我们的案例研究结果表明，通过采用方法识别的变量和时间间隔相对于可用领域知识是有意义的。
使用多元形态计量学统计，稀疏编码和Correntropy预测脑淀粉样蛋白：来自ADNI和OASIS数据库的1,125个个体的验证
。cc-by-nc-nd 4.0国际许可证。是根据作者/资助者提供的预印本（未经Peer Review的认证）提供的，他已授予Biorxiv的许可证，以在2020年10月17日发布的此版本中显示此版本的版权持有人。 https://doi.org/10.1101/2020.10.16.343137 doi：Biorxiv Preprint
在有损腔中对经典驱动量子的纠缠保护
本文是根据Creative Commons归因4.0国际许可证的许可，该许可允许以任何媒介或格式的使用，共享，适应，分发和复制，只要您适当地归功于原始作者和来源，就可以提供与Creative Commons许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http://creativecommons.org/licenses/4.0/。
多元分析揭示了工作记忆负荷的可概括的人类电生理特征
抽象工作记忆（WM）是一个在线内存系统，对于在正在进行的认知处理过程中以快速访问状态保持注入至关重要。因此，在提供WM载荷的时间解析索引的方法中具有很强的价值。尽管已经确定了单变量的EEG信号随着WM负载而变化，但多变量分析方法的最新进展表明，可能会有丰富的信息来源不会产生可靠的单变量标志。在这里，使用了四项已发表研究的数据（n = 286和> 250,000个试验），我们证明了对脑电图电压地形的多元分析提供了对WM中存储的项目数量的敏感指数，这些索引概括为新型人类观察者。此外，多元负载检测（“ MVLOAD”）可以在单试级别提供强大的信息，超过现有单变量方法的灵敏度。我们表明，此方法以（1）独立于备忘录的空间位置的方式跟踪WM负载，（2）足够精确地在存储的项目数量中划分项目划分，（3）可在不同的任务和刺激显示的跨个体差异，以及（4）与wm wm行为中的个体差异相关。因此，这种方法为单变量分析方法提供了强大的补充，并阐述了人类在线内存存储的时间解决方案。
大脑结构的多变量模式分析预测功能结果
摘要背景：认知训练干预措施（CT）后的认知收益与精神分裂症患者（SCZ）的功能改善有关。但是，观察到很大的个体变异性。在这里，我们评估了大脑结构特征的敏感性，以在单个学科层面预测基于听觉的认知训练（ABCT）的功能响应。方法：我们使用支持向量机（SVM）建模的全脑多变量模式分析（MVPA）来识别灰质（GM）模式，这些模式（GM）模式预测了SCZ患者在单个受试者水平的ABCT 40小时后“较高”与“较低”功能。通过通过样本外跨验证分析（OOCV）应用原始模型来评估SVM模型的概括能力，以从经历了50个小时的ABCT的独立样本中看不见的SCZ患者。结果：全脑GM体积的模式分类预测，在随访时预测了“较高”与“较低”功能，其平衡精度（BAC）为69.4％（灵敏度为72.2％，特异性66.7％），通过嵌套交叉验证确定。神经解剖模型可推广到一个独立队列的BAC为62.1％（灵敏度为90.9％，特异性为33.3％）。结论：尤其是，在SCZ参与者ABCT之后，单个受试者水平的颞上回，丘脑，前扣带回和小脑的区域中的基线GM体积更大。
GP-VAE：深概率的多元时间序列插补
具有缺失值的多变量时间序列在医疗保健和财务等领域很常见，并且多年来的数量和综合性已经增长。这提出了一个问题，是否可以在该领域中执行经典数据插补方法。然而，深度学习的幼稚应用在提供可靠的置信估计和缺乏可解释性方面缺乏。我们提出了一个新的深层连续变量模型，以减少维度和数据插补。我们的建模假设是简单且可解释的：高尺寸的时间序列具有较低的代数反应，该代态根据高斯过程在及时的及时演变而来。使用具有新型结构化变分近似的VAE方法实现了缺失数据的非线性维度降低。我们证明，我们的APS在计算机视觉和医疗保健领域的高维数据上胜过几种经典和深度学习的数据插补方法，同时增加了进化的平稳性，并提供了可解释的不良估计。
ORIGINALA RT ICLEA 可推广的人际内疚多变量大脑模式
1 北京大学心理与认知科学学院，北京 100871，中国，2 科罗拉多大学认知科学研究所，科罗拉多州博尔德 80309，美国，3 科罗拉多大学心理学与神经科学系，科罗拉多州博尔德 80309，美国，4 耶鲁大学心理学系，康涅狄格州纽黑文 06520，美国，5 日内瓦大学瑞士情感科学中心，瑞士日内瓦 1205，6 达特茅斯学院心理与脑科学系，新罕布什尔州汉诺威 03755，美国，7 明斯特大学心理学系，德国明斯特 48149，8 纽约城市大学布鲁克林学院心理学系，纽约，纽约州 11210，美国，9 行为神经学和认知成像实验室，日内瓦大学医学中心神经科学系，瑞士日内瓦 1205，10 北京大学行为与心理健康北京市重点实验室，北京 100871，中国，11 北京大学 PKU-IDG/麦戈文脑研究中心，北京 100871，中国，12 浙江师范大学心理与脑科学研究所，浙江 321004，中国，13 上海外国语大学国际商学院应用脑与认知科学重点实验室，上海 200083，中国
对实体经济的实时影响——印度数字支付系统与经济增长的多元BVAR分析
摘要 金融部门的发展在推动经济增长方面可以发挥关键作用。支付系统的创新可能会影响产出、价格和货币政策传导。然而，关于支付系统在推动经济活动方面的作用的研究明显不足，尤其是对于像印度这样的新兴经济体。本文使用多元贝叶斯向量自回归 (BVAR) 模型研究了印度数字支付系统、实时全额结算 (RTGS) 和经济增长之间的动态联系。通过对 RTGS 价值和数量的月度观察，我们发现 RTGS 的价值对经济中的收入和价格水平都有显著影响。我们的结果还表明，RTGS 和经济增长都相互产生正向和显著的影响，支持两者之间存在双向因果关系。方差分解分析证实，RTGS 和经济活动都对彼此的波动有显著影响。几项敏感性分析强化了我们的主要发现。关键词：金融创新、RTGS、经济增长、双向伤亡、贝叶斯向量自回归 JEL 分类：E32、G22、C53
使用多元解码方法评估精神分裂症 ERP 信号的信息内容
多元模式分类（解码）方法通常用于研究典型个体的神经认知处理机制，它们可用于量化单个参与者神经信号中存在的信息。这些解码方法在确定精神病和非精神病人群之间信息表示的差异方面也可能很有价值。在这里，我们检查了精神分裂症患者（PSZ）和健康对照受试者（HCS）的 ERP，他们在工作记忆任务中需要记住屏幕一侧的 1、3 或 5 个项目并忽略另一侧。我们使用 ERP 的空间模式来解码屏幕的哪一侧被保存在工作记忆中。人们可能会认为，由于噪音增加（即试验间变异性更大），PSZ 的解码准确度不可避免地会更低。然而，我们发现在记忆负荷 1 时，PSZ 中的解码准确度高于 HCS，这与之前的研究一致，在之前的研究中，在记忆负荷 1 时，PSZ 中的记忆相关 ERP 信号大于 HCS。我们还观察到，解码准确度与记忆相关 ERP 活动与噪声水平的比率密切相关。此外，我们发现 PSZ 和 HCS 中的噪声水平相似，这与 PSZ 会表现出更大的试验间变异性的预期相反。总之，这些结果表明，多变量解码方法可以有效地应用于个体参与者层面，以了解精神病人群认知功能受损的性质。