XiaoMi-AI文件搜索系统
World File Search System互信息
最大相对熵和条件最小......
我们可以更一般地为任何半正定算子 P 定义该函数，以代替密度算子 ρ ，但我们的重点将放在第一个参数为密度算子的情况。考虑量子相对熵的一种方法是，它表示以比特为单位的效率损失，当一个人提前计划 Q 但却收到 ρ 时，就会产生这种损失。这是非常不正式的，不应太当真，但我们将允许这种直观的描述来提出一些有用的术语：为了方便起见，我们将量子相对熵中的第二个参数 Q 称为模型，将第一个参数 ρ 称为实际状态。无论我们如何选择解释量子相对熵函数，都不能否认它作为“辅助函数”的巨大效用，通过它可以定义和分析基本熵量。特别是，条件量子熵和量子互信息在
在说话、聆听和自我聆听过程中，大脑对语音包络的同步时间
本研究调查了语音产生、聆听和自听过程中语音包络跟踪的动态。我们使用的范例是，参与者聆听自然语音（聆听）、产生自然语音（语音产生）和聆听自己语音的回放（自听），同时用脑电图记录他们的神经活动。在时间锁定脑电图数据收集和听觉记录与回放之后，我们使用高斯 copula 互信息测量来估计脑电图中的信息内容与听觉信号之间的关系。在 2 – 10 Hz 频率范围内，我们确定了语音产生和语音感知过程中最大语音包络跟踪的不同延迟。最大语音跟踪发生在感知过程中听觉呈现后约 110 毫秒，以及语音产生过程中发声前 25 毫秒。这些结果描述了说话者和听众语音跟踪的特定时间线，符合语音链的概念，因此也与交流延迟有关。
用非冗余小波代表高维数据的动力学
数据科学中的一个至关重要的问题是将高维数据中的有意义的信息提取到一个低维功能集中，这些特征可以在不同级别上表示原始数据。小波分析是将时间序列信号分解为具有详细时间分辨率的几个级别的普遍方法。但是，获得的小波在每个样本中以及一个人群中的不同样本之间相互交织并过度代表。在这里，使用模拟尖峰，实验性尖峰，钙成像信号和人类电视学信号的神经科学数据，我们在小波之间利用条件互信息进行特征选择。验证了所选特征的有意义，以高精度地解码刺激或条件，但仅使用一小部分特征。这些结果提供了一种新的小波分析方法，用于提取时空神经数据动力学的基本特征，然后可以通过代表性特征支持机器学习的新型模型设计。
随机量子电路中测量诱导跃迁的临界特性
我们用数值方法研究了 1 + 1 维 Haar 随机量子电路的测量驱动量子相变。通过分析三部分互信息，我们可以精确估计临界测量率 pc = 0.17(1)。我们提取了相关体积临界指数的估计值，这些估计值与渗透的值以及稳定器电路的值一致，但与之前对 Haar 随机情况的估计值不同。我们对表面序参量指数的估计似乎与稳定器电路或渗透的估计值不同，但我们不能明确排除这三种情况下所有指数都匹配的情况。此外，在 Haar 情况下，纠缠熵 S n 的前因子强烈依赖于 R´enyi 指数 n；对于稳定器电路和渗透，这种依赖性不存在。稳定器电路的结果用于指导我们的研究并识别具有弱有限尺寸效应的措施。我们讨论了我们的数值估计如何限制过渡理论。
随机量子电路中测量诱导跃迁的临界特性
我们用数值方法研究了 1 + 1 维 Haar 随机量子电路的测量驱动量子相变。通过分析三部分互信息，我们能够精确估计临界测量率 pc = 0 . 17(1)。我们提取了与渗透值以及稳定器电路值一致的相关体积临界指数的估计值，但与 Haar 随机情况的先前估计值不同。我们对表面序参数指数的估计似乎与稳定器电路或渗透的估计值不同，但我们不能明确排除三种情况下所有指数都匹配的情况。此外，在 Haar 情况下，纠缠熵 S n 的前因子强烈依赖于 Rényi 指数 n ；对于稳定器电路和渗透，这种依赖性不存在。稳定器电路的结果用于指导我们的研究并识别具有弱有限尺寸效应的度量。我们讨论了我们的数值估计如何限制转变理论。
非平衡稳态下的广泛长程纠缠
纠缠测度是定量描述非平衡量子多体系统的有力工具。我们研究了在存在散射体的情况下，零温度下典型的非相互作用费米子一维模型的载流稳态中的纠缠。我们表明，位于散射体相对侧且与散射体距离相近的不相交间隔无论它们的分离程度如何，都保持体积定律纠缠，以它们的费米子负性和相干信息来衡量。间隔的互信息（量化它们之间的总相关性）遵循类似的缩放比例。有趣的是，这种缩放比例特别意味着，如果其中一个间隔的位置保持不变，则相关性测度将非单调地依赖于间隔之间的距离。通过推导这些量的广义项的精确表达式，我们证明了它们对散射概率的简单函数依赖性，并证明了强长程纠缠是由偏压窗口内传播粒子的透射和反射部分之间的相干性产生的。该模型的通用性和简单性表明，这种行为应该表征一大类非平衡稳态。
检测工业中异常的三层方法...
摘要 — 本文介绍了一种基于物联网 (IoT) 网络和机器学习算法设计定制解决方案以检测不同工业应用中的罕见事件的通用方法。我们提出了一个基于三层（物理、数据和决策）的通用框架，该框架定义了可能的设计选项，以便可以超可靠地检测到罕见事件/异常。然后将这个通用框架应用于一个众所周知的基准场景，即田纳西伊士曼过程。然后，我们在与数据处理相关的三个线程下分析这个基准：采集、融合和分析。我们的数值结果表明：（i）事件驱动的数据采集可以显著减少样本数量，同时过滤测量噪声，（ii）互信息数据融合方法可以显著减少变量空间，（iii）用于数据分析的定量关联规则挖掘方法对于罕见事件的检测、识别和诊断是有效的。这些结果表明，集成解决方案的优势在于，该解决方案根据所提出的一般三层框架共同考虑了不同级别的数据处理，包括要采用的通信网络和计算平台的细节。
基于侧窗滤波的脑图像融合方法
脑医学图像融合在构建当代图像以增强相互和重复信息以用于诊断目的方面起着重要作用。提出了一种对脑图像使用基于核的图像滤波的新方法。首先，使用双边滤波器生成源图像的高频分量。其次，估计第一幅图像的强度分量。第三，对几个滤波器采用侧窗滤波，包括引导滤波器、梯度引导滤波器和加权引导滤波器。从而最小化第一幅图像的强度分量与第二幅图像的低通滤波器之间的差异。最后，基于三个评估指标对融合结果进行评估，包括标准差（STD）、特征互信息（FMI）、平均梯度（AG）。基于该算法的融合图像包含更多信息、更多细节和更清晰的边缘，有助于更好地诊断。因此，我们基于融合图像的方法能够很好地找到目标体积的位置和状态，从而远离健康部位并确保患者的健康。
![arXiv:2101.00175v1 [quant-ph] 2021 年 1 月 1 日](/simg/g:\will\search\icon\source\1\1a2607433483a4b46b93ee856d3592ccd5e40cd0.webp)
arXiv:2101.00175v1 [quant-ph] 2021 年 1 月 1 日
近年来，PT 对称非厄米系统因各种有趣的特性而在理论和实验上得到了广泛的研究和探索。在本文中，我们重点研究了三量子比特系统的动力学特征，其中一个特征是在局部 PT 对称哈密顿量下演化的。发现了熵演化过程中一种新的异常动力学模式，该模式呈现出一种参数相关的稳定态，这是由 PT 对称破缺相中哈密顿量的非厄米性决定的。二体子系统的纠缠和互信息可以超过初始值，这在厄米和两量子比特 PT 对称系统中是不存在的。此外，在具有核自旋的四量子模拟器上实现了对非厄米系统中具有非零熵和纠缠的稳定态的实验演示。我们的工作揭示了三量子比特 PT 对称系统中独特的动态特性，为在量子计算机上实现多方非厄米系统的实际量子模拟铺平了道路。
突触缩放——一种人工神经网络...
摘要 — 大自然一直启发着人类精神，科学家经常根据对大自然的观察开发新方法。成像和传感技术的最新进展使人们对生物神经过程有了更深入的了解。为了找到增强神经网络学习能力的新策略，我们专注于一种与生物神经网络中的学习任务和神经稳定性密切相关的现象，即稳态可塑性。在描述稳态可塑性的理论中，突触缩放被发现是最成熟和最适用的。我们系统地讨论了关于突触缩放理论的先前研究及其如何应用于人工神经网络。因此，我们利用信息论来分析评估突触缩放如何影响互信息。基于这些分析结果，我们提出了两种在简单和复杂、前馈和循环神经网络的训练过程中应用突触缩放的方式。我们在标准基准上将我们的方法与最先进的正则化技术进行了比较。我们发现，在广泛的网络前馈和循环拓扑和数据集上的实验中，与之前的正则化方法相比，所提出的方法在回归和分类任务中产生的误差最低。