XiaoMi-AI文件搜索系统
World File Search System信息熵
对基于频率通道的CNN解释抑郁识别
在线端到端脑电图（EEG）具有高性能的分类可以评估严重抑郁症患者（MDD）患者的大脑状况（MDD），并在及时跟踪其发育状况，以最大程度地减少陷入危险和自杀的风险。但是，由于（1）嵌入式密集的噪声以及由大脑状态的进化确定的内在非平稳性，这仍然是一项巨大的研究挑战，（2）在脑部疾病攻击过程中缺乏有效的神经网络与脑状态之间复杂关系的脱钩。这项研究设计了基于频道的卷积神经网络（CNN），即FCCNN，以准确而快速地识别抑郁症，这将脑部节律融合到分类器的注意机制中，旨在将数据的最重要部分集中在数据中最重要的部分并改善分类效果。此外，为了了解分类器的复杂性，本研究提出了一种基于高性繁殖（AP）聚类分区的信息熵的计算方法，以衡量在每个通道或大脑区域上作用的分类器的复杂性。我们在抑郁评估上进行实验，以识别健康和MDD。结果报告说，所提出的解决方案可以识别MDD的精度为99±0.08％，灵敏度为99.07±0.05％，而特定率为98.90±0.14％。此外，关于FCCNN的定量解释的实验说明了抑郁症患者的额叶，左和右颞叶与健康对照组之间的显着差异。
比勒陀利亚大学战略计划2022 - 2026
摘要：以前的能量性能研究忽略了信息熵在输入和输出懈怠之间反馈过程中的作用。可以通过从增加的产出如何产生减少的投入和反之亦然的能力来实现卓越的能量性能。本文通过在35年期间对美国州进行评估，以代替相关的社会经济和人口统计学变量来评估这一差距。美国是世界上最大的能源生产商和消费者，不仅以有效的能源使用的创新而闻名，而且还以能源领域的管理反馈机制而闻名，从而确保了发电和消费的持续改善。首先，开发了一种新型的SEA-IS（用于理想解决方案的随机 - 凝集分析），以评估美国州各州不同最佳还原分位数的能量懈度最小化可能产生的潜在信息获得。这个非线性随机优化模型不仅依赖于β分布的先验来对学习反馈的赔率进行建模，而且还占据了DEA和TOPSIS方法中具有众多优势的优势。机器学习方法还用于从上下文变量方面预测信息的收益。的结果表明，加利福尼亚是唯一表明互相反馈和效率持续提高的美国州。有足够的范围来利用信息提高在提高能源效率方面的力量，尤其是在美国37个州，这表明公私合作伙伴关系的范围可以实现这一目标。
光伏转换的非互易光子管理：设计和基本效率限制
摘要。在开发具有破缺基尔霍夫对称性的非互易光学元件方面取得了重大进展，为通过重复使用发射光子将光伏 (PV) 转换效率提高到超越肖克利-奎塞尔极限铺平了道路。最近的论文分析了具有多个或无限多个多结电池的 PV 转换器，其中电池通过非互易滤波器（光学二极管）耦合，使得一个电池发出的光被另一个电池吸收。我们提出并研究了一种具有非互易外部光子回收的单电池转换器，该转换器可由同一电池重新吸收和重复使用发射光。我们从遍历性、无序性、能量可用性、信息熵和相干性的角度考虑了阳光中光子的属性，并确定了内可逆热力学对最大功率输出时转换效率施加的基本限制。我们的结果表明，具有理想多结电池的非互易转换器可以接近卡诺效率，而精确地在卡诺极限下工作则需要无数个光子循环过程。这一要求解决了光学二极管著名的热力学悖论，因为无限循环增强的电池或光学系统中的任何小耗散都将使转换器工作稳定在卡诺极限以下。我们将内可逆热力学推广到具有非零化学势的光子分布，并推导出非互易单结 PV 转换器的极限效率。评估了该转换器与可用 GaAs 太阳能电池的性能。© 作者。由 SPIE 根据知识共享署名 4.0 国际许可发布。分发或复制本作品的全部或部分内容需要完全署名原始出版物，包括其 DOI。[DOI：10.1117/1.JPE.12.032207]
插入手稿的标题
在本文档中，提出了一个新型的图像加密设计系统，该系统利用定点流密码混乱图。该系统由固定的混乱地图与生成的32位伪号（PN）组成，所有这些都使用字段可编程门阵列（FPGA）通过Xilinx System Generator（XSG）环境实现。这项工作涉及的最常见的基于混乱的密码是逻辑，Lozi和帐篷。每种类型的参数确定解密原始图像的原始像素所需的关键空间，Logistic Map具有一个参数R，Lozi具有两个参数α和β，帐篷有一个参数µ。主要想法是结合另一个参数伪数（PN）以增加关键空间，这是针对蛮力攻击的安全性能的主要衡量标准。创新的伪数量生成器（PRBG）称为这些混沌图被称为固定点级联混沌maps-prbg（fpccm-prbg），其中八个最不重要的位，32位伪数字生成器（PN）此方法被称为固定点casgoto cascaTo cascadoico casgotic maps-ppcm fpcm fpcm。使用国家标准技术研究所（NIST）测试评估生成的密钥的随机性，包括频率，频率（Mono BIT）和运行测试。通过直方图分析，相关系数分析，信息熵，像素更改速率和结构相似性评估的安全性能。Xilinx系统生成器是用于工作实施的MATLAB/SIMULINK环境中的有效工具。32 MB/秒。32 MB/秒。使用Zynq 7000 SOC ZC702评估套件上使用共模拟方法实施的系统，关键空间为2 288，吞吐量为269。
优化储能系统配置...
随着风电、光伏等可再生能源的大规模接入，在增加间歇性可再生能源利用的同时，还需要维持电力系统电压的稳定性。储能技术的快速发展使得部署储能系统 (ESS) 来支持电压调节成为可能。本文开发了一种 ESS 优化方法来估算支持配电网电压调节的分布式 ESS 的最佳容量和位置。首先对集成了 PV 和 ESS 的网络电气元件进行建模，以模拟网络的电压曲线。然后采用改进的多目标粒子群优化 (PSO) 算法来最小化整个网络和时间范围内总节点电压与标称水平的偏差与反映相关投资的 ESS 能量容量的加权和。改进的 PSO 算法根据每个粒子与种群中已知最佳粒子的距离自适应地调整与每个粒子相关的惯性权重，并引入小距离的交叉变异操作以避免陷入局部最优解。然后采用动态密集距离排列更新非劣解集并指向潜在的全局最优解，以保持最优Pareto解集的规模和均匀性。为减轻决策者偏好的影响，采用基于信息熵的与理想解相似度排序技术从Pareto解集中选择最优的ESS接入方案和容量组合。基于附加高压电源进口的IEEE 24节点系统对所提出的ESS优化方法进行了测试。模拟了没有ESS以及随机或优化ESS放置的网络电压曲线，以说明优化的ESS在正常运行下进行电压调节和在高压输电故障期间支持应急电源的有效性。
具有量子安全轻量级加密技术...
摘要 — 量子置换垫或 QPP 最早由 Kuang 和 Bettenburg 于 2020 年提出 [15]。QPP 是一种由多个 n 量子比特量子置换门组成的通用量子算法。作为一种量子算法，QPP 既可以在量子计算系统中实现为对 n 量子比特状态进行操作以进行转换的量子电路，也可以在由 n 位置换矩阵垫表示的经典计算系统中实现。QPP 具有两个独特的特点：巨大的香农信息熵和置换矩阵之间的非交换性或广义不确定性原理。置换变换是输入信息空间和输出密文空间之间的双射映射。这意味着，由于不确定性关系，QPP 具有可重用的香农完全保密性。QPP 是希尔伯特空间上一次性垫或 OTP 的推广，而 OTP 是伽罗瓦域上 QPP 的简化。基于此，本文研究了一种 AES 变体，将 AES 的 ShiftRows 和 MixColumns 与 QPP 结合起来，形成一种量子安全轻量级密码体制，称为 AES-QPP。AES-QPP 将 SubBytes 和 AddRoundKey 与 16 个 8 位置换矩阵的相同 QPP 结合起来，本质上 SubBytes 是一个特殊的 8 位置换矩阵，AddRoundKey 是从 XOR 操作中选择的 16 个 8 位置换矩阵。通过随机选择 16 个带有密钥材料的置换矩阵，AES-QPP 可以容纳总共 26,944 位香农熵。它不仅提高了对差分和线性攻击的安全性，而且还将轮数大大减少到 5 轮。AES-QPP 可能是量子安全轻量级密码体制的良好候选者。
一种新颖的保守混乱驱动的动态DNA编码图像加密
最近，已经开发了许多基于混合DNA和混乱的图像加密算法。这些算法中的大多数利用混沌系统在分叉图中表现出耗散动力和周期性的窗口/图案以及参数空间附近共存的吸引子。因此，这种算法产生了几个弱键，从而使它们容易受到各种混乱的攻击。在本文中，我们提出了一种新型的保守性混沌标准MAP驱动的动态DNA编码（编码，加法，减法和解码），以进行图像加密。是第一个杂种DNA和基于保守的混乱图像加密算法，具有有效的有限键空间。所提出的图像加密算法是一种动态的DNA编码算法，即用于对每个像素不同规则进行编码，加法/减法，解码等的加密规则。是根据借助保守性混沌标准图生成的伪界序列随机选择的。我们提出了一种新型的方法，可以通过保守的混沌标准图生成伪随机序列，并在最严格的伪随机测试套件（NIST测试套件）中严格测试它们，然后在建议的图像加密算法中使用它们。我们的图像加密算法结合了独特的进纸和反馈机制，以生成和修改动态的一次性像素，这些像素被进一步用于加密普通图像的每个像素，从而在明文上和ciphertext上引起了所需的敏感性。在该算法中使用的所有控制伪序序列都是为参数的不同值（秘密键的一部分）而产生的，并通过混乱映射的迭代（在生成过程中）具有相互依赖性（因此在生成过程中），因此也具有极高的密钥灵敏度。绩效和安全分析已通过直方图分析，相关分析，信息熵分析，基于DNA序列的分析，感知质量分析，关键灵敏度分析，纯文本灵敏度分析，经典攻击分析等进行了广泛的执行。<结果是有希望的，并证明了该算法对各种常见的隐式分析攻击的鲁棒性。
信息论在计算生物学和生物信息学中的应用进展和机遇
本社论旨在简要介绍信息论在计算生物学和生物信息学领域的应用历史；简洁地总结相关研究的现状和面临的挑战；并描述本期《熵》杂志特刊以“计算生物学中的信息论”为主题的特刊所邀请内容的范围。信息论作为一个研究领域，始于 1948 年克劳德·香农 (Claude Shannon) 的开创性专著《通信的数学理论》的出版[ 1 ]。这项工作引入了包括信息熵、互信息（后来由罗伯特·M·法诺 (Roberto M. Fano) [ 2 ] 创造的一个术语）和将信息表示为二进制数字（位，这个术语归功于约翰·图基 (John Tukey)）[ 3 ] 等概念。香农的工作超越了哈里·奈奎斯特和拉尔夫·哈特利在 20 世纪 20 年代以及阿兰·图灵和诺伯特·维纳在 20 世纪 40 年代的相关工作 [ 4, 5 ]，描述了数据传输和压缩的基本定律 [ 6 ] 以及在噪声信道上通信效率的理论极限 [ 7 ]。作为一个与概率、统计学和计算机科学 [ 6 ] 等许多学科相交叉的统一理论，信息论被用于研究各种系统中信息的提取、传输、处理和使用。香农的概念以及受其启发的概念构成了现代数字信息技术的基础 [ 5 ]。 20 世纪 60 年代，晶体学等实验方法的改进以及分子生物学方法在生物学分支学科的迅速扩展，使生物学家能够加深对各种现象的理解 [8]，包括 RNA 密码的特征 [9]、蛋白质的结构 [10,11] 以及基因和蛋白质的进化 [10,12–14]。分子生物学的中心法则 [15] 是在 RNA 转录和翻译过程的基础性发现之后发展起来的。随着 20 世纪 60 年代计算机科学理论的出现和现代计算时代的到来，应用计算策略解决生物学问题，开创了计算生物学领域 [16]。计算方法在生物学问题上的早期应用包括进化的计算研究[17]和蛋白质结构[18]，以及第一个序列比对算法的开发[19,20]。我们注意到，计算生物学有时与生物信息学[21-23]互换使用，尽管这些学科也经常以各种方式区分。我们做出以下区分：生物信息学致力于开发算法、数据库、软件工具和其他计算资源，以便对生物数据进行深入分析，包括其获取、存储、量化、注释、视觉探索和其他形式的处理 [ 23 ]。生物信息学项目的单个基于软件的产品通常可以广泛应用于解决各种生物学问题。作为对生物信息学范围的补充，计算生物学旨在