XiaoMi-AI文件搜索系统
World File Search System似然函数
利用量子电路对确定光子数态的相位进行估计
我们提出了一种将传统光学干涉测量装置映射到量子电路中的方法。通过模拟量子电路，可以估计存在光子损失时马赫-曾德尔干涉仪内部的未知相移。为此，我们使用贝叶斯方法，其中需要似然函数，并通过模拟适当的量子电路获得似然函数。比较了四种不同的确定光子数状态（均具有六个光子）的精度。我们考虑的测量方案是计算干涉仪最终分束器后检测到的光子数量，并使用干涉仪臂中的虚拟分束器来模拟光子损失。我们的结果表明，只要光子损失率在特定范围内，所考虑的四种确定光子数状态中的三种可以具有比标准干涉极限更好的精度。此外，还估计了装置中四种确定光子数状态的 Fisher 信息，以检查所选测量方案的最优性。
动态量子态的自适应量子态估计
我们提出了一种非稳态量子态的自适应量子态估计方法，并通过数值模拟和实验研究验证了该方法。自适应量子态估计通过在检测到每个量子时更新测量配置，为估计未知输入量子态提供了一种渐近最优方案。然而，以前的方法只对具有相同量子态（稳态）的量子有效。通过采用固定数量的最近检测结果的似然函数，我们的顺序自适应量子态估计允许估计随时间变化的量子态。数值模拟结果和使用光子的实验演示与理论预测非常吻合。该方法将应用于需要估计动态变化的量子态的各个领域。
引文 (APA)：Magnusson, M.、Andersen, MR、Jonasson, J. 和 Vehtari, A. (2020)。La 中的贝叶斯模型比较的留一交叉验证
所提方法的计算成本取决于我们需要计算 ˜ π i 的观测总数，因此在大多数情况下，计算 ˜ π 将占主导地位。这使得了解这些成本与似然函数 P 中的参数总数（而不是模型中的参数总数）和后验抽取总数 S 的关系变得很重要。表 1 列出了所提出的不同近似值的总体成本。计算完整的 PSIS-LOO 的成本为 O(nPS)，因为对数似然的评估与 P 是线性的，即与 WAIC 的复杂度相同，但常数更大。可以根据特定似然做出不同的权衡，其中近似成本范围从最便宜的 plpd 到最昂贵的 WAIC/TIS（具有大量后验抽取 S）。 plpd 仅计算一次对数似然，而完整的 WAIC/TIS 方法需要计算 S 次。
神经网络是学习时间段的模型...
本文提出了一种新颖的学习方法，用于复发神经网络（RNN）专家模型的混合，该模型可以通过在专家之间动态切换来获取生成所需序列的能力。我们的方法基于使用梯度下降算法的最大似然估计。此方法类似于常规方法中使用的方法。但是，我们通过添加一种机制来改变每个专家的差异来修改似然函数。所提出的方法被证明是成功地学习了一组9个Lissajous曲线之间的Markov链切换，而常规方法会失败。根据所提出的方法的概括能力分析的学习绩效也被证明优于常规方法。随着添加门控网络，该提出的方法成功地应用于小型类人机器人的感觉 - 运动流，作为时间序列预测和生成的现实问题。©2008 Elsevier Ltd.保留所有权利。
用于准确有效的从头基因组的新算法...
由于长期阅读的DNA测序技术，可以进行复杂基因组的从头基因组组件。但是，基于长阅读的组件质量最大化是一项具有挑战性的任务，需要开发专门的数据分析技术。我们提出了用于组装单倍体和二倍体生物的长DNA测序读数的新算法。组件算法构建了一个无方向的图，每个读取两个顶点是根据由k-mer分布得出的哈希函数所指出的最小化器所读取的。在图形构造过程中收集的统计信息被用作通过选择边缘来构建布局路径的功能，该边缘通过似然函数排名。对于二倍体样品，我们整合了对RefHAP算法进行分子相分化的重新配置。我们在PACBIO HIFI和纳米孔测序数据上运行了从不同物种的单倍体和二倍体样品中采集的纳米孔测序数据。与当前使用的其他软件相比，我们的算法表现出竞争精度和计算效率。我们希望这种新的发展对于为不同物种建立基因组组件的研究人员将很有用。
使用基于 copula 的耦合马尔可夫链表征地下施工中有限钻孔的地质不确定性
本文提出了一种量化地层不确定性和基于钻孔建模地质构造的有效方法。使用两个马尔可夫链描述不同方向的土壤转变，马尔可夫链的转变概率矩阵 (TPM) 用 copula 进行解析表示。这种 copula 表达式非常高效，因为它可以用几个未知参数表示较大的 TPM。由于 TPM 的解析表达式，马尔可夫链模型的似然函数以显式形式给出。然后将 TPM 的估计重新转换为多目标约束优化问题，旨在最大化两个独立马尔可夫链在一系列参数约束下的似然。与通过计算土壤类型之间的转变次数来确定 TPM 的方法不同，所提出的方法在统计上更为合理。此外，提出了一种随机路径抽样方法来避免模拟中的方向效应问题。某个位置的土壤类型是根据沿基本方向的已知最近邻点推断出来的。基于皮卡德定理和贝叶斯规则，提出了一种用于土壤类型生成的条件概率的一般形式。所提出的地层表征和模拟方法应用于从中国武汉某建筑工地收集的实际钻孔数据。结果表明，所提出的方法预测准确，并且在模拟过程中不会出现偏差。
使用深度神经密度估计器进行癫痫全脑网络建模的基于模拟的推理
癫痫的全脑网络建模是一种数据驱动的方法，它将个性化的解剖信息与异常大脑活动的动态模型相结合，以生成在大脑成像信号中观察到的时空癫痫发作模式。这种参数模拟器配备了一个随机生成过程，它本身为推断和预测受疾病影响的局部和整体大脑动态提供了基础。然而，全脑尺度的似然函数计算往往是难以解决的。因此，需要无似然推理算法来有效估计与大脑中假设区域有关的参数，理想情况下包括不确定性。在这项详细的研究中，我们提出了基于模拟的虚拟癫痫患者 (SBI-VEP) 模型推理，它只需要前向模拟，使我们能够摊销代表全脑癫痫模式的低维数据特征参数的后验推断。我们使用最先进的深度学习算法进行条件密度估计，通过一系列可逆变换检索参数和观测值之间的统计关系。这种方法使我们能够根据新输入数据轻松预测癫痫发作动态。我们表明，SBI-VEP 能够从颅内 EEG 信号的稀疏观测中准确估计与大脑中致痫区和传播区范围相关的参数的后验分布。所提出的贝叶斯方法可以处理非线性潜在动力学和参数退化，为从神经影像学模式可靠地预测神经系统疾病铺平了道路，这对于制定干预策略至关重要。