XiaoMi-AI文件搜索系统
World File Search System变换
洛伦兹对称性的量子参考框架
自从量子参考系 (QRF) 变换首次出现以来，它就得到了广泛的讨论，将物理定律的协方差推广到量子领域。尽管取得了重大进展，但仍然缺乏洛伦兹对称性的 QRF 变换公式。本研究旨在填补这一空白。我们首先引入一种独立于任何优选时间切片概念的相对论量子力学的重新表述。在此基础上，我们定义了在不同相对论 QRF 视角之间切换的变换。我们引入了“量子洛伦兹变换”和“洛伦兹增强叠加”的概念，作用于量子粒子的外部自由度。我们分析了两种效应，即时间膨胀的叠加和长度收缩的叠加，只有当参考系同时表现出相对论和量子力学特征时才会出现这两种效应。最后，我们讨论了如何通过测量相对论 QRF 的波包扩展来观察这些效应。
由 Quantum Magic 提供支持的零度和有限温度量子模拟
我们引入了一种量子信息理论启发的方法来改进近期量子设备上多体汉密尔顿量的表征。我们设计了一类新的相似变换，当将其作为预处理步骤应用时，可以大大简化汉密尔顿量，以便在量子硬件上进行后续分析。根据设计，可以使用纯经典资源有效地识别和应用这些变换。在实践中，这些变换使我们能够缩短必要的物理电路深度，克服不完善的近期硬件所施加的限制。重要的是，我们的变换质量是可调的：我们定义了一个变换“阶梯”，以更经典的计算为代价产生越来越简单的汉密尔顿量。使用量子化学作为基准应用，我们证明我们的协议可以显著提高数字和模拟量子硬件上零温度和有限温度自由能计算的性能。具体来说，我们的能量估计不仅优于传统的 Hartree-Fock 解决方案，而且随着我们调整转换质量，这种性能差距也在不断扩大。简而言之，我们基于量子信息的方法为在近期硬件上实现有用且可行的量子化学算法开辟了有希望的新途径。量子化学的一个核心任务是确定电子汉密尔顿量的基态能量和有限温度自由能。虽然许多算法旨在利用量子硬件来解决问题 [ 21 , 31 , 47 , 48 ]，但近期硬件的限制，尤其是有限的电路深度，带来了挑战。解决这一难题的一种方法是
不可逆对称性通过量子操作局部起作用
简介 — 近年来，对称性的概念在量子场论和凝聚态系统的理论研究的各个方面都得到了推广。其中一种推广就是允许所涉及的对称操作具有某些不可逆性，由此产生的结构现在被称为不可逆对称性，是一个活跃的研究领域。然而，在创造这个时髦的名字之前，这种操作的重要例子已经为人所知数十年，最典型的是伊辛模型的 Kramers-Wannier 对偶变换 D。这种变换在临界状态下与哈密顿量可交换，因此起着与普通对称操作类似的作用。尽管如此，它并不完全等于 1，而是满足
三年级 B.Tech 计算机科学与工程（...
图像增强（点处理）：图像负片、阈值处理、有背景和无背景的灰度切片、幂律和对数变换、对比度拉伸、直方图均衡化和直方图规范空间域图像增强（邻域处理）：用于图像增强的低通和高通滤波、空间滤波基础、生成空间滤波器掩模 - 平滑和锐化空间滤波图像变换：一维 DFT、二维离散傅里叶变换及其逆变换、二维 DFT 的一些属性、沃尔什-哈达玛、离散余弦变换、哈尔变换、倾斜变换频域图像增强：频域滤波基础、平滑和锐化频域滤波器
电气工程技术 - CPS (EET)
EET 3750. 线性系统。（3 小时）涵盖连续和离散系统的基本理论，强调线性时不变系统。考虑信号和系统在时域和频域中的表示。主题包括线性、时不变性、因果关系、稳定性、卷积、系统互连、正弦响应以及用于讨论频域应用的傅里叶和拉普拉斯变换。分析连续波形的采样和量化（A/D 和 D/A 转换），从而讨论离散时间 FIR 和 IIR 系统、递归分析和实现。开发了 Z 变换和离散时间傅里叶变换并将其应用于离散时间信号和系统的分析。
使用带有元启发式优化非局部均值滤波器的小波变换自动识别和去除单通道脑电图中的肌肉伪影
摘要：脑电图 (EEG) 信号很容易受到肌肉伪影的污染，这可能导致脑机接口 (BCI) 系统以及各种医疗诊断的错误解读。本文的主要目标是在不扭曲 EEG 所含信息的情况下去除肌肉伪影。首次提出了一种新的多阶段 EEG 去噪方法，其中小波包分解 (WPD) 与改进的非局部均值 (NLM) 算法相结合。首先，通过预训练的分类器识别伪影 EEG 信号。接下来，将识别出的 EEG 信号分解为小波系数，并通过改进的 NLM 滤波器进行校正。最后，通过逆 WPD 从校正后的小波系数重建无伪影的 EEG。为了优化滤波器参数，本文首次使用了两种元启发式算法。所提出的系统首先在模拟脑电图数据上进行验证，然后在真实脑电图数据上进行测试。所提出的方法在真实脑电图数据上实现了 2.9684 ± 0.7045 的平均互信息 (MI)。结果表明，所提出的系统优于最近开发的具有更高平均 MI 的去噪技术，这表明所提出的方法在重建质量方面更佳并且是全自动的。