XiaoMi-AI文件搜索系统
World File Search System伪数
动态系统 - 哈佛数学部
其他领域的许多有关动态系统理论的介绍性书籍给人的印象是，该主题是关于间隔的迭代地图，观看Mandelbrot集的图片，或者查看平面中某些非线性差异方程的相位肖像。这远非现实。该主题可以看作是许多数学和非数学领域的互相关方法。该领域已经成熟并成功地用于其他领域，例如游戏理论，它用于解决拓扑中难以解决的问题，并有助于看到数字理论问题与不同的眼睛。几乎没有任何数学领域，这不涉及。例如：迭代平滑地图或流派上的平滑流源于几何形状，概率理论中的一系列独立随机变量可以建模为Bernoulli Shift，这是大数字>的定律
谁的参与数？走向技术 - ...
参与性的方法可以使社区成员能够发展其发展；但是，基于结构和身份的因素可能会阻碍公平的参与。必须批判性地研究参与发展背景的政治，动力和言论。我们通过将我们的研究置于印度政府的越来越多的努力中，以支持农村农民参与自然资源管理（NRM），以在建立气候变化弹性的同时，将我们的研究数字化来解构参与的含义，含义和需求。通过包括观察，访谈和焦点小组在内的现场研究捕获所在的本质，我们系统地分析了参与NRM的挑战，并发现了影响其工作流数字化的技术差距。我们讨论了有意义地设计和整合数字技术的社会技术考虑因素，以支持仅参与实现可持续发展。
合成数据有多真实？
我们的发现表明，LLM等LLMS产生的合成数据虽然对于早期研究和假设产生很有价值，但在准确地代表现实世界社交媒体动态方面有局限性。主要限制在于它依赖语义相似性而不是实际的共发生数据，这可能会导致与现实世界趋势脱节。但是，CHATGPT确定的类别和手动编码之间的重叠表明，LLMS仍然对主题探索很有用。未来的研究应专注于通过整合实时社交媒体数据来改善LLM模型，从而更好地反映实际趋势和共处模式。通过实时数据刮擦或对主题标签使用的上下文理解增强AI可以使合成数据更可靠。此外，将AI生成的见解与手动验证相结合可以提高社交媒体研究中的准确性和生产力。混合方法，AI和人类专业知识共同起作用，提供了一种有效的方法来分析大型数据集，同时确保
伪随机量子态密码学
伪随机态由 Ji、Liu 和 Song (Crypto'18) 引入，是可高效计算的量子态，在计算上与 Haar 随机态无法区分。单向函数意味着伪随机态的存在，但 Kretschmer (TQC'20) 最近构建了一个 oracle，相对于该 oracle 不存在单向函数，但伪随机态仍然存在。受此启发，我们研究了基于伪随机态执行有趣的加密任务的有趣可能性。假设存在将 𝜆 位种子映射到 𝜔 (log 𝜆 ) 量子比特状态的伪随机态生成器，我们构建了 (a) 统计上具有约束力且计算上具有隐藏性的承诺和 (b) 伪一次性加密方案。(a) 的结果是，伪随机态足以在多数不诚实的情况下构建恶意安全的多方计算协议。我们的构造是通过一种称为伪随机函数类状态 (PRFS) 的新概念得出的，这是伪随机状态的泛化，与经典的伪随机函数概念相似。除了上述两种应用之外，我们相信我们的概念可以有效地取代许多其他加密应用中的伪随机函数。
期望最大化伪标签
在本文中，我们研究了伪标签。伪标签使用未标记数据的原始推断作为自我训练的伪标签。我们通过建立该技术与期望最大化算法之间的联系来阐明伪标签的经验成功。通过这种方式，我们意识到原始的伪标签是其更全面的底层公式的经验估计。基于这一见解，我们提出了贝叶斯定理下伪标签的完整概括，称为贝叶斯伪标签。随后，我们引入了一种变分方法来生成这些贝叶斯伪标签，涉及学习阈值以自动选择高质量的伪标签。在本文的其余部分，我们展示了伪标签及其广义形式贝叶斯伪标签在医学图像半监督分割中的应用。具体来说，我们专注于：（1）从 CT 体积中对肺血管进行 3D 二元分割； (2) 从 MRI 体积中对脑肿瘤进行 2D 多类分割；(3) 从 MRI 体积中对整个脑肿瘤进行 3D 二元分割；(4) 从 MRI 体积中对前列腺进行 3D 二元分割。我们进一步证明伪标签可以增强学习到的表示的鲁棒性。代码发布在以下 GitHub 存储库中：https://github.com/moucheng2017/EMSSL 。
量子伪纠缠 - DROPS
纠缠是一种量子资源，在某些方面类似于经典计算中的随机性。受 Gheorghiu 和 Hoban 最近研究的启发，我们定义了“伪纠缠”的概念，这是由有效构造的量子态集合所表现出的一种特性，这些量子态与最大纠缠的量子态没有区别。我们的构造依赖于量子伪随机态的概念——最初由 Ji、Liu 和 Song 定义——这些伪随机态是有效构造的状态，与（最大纠缠的）Haar 随机态没有区别。具体来说，我们给出了伪纠缠态的构造，其纠缠熵在每个切分上任意接近 log n，这是一个严格的界限，提供了计算与信息理论量子伪随机性之间的指数分离。我们讨论了该结果在矩阵积状态测试、纠缠提炼和 AdS/CFT 对应的复杂性中的应用。与该手稿的先前版本（arXiv：2211.00747v1）相比，该版本引入了一种新的伪随机状态构造，具有更简单的正确性证明，并且同时实现了所有切口的低纠缠技术上更强的结果。