XiaoMi-AI文件搜索系统
World File Search System变换的
使用 CNN-LSTM 方法和基于图像的 GLCM 特征对颅内出血 (CT) 图像进行分类
摘要。使用基于特征的混合方法，将基于变换的特征与基于图像的灰度共生矩阵特征相结合。在对脑出血 CT 图像进行分类时，基于特征的组合策略比基于图像特征和基于变换特征的技术表现更好。使用深度学习技术（尤其是长短期记忆 (LSTM)）的自然语言处理已成为情绪分析和文本分析等应用中的首选。这项工作提出了一个完全自动化的深度学习系统，用于对放射数据进行分类以诊断颅内出血 (ICH)。长短期记忆 (LSTM) 单元、逻辑函数和 1D 卷积神经网络 (CNN) 构成了建议的自动化深度学习架构。这些组件均使用 12,852 份头部计算机断层扫描 (CT) 放射学报告的大型数据集进行训练和评估。
量子假设检验的纠结状态
大多数物理学家都是通过热力学认识熵的。熵是控制绝热过程中变换的基本量，也是唯一的量：当且仅当熵不减少 1 时，封闭系统中两个相容状态之间的变换才能实现。然而，它在更抽象的信息论领域也发挥着至关重要的作用。特别是，相对熵这一广义概念提供了一种测量概率分布可区分性的方法。将这一概念扩展到量子态具有挑战性，因为量子态的非交换性意味着有许多可能的方式来定义这种扩展。一个独特而明确的解决方案来自量子假设检验的研究——在这项任务中，我们得到两个量子态 ρ 或 σ 之一的多个副本，目标是区分这两个状态。将 ρ 误认为 σ 的概率随副本数量的增加呈指数衰减，相应的指数恰好由相对熵的量子变体给出
通过马德隆变换进行流体动力学的量子模拟
开发数值方法以在通用量子计算机上有效模拟非线性流体动力学是一项具有挑战性的问题。本文定义了 Madelung 变换的广义，以通过狄拉克方程解决与外部电磁力相互作用的量子相对论带电流体方程。狄拉克方程被离散化为离散时间量子游动，可在通用量子计算机上有效实现。提出了该算法的一种变体，用于在均匀外力的情况下使用当前噪声中间尺度量子 (NISQ) 设备实现模拟。使用该算法对当前 IBM NISQ 上的相对论和非相对论流体动力学冲击进行了高分辨率（高达 N = 2 17 个网格点）数值模拟。本文证明了可以在 NISQ 上模拟流体动力学，并为使用更通用的量子游动和量子自动机模拟其他流体（包括等离子体）打开了大门。
PSFC/JA-22-61 通过...进行流体动力学的量子模拟
开发数值方法以在通用量子计算机上有效模拟非线性流体动力学是一项具有挑战性的问题。在本文中，定义了 Madelung 变换的广义以通过狄拉克方程求解与外部电磁力相互作用的量子相对论带电流体方程。狄拉克方程被离散化为离散时间量子游动 (DTQW)，可在通用量子计算机上有效实现。提出了该算法的一种变体，以在均匀外力的情况下使用当前的噪声中间尺度量子 (NISQ) 设备实现模拟。使用该算法在当前 IBM NISQ 上执行相对论和非相对论流体动力学冲击的高分辨率（高达 N = 2 17 个网格点）数值模拟。这项工作表明可以在 NISQ 上模拟流体动力学，并为使用更一般的量子游动和量子自动机模拟其他流体（包括等离子体）打开了大门。
确定最适合基于机器学习的多光谱脑 MRI 数据分割的直方图归一化技术
摘要 — 磁共振成像 (MRI) 的主要缺点是缺乏标准强度尺度。所有观察到的数值都是相对的，只能结合其上下文进行解释。在将 MRI 数据体输入监督学习分割程序之前，需要将它们的直方图相互配准，换句话说，它们需要所谓的规范化。用于辅助脑 MRI 分割的最流行的直方图规范化技术是 Ny'ul 等人在 2000 年提出的算法，该算法对齐一批 MRI 体积的直方图，而不注意可能扭曲直方图的局部病变。另外，一些最近的研究应用了基于简单线性变换的直方图规范化，并报告了使用它们实现的略高的准确性。本文提出研究在脑 MRI 图像分割之前分别在没有和存在局部病变的情况下执行直方图规范化的最合适的方法和参数设置。
通过特定队列模板改善受损大脑的正常化
图 1 病变患者 ANTs_cohort 流程第 1 步概览。 (a) 对于标准化，我们研究了两种不同的方法，要么 (1) 将病变大脑直接标准化为 MNI-152 模板，要么 (2) 构建一个代表所研究对象的模板 (队列特定模板/CST)，并将病变大脑标准化为模板 (ANTs_cohort)。 (b) 对于后者，使用中风患者的 T1 加权图像以迭代方式构建 CST。 平均图像可用作初始估计值。 在每次迭代中，使用 SyN 微分同胚变换 T i 将原始图像扭曲到 CST。 然后将这些变换的平均值应用于上一步的模板以构建新模板。 重复此过程直至收敛。 通过这种方式，CST 为所考虑的受试者提供了代表性形态——也就是说，它与所有图像“等距”。第二步，使用约束成本函数掩蔽将原始图像归一化为 CST（参见正文）
针对隐式拒绝的Kleptographic攻击
鉴于其在诸如Crystals-Kyber之类的现代加密系统中不可或缺的作用，Fujisaki Okamoto（FO）变换将很快成为我们安全通信基础架构的中心。围绕FO变换的持久辩论是当解次失败时是否使用显式或隐式拒绝。目前，在晶体 - 凯伯（Crystals-kyber）中实施的隐性拒绝受到了一系列论点的支持。因此，了解其在不同攻击者模型中的安全含义至关重要。在这项工作中，我们通过新颖的镜头来研究隐式拒绝，即从Kleptography的角度研究。具体而言，我们考虑了一个攻击者模型，在该模型中，攻击者可以颠覆用户的代码以损害安全性，同时无法检测到。在这种情况下，我们提出了三项攻击，这些攻击大大降低了FO转换的安全水平，并具有隐式拒绝。
基于可解释的机器学习的制造业数字化转型的预测
数字转换的增强对于业务开发而言至关重要。本研究采用机器学习来建立一个用于数字转型的预测模型，研究影响数字转换的关键因素，并提出相应的改进策略。最初，比较了四种常用的机器学习算法，表明极端的树格分类（ETC）算法表现出最准确的预测。随后，通过相关分析和反复消除，选择了影响数字转换的关键特征，从而导致相应的特征子集。Shapley添加说明（SHAP）值对预测模型进行可解释的分析，从而阐明了每个关键特征对数字变换的影响并获得关键特征值。最后，通过实际考虑，我们提出了一种定量调整策略，以增强企业中数字化转型的程度，该策略为数字开发提供了指导。
半连接抛物线方程的有效指数积分元素方法
摘要。在本文中，我们提出了一种有效的指数积分有限元方法，用于求解矩形域中的一类半线性抛物线方程。提出的方法首先使用具有连续的多线矩形基函数的有限元近似进行模型方程的空间离散化，然后采用明确的指数runge-kutta方法，用于产生半差异系统的时间集成，以产生全diScrete的数值解决方案。在某些规律性假设下，在h 1 -norm中测得的错误估计值是成功得出的，该方案具有一个和两个RK阶段。更值得注意的是，该方法的质量和系数可以用正交矩阵同时对角线，该基质提供了基于张量的乘积谱分解位置和快速傅立叶变换的快速溶液过程。还进行了两个维度和三个维度的各种数值实验，以验证理论结果并证明该方法的出色性能。
无信号限制具有不确定因果结构的量子计算
当我们想知道哪些是量子理论所允许的、不假设具有任何特定因果顺序的局部系统的集合的最普遍演化时，就会出现具有不确定因果结构的量子过程。这些过程可以在高阶量子理论的框架内描述，该理论从考虑从量子变换到量子变换的映射开始，递归地构建一个阶数不断增加的量子映射层次结构。在这项工作中，我们开发了一种具有不确定因果结构的量子计算形式；即，我们描述了高阶量子映射的计算结构。采用公理方法，这种计算的规则被确定为与量子理论的数学结构兼容的高阶映射的最普遍组合。我们对任意高阶量子映射的可接受组合提供了数学表征。我们证明，这些规则具有计算和信息论性质，是由高阶量子映射的量子系统之间的信号关系的更物理的概念决定的。