XiaoMi-AI文件搜索系统
World File Search System函数
定量双极论证图的贡献函数：基于原则的分析
正式论证已成为人工智能领域内的一个充满活力的研究领域。尤其是，形式论证的辩证性质被认为是共同的人机推理和决策的有前途的促进者，也是亚符号和符号AI之间的潜在桥梁[1]。在正式的论点中，参数及其关系作为指示图表示，其中节点是参数，边缘是参数关系（通常：攻击或支持）。从这些论点图中，得出了有关参数的可接受性状态或优势的推论。一种正式的论证方法正在增加研究的注意力是定量双极论证（QBA）。在QBA（通常是数值）权重（通常是数值的）权重（如此公认的初始优势）中分配给了参数，并且参数通过支持和攻击关系连接。因此，通过节点的传入边缘直接连接到节点的参数可以称为攻击者和支持者（取决于关系）。给出了定量的双极论证图（qbag），然后论证语义渗透了论证的最终强度。从直觉上讲，论点的攻击者倾向于降低其最终力量，而支持者倾向于增加它的最终力量。通常，正式论证和QBA的新生应用通常与解释性相关[2，3]，例如，在可解释的推荐系统[4]的背景下，回顾聚合[5]或机器学习模型，例如随机森林[6]或神经网络[7]。这遵循上述参数影响的直觉为了利用QBA作为解释性的促进者，至关重要的是，对一种论点对另一个论点的影响有一种严格的理解，这一点至关重要。
来自光电子光谱的液体的绝对电子能量和定量工作函数
视频：液体喷射光电光谱（LJ-PES）在对液体水，水溶液和挥发性液体的电子结构的实验研究中取得了突破。这种技术的新颖性可以追溯到25年以上，其中在于在真空环境中稳定连续的微米直径LJ，以实现PES研究。PES中的关键数量是与电子垂直促进到真空中的最可能的能量：垂直电离能量，vie，for中性和阳离子，或垂直脱离能量VDE，用于阴离子。这些数量可用于鉴定物种，其化学状态和粘结环境及其在溶液中的结构特性。准确测量VIE和VDE的能力至关重要。相关的主要挑战是针对明确定义的能源参考的确定这些数量。仅采用最近开发的方法是通常的测量，通常对液体可行。实际上，这些方法涉及将凝结的概念应用于从液体样品中获取光电子（PE）光谱中，而不是仅依赖自第一个LJ-PES实验以来通常实施的分子 - 物理处理。这包括在自由电子检测之前明确考虑电子遍及液体表面的遍历。与精确的电离光子能量一起，此功能可以直接确定VIE或VDE，相对于液相真空水平，从任何感兴趣的PE特征中都可以直接确定。我们相对于液态真空水平的测量VIE和VDE的方法特别涉及检测样品中发出的最低能量电子，这些电子的能量勉强能够克服表面电势并积聚在液态光谱的低能尾巴中。通过将足够的偏置电位应用于液体样品，通常可以暴露出这种低能的光谱尾部，其尖锐，低的能量截止均显示出在测得的光谱中揭示真正的动力学零，而与实验中的任何扰动固有或外部电位无关。此外，通过还确定凝结物质中常见平衡能级的溶液 - 相VIE和VDE，费米水平可以量化固态PES溶液溶液工作功能，Eφ和液体可效应表面偶极效应中普遍实现的参考能。使用LJS，只能通过控制不良的表面充电和所有其他外部电势来正确访问费米水平，从而导致所有PE特征的能量移动，并排除准确的电子能量访问。更具体地说，必须设计条件以最大程度地减少所有不良电位，同时保持样品和设备之间的平衡，内在的（接触）的电位差。建立这些液相准确的能量引用方案，重要的是，可以从近偏差溶液中确定VIE和VDE，以及批量电子结构和界面效应之间的定量区别。■密钥参考我们将在此处审查和示例这些方案，并在此处审查这些方案，并在此处进行几种示例性水溶液，重点关注最低的离子化或最低能源 - 能源PE峰，这与水相种类的氧化稳定性有关。
顺序电力市场中可再生能源的最佳竞价函数
摘要 在大多数现代能源市场中，电力都是以结算后付费拍卖的方式进行交易的。通常，多个连续市场共存，每日拍卖，每个小时产品单独交易。在每个市场和每个交易小时，每个电力生产商和消费者都会提交多个价格和数量组合，称为投标。在市场参与者提交所有投标后，每小时的市场清算价格都会公布，市场参与者必须履行其接受的承诺。对于具有随机供应或需求的市场参与者来说，相应的决策问题尤其难以解决。我们将能源交易问题表述为一个动态程序，并通过后向递归分析得出最优投标函数。我们证明，对于每个小时和市场，最优投标函数完全由两个投标定义。虽然我们关注的是具有随机供应的电力生产商（例如风能或太阳能），但我们的模型也适用于具有随机需求的电力消费者。最优政策适用于大多数自由化能源市场，几乎独立于底层电价过程的结构。
使用离散时间 H 函数减轻柔性飞机的阵风载荷 ...
湍流和阵风会导致施加在飞机结构上的空气动力和力矩发生变化，从而导致乘客不适，并且结构上必须设计能够支撑的动态载荷。通过设计阵风载荷缓解 (GLA) 系统，可以实现两个目标：第一，实现更高的乘客舒适度；第二，减少动态结构载荷，从而可以设计更轻的结构。本文提出了一种设计组合反馈/前馈 GLA 系统的方法。该方法依赖于多普勒激光雷达传感器测量的飞机前方的风廓线，并基于 H ∞ 最优控制技术和离散时间预览控制问题公式。此外，为了允许在这两个目标之间进行设计权衡（以实现设计灵活性）以及允许指定稳健性标准，引入了使用多通道 H ∞ 最优控制技术的问题变体。本文开发的方法旨在应用于大型飞机，例如运输机或公务机。模拟结果表明，所提出的设计方法在考虑测量的风廓线以实现上述两个目标方面是有效的，同时确保了设计灵活性以及控制器的稳健性和最优性。
使用Operando Neutron放射线照相监视铅酸电池函数
1 Applied Physics II系，科学技术学院，UPV / EHU，Sarriena区Z / G，48940，Leioa，Basque < / div>
在有符号累积函数中进行最近子空间搜索...
本文提出了一种使用有符号累积分布变换 (SCDT) 对一维信号进行分类的新方法。所提出的方法利用 SCDT 的某些线性化特性，使问题在 SCDT 空间中更容易解决。该方法使用 SCDT 域中的最近子空间搜索技术来提供一种非迭代、有效且易于实现的分类算法。实验表明，所提出的技术在使用极少量训练样本的情况下优于最先进的神经网络，并且对模拟数据上的分布外示例也具有鲁棒性。我们还通过将所提出的技术应用于 ECG 分类问题来证明其在实际应用中的有效性。实现所提出的分类器的 Python 代码可以在 PyTransKit [1] 中找到。
通过迭代测量辅助函数实现光谱投影的量子算法
量子力学的测量公设指出，在测量可观测量 ˆ o 时，只能观察到其特征值 on ，并且系统的状态将在测量之后立即投影到相应的特征态 | on ⟩ ，对于该特征态 ˆ o | on ⟩= on | on ⟩ 。此外，Born 规则规定，对于初始量子态 | ψ 0 ⟩ ，出现这种结果的概率为 pn = |⟨ on | ψ 0 ⟩| 2 。是否能够推导出该规则并将其从量子力学公设中剔除仍然是一个基本问题[1]。从量子信息处理的角度来看，这种谱投影的一般构造也具有实际意义。例如，参考文献[2] 构建了一种量子行走方法来实现这一点，并强调了其在执行优化问题的量子模拟退火 (QSA) 算法的关键步骤中的实用性[3]。后者可以作为绝热量子计算 (AQC) [4,5] 的替代方法。事实上，标准量子相位估计 (QPE) [6] 及其变体 [7–9] 也可以在系统不处于本征态时实现近似谱投影。QPE 在很多量子信息处理应用中都至关重要 [6]，包括因式分解，以及与本文更相关的文献 [2] 中的量子行走谱测量，以及制备热吉布斯态的相关方法 [10–13]。标准 QPE 使用 O(tg) 个受控 c − U2k 形式酉门（k = 0 至 tg − 1）对相位值的 tg 个二进制数字进行编码（以 2π 为单位），并且它需要 O(t2g) 个门在逆量子傅里叶变换中检索相位 [6]。至于 QPE 的精度，为了使相位在 m 个二进制数字中准确，且成功概率至少为 1 − ϵ ，所需的辅助量子比特总数为 tg = m + log 2 (2 ϵ + 1 / 2 ϵ ) [ 6 ] 。换句话说，使用 tg 个辅助量子比特可以使相位值在 tg − log 2 (2 ϵ + 1 / 2 ϵ ) 二进制数字中准确。因此，相位的精度受到用于表示相位值以及用作光谱投影子程序时可用的辅助量子比特数量的限制
将动态MRI的深度学习膀胱分割的损失函数结合起来
摘要 - 植物遗传疾病主要影响妇女，并成为一个公共卫生问题，尽管他们的病理生理学仍然知之甚少。作为主要的器官经历了针对病理学的运动和变形，动态MRI是现在的放射科医生的金标准。器官边界，器官形状的受试者间变异性和病理畸形使得段难以执行。为了开发一个朝着病理分级的成像软件，器官边界的MRI分割的准确性是一个关键标准。自动方法尚未足够准确，无法替代强制性的手动分割步骤。已经开发了使用完全卷积神经网络（FCN）的自动分割方法，但通常用于训练的损耗功能通常不足以适合器官边界检测。我们提出了一个专门用于器官边界检测的损失函数，以增强训练，从而提高结果准确性。使用基线U-NET体系结构[1]对Dynamic 2D MRI的膀胱分割进行了评估该方法。结果表明，与广泛使用的骰子损失相比，我们的边界损失函数以及骰子损失的使用优于现有方法，并提高了分割精度。索引项 - 图像分割，完全卷积的网络，混合损失，距离损失，动态MRI，骨盆
正面theta脑活动随着手术经验和任务错误的函数而变化
对手术专业知识的抽象客观研究几乎完全集中在公开的行为特征上，而几乎没有考虑基本的神经过程。神经影像技术的最新进展，例如，无线，可穿戴的头皮记录的脑电图（EEG），可以深入了解控制性能的神经过程。我们使用头皮录制的脑电图来检查手术专业知识和任务性能是否可以根据称为额叶Theta的振荡性脑活动信号来区分，这是一种认知控制过程的假定生物标志物。设计，设置和参与者的行为和脑电图数据是从1年（n = 25）和4年经验（n = 20）的牙科手术学员那里获取的，而他们在虚拟现实手术模拟器上执行低和高难度的钻探任务。在正面电极（索引额叶theta）中的4-7 Hz范围内的EEG功率是经验，任务难度和错误率的函数。结果对于专家而言，新手的正面theta功率更大（p = 0.001），但没有根据任务难度（p = 0.15）的变化，并且没有经验×难度互动（p = 0.87）。大脑 - 行为相关性显示，在经验丰富的组中，额叶theta和错误的误差之间存在显着的负相关关系（r = -0.594，p = 0.0058），但新手没有这种关系。结论我们发现额叶theta功率在手术经验之间有区别，但仅与经验丰富的外科医生的错误率相关，同时执行艰巨的任务。这些结果为专业知识与外科手术表现之间的关系提供了一种新颖的看法。
基于在线强化学习的实时策略任务动态自适应评估函数
摘要。实时战略任务的有效评估需要自适应机制来应对动态和不可预测的环境。本研究提出了一种改进评估函数以实时响应战场态势变化的方法，利用实时战略游戏中基于在线强化学习的动态权重调整机制。该方法在传统静态评估函数的基础上，利用在线强化学习中的梯度下降来动态更新权重，并结合权重衰减技术确保稳定性。此外，还集成了 AdamW 优化器，实时调整在线强化学习的学习率和衰减率，进一步减少对人工参数调整的依赖。循环竞赛实验表明，该方法显著提升了 Lanchester 作战模型评估函数、Simple 评估函数和 Simple Sqrt 评估函数在 IDABCD、IDRTMinimax、Portfolio AI 等规划算法中的应用效果。该方法显著提高了得分，并且随着地图尺寸的增加，这种增强变得更加明显。此外，对于所有评估函数和规划算法，该方法引起的评估函数计算时间的增加都保持在 6% 以下。所提出的动态自适应评估函数为实时战略任务评估提供了一种有前途的方法。