XiaoMi-AI文件搜索系统
World File Search System信息理论
语义信息理论概述
与当前的通信理论不同，该理论将信息量视为消息统计稀缺性的度量，概述了语义信息理论，其中给定语言系统中句子所携带的信息概念被视为与该句子的内容同义，以某种方式规范化，语义信息量的概念通过该内容的各种度量来阐明，所有度量均基于涵盖内容的逻辑概率函数。绝对度量和相对度量是有区别的，因此 D 函数适用于仅与演绎推理相关的环境，而 I 函数适用于归纳推理足够的环境。在研究的两种主要信息量类型中，一种是 cont，对于内容排他性的句子是加性的，另一种是 inf，对于归纳独立的句子是加性的。后者在形式上类似于传统的信息度量函数。研究了各种信息量估计函数，从而得到了当前传播理论中概念和定理的广义语义相关性。初步定义了语义噪声的概念，以及语言系统概念框架的效率和冗余性。建议语义信息是一个比其传播对应概念更容易应用于心理学和其他研究的概念。
信息理论下限的信息理论上界限
了解过度参数化模型的成功似乎具有挑战性。部分，由于该过程的违反直觉。共同的智慧表明，在学习中，必须对问题的问题有一定的良好偏见，并且在学习时，我们需要将自己限制在不能过分贴上数据的模型类别中。这种直觉是通过经典学习模型（例如PAC LearningValiant [1984]以及回归Alon等人的理由证明的。[1997]。在这些古典模型中，甚至可以证明Vapnik和Chervonenkis [2015]，Blumer等。[1989]，学习需要比学习类别的能力更多的示例，并且避免插值对于概括是必要的。这些结果是在与分布无关的设置中获得的，其中人们假定数据上的最差分布。
伪科学的意识综合信息理论
媒体报道始于公共活动，大规模对抗协作的作者分享了他们的发现，这些发现被报道为经验测试，并部分支持IIT 1-5。此消息在预印本之前直接传达给记者和公众1,2，因此在同行评审之前。这些实验似乎由不同实验室的大批学员巧妙地执行。然而，通过设计，研究仅测试了某些理论家做出的一些特质预测，这些预测与IIT 3,6,7的核心思想在逻辑上并不相关，因为其中一位作者本人也承认8。因此，这些发现并不支持该理论本身实际上经过有意义测试的说法，或者它具有“主导”，“良好的”或“领先”状态1-5,8。不幸的是，这种重要的细微差别在媒体报道1-5中丢失了。在科学界9-11中也质疑了这些主导地位的主张，但在6,8,12-16年中，IIT的支持者反复向公众广播。
量子信息理论CHSH不等式
CHSH游戏是一个由爱丽丝和鲍勃的玩家组成的两人游戏，他们分别从裁判查理（Charlie）中分别获得了x∈{0，1}和y∈{0，1}作为输入（或“问题”）。两个玩家都必须向查理发送输出，而不会以任何方式进行交流（他们事先知道他们的两个输入都是从{0，1}随机选择的，即所有可能的4个可能的输入对（0,0），（0,1），（1,0），（1,1）均可能同样可能）。说，爱丽丝的回答是a，鲍勃的答案是b。任务是为了让爱丽丝和鲍勃提供每个问题的匹配输出（即a = b）除非问题为（1,1）（其中其输出必须为a̸= b）。也就是说，在收到两个答案之后，查理决定了球员是赢还是输掉比赛，这意味着一个人不可能赢得胜利，而另一个则不可能输掉比赛。
Omar Fawzi，PaulFermé。广播频道编码：算法方面和非信号辅助。 IEEE信息理论交易，2024，70 智能原型的霍斯学学习 使用元词，基因组学和异源表达方法的组合
我们解决了为经典广播渠道编码的问题，该问题需要通过在广播频道上发送固定数量的消息来最大化成功概率。对于[1] a（1- e-e-1）在多项式时间内运行的[1] A（1- e-e-1）中发现的Barman和Fawzi的，Barman和Fawzi 表明，实现严格的更好近似值率是NP-HARD。 此外，这些算法结果是它们在对点对点通道的不信号辅助方面建立的局限性的核心。 自然要询问广播通道是否存在类似的结果，并利用通道编码问题的近似算法与非信号辅助能力区域之间的链接。 在这项工作中，我们在广播渠道的算法方面和非信号辅助助理区域做出了一些贡献。 对于确定性广播渠道的类别，我们描述了在多项式时间内运行的A（1- e -e -1）2- approximation算法，并且我们表明该类别的容量区域在有或没有非信号辅助的情况下相同。 最后，我们表明，在价值查询模型中，对于一般广播通道编码问题，我们无法在多项式时间内实现比ω1√m更好的近似值，其中M的大小是通道的一个输出之一。，Barman和Fawzi 表明，实现严格的更好近似值率是NP-HARD。 此外，这些算法结果是它们在对点对点通道的不信号辅助方面建立的局限性的核心。 自然要询问广播通道是否存在类似的结果，并利用通道编码问题的近似算法与非信号辅助能力区域之间的链接。 在这项工作中，我们在广播渠道的算法方面和非信号辅助助理区域做出了一些贡献。 对于确定性广播渠道的类别，我们描述了在多项式时间内运行的A（1- e -e -1）2- approximation算法，并且我们表明该类别的容量区域在有或没有非信号辅助的情况下相同。 最后，我们表明，在价值查询模型中，对于一般广播通道编码问题，我们无法在多项式时间内实现比ω1√m更好的近似值，其中M的大小是通道的一个输出之一。表明，实现严格的更好近似值率是NP-HARD。此外，这些算法结果是它们在对点对点通道的不信号辅助方面建立的局限性的核心。自然要询问广播通道是否存在类似的结果，并利用通道编码问题的近似算法与非信号辅助能力区域之间的链接。在这项工作中，我们在广播渠道的算法方面和非信号辅助助理区域做出了一些贡献。对于确定性广播渠道的类别，我们描述了在多项式时间内运行的A（1- e -e -1）2- approximation算法，并且我们表明该类别的容量区域在有或没有非信号辅助的情况下相同。最后，我们表明，在价值查询模型中，对于一般广播通道编码问题，我们无法在多项式时间内实现比ω1√m更好的近似值，其中M的大小是通道的一个输出之一。
班级概括错误：信息理论分析
现有的监督学习的概括理论通常采用整体方法，并为整个数据分布的预期概括提供了界限，该方法隐含地假设该模型对所有不同类别的概括都相似。但是，在实践中，不同类别之间的概括性能存在显着差异，而现有的泛化范围无法捕获。在这项工作中，我们通过从理论上研究班级化误差来解决这个问题，从而量化了每个单独类别的模型的概括性能。我们使用KL Divergence得出了一种新的信息理论，用于类临时误差，并使用有条件相互构成的有条件相互结合的最新进展进一步获得了几个更紧密的界限，从而实现了实际评估。我们从经验上验证了各种神经网络中提出的界限，并表明它们准确地捕获了复杂的类概括行为。此外，我们证明了这项工作中开发的理论工具可以应用于其他几种应用程序。
张量产品的随机子空间的浓度估计，并应用于量子信息理论
给定一个随机子空间H n在Hilbert Space的张量中均匀地选择了v n w w，我们认为相对于张量结构，H n h n元素的所有单数值的集合k n。在WIFED的背景下，该随机集获得了大量定律，并且在[3]中以相同的速度以相同的速度倾向于h n，v n的尺寸。在本文中，我们提供了衡量浓度估计值。K n的概率研究是由量子信息理论中重要问题的动机，并允许为尺寸提供最小的已知维度（184），即一个Ancilla空间，允许最小输出熵（MOE）违规。通过我们的估计，作为应用程序，我们可以为发生MOE发生的空间的维度提供实际界限。
研究人员揭示量子信息理论与粒子和凝聚态物理学之间的联系
在物理学中，对称性为理论的性质提供了重要线索。例如，如果同时用 S 极替换磁场中的 N 极，用 N 极替换 S 极，即使磁场的方向已反转，物体所受的力和磁场中储存的能量仍保持不变。这是因为描述磁场的方程式相对于交换 N 极和 S 极的操作是对称的。