XiaoMi-AI文件搜索系统
World File Search System变换算法
一个新的数学模型，用于改进基于拆分radix快速傅立叶变换算法
本文引入了一种新的加密方法，旨在通过使用分裂的radix傅立叶变换技术来改善加密过程，称为split-radix fast fast傅立叶变换（SRFFFT）。所提出的方法基于将FFT radix-2和radix-4算法拆分，以实现SRFFT两个阶段的提高信息保证。第一阶段在输入明文上使用SRFFT算法直接计算以产生密文，而第二阶段将反向的SRFFFT算法应用于Decipher。对几种类型的加密分析攻击，例如蛮力，自相关和字典攻击，进行了相对评估，SRFFFT评估的最终结果表明，在许多实用的加密应用中，SRFFFT在许多实用的加密应用中都是可取的，因为SRFFFT复杂性在SRFFFT的复杂性中随着分裂比较计算的范围而增加，从而消除了差异的范围，从而消除了隐性攻击的范围。
DOI: 10.2478/cait-2020-0017 经典图像变换算法到量子态的实现、Hal的边界提取与变换
摘要：本研究的目的是利用量子计算工具和方法对经典图像进行量子算法的计算机模拟，研究识别算法，并使用量子方法创建识别模型。量子建模方法可以将经典图像转换为量子态，选择边界并将灰度图像转换为二进制图像，并展示量子信息理论在解释经典问题方面的可能性。本文的主要成果是开发的允许识别对象的量子算法，以及旨在表示/处理彩色像素图像的量子方法。本文的科学新颖性体现在量子系统的构建上，解决计算 NP 完全问题的速度呈指数级增长，而经典机器可以在不可接受的时间内解决这些问题。撰写本文的动机是对量子计算及其保证的好处的浓厚兴趣。开发软件系统的理论基础以及为新信息技术和专用计算系统设计算法是一个充满活力的领域，这方面的现有工作数量就是明证。所开发的针对各类复杂度问题算法与现有的经典算法相比，效率有显著提高，并为许多复杂的数学（包括密码学）问题提供解决方案。
采用新颖的经验 Riglit 小波变换对脑图像进行稳健的多模态融合网络
机器学习对于模式识别很有用，如果允许它访问患者数据，它可以注意到人类医生可能忽略的模式，这可以用来预测一个人是否有患上医生无法预料到的疾病的风险。在本文中，作者提出了一种经验 Riglit 小波变换算法。在该算法中，作者融合了从 Ridgelet 和 Little wood 经验小波变换获得的 CT 和 MR 图像的滤波器组。融合使用了四种可能的组合。图像边界被评估为性能参数。这些参数有助于理解给定 CT 和 MR 图像中的小元素和细节。本文的目的是通过融合使用不同组合的 CT 和 MR 图像来对图像中的特定模式进行分类和提取。通过使用相同技术获得的融合 CT-MT 图像的滤波器组来验证所提出的算法。
gslab：用于荧光显微镜中高级相分析的开源平台
相拟合分析的基础在于使用相组合变换将图像的每个像素映射到二维空间中，称为相分子空间，基于该像素内部跨荧光寿命或光谱尺寸1,2的光子分布。每个像素在相量空间中的位置取决于光子分布的形状，并且独立于信号的强度。通过相量表示的分析不需要对样品的性质或模型的拟合的先验知识。此外，快速傅立叶变换算法的利用可实现快速计算。此分析简化了视觉检查和识别不同像素的种群，随后可以将其映射到原始的荧光图像（或图像集）3。此外，相量转换的数学特性使研究人员能够通过观察相量空间中代表的光子分布的变化来理解样品中发生的现象。在在线方法中提供了分析荧光寿命显微镜图像的相思方法背后的数学概述。
双幺正分解算法与开放量子系统模拟
对于直接实现酉门的传统量子计算机来说，模拟描述非酉演化后量子系统真实相互作用的一般量子过程是一项挑战。我们分析了有前途的方法的复杂性，例如 Sz.-Nagy 膨胀和酉函数的线性组合，它们可以通过非酉算子的概率实现来模拟开放系统，这需要多次调用编码和状态准备预言机。我们提出了一种量子二酉分解 (TUD) 算法，使用量子奇异值变换算法将具有非零奇异值的 a 维算子 A 分解为 A = ( U 1 + U 2 ) / 2，避免了经典的昂贵的奇异值分解 (SVD)，其时间开销为 O(d3)。这两个酉函数可以确定性地实现，因此每个酉函数只需要调用一次状态准备预言机。对编码预言机的调用也可以显著减少，但测量误差可以接受。由于TUD方法可以将非幺正算子实现为仅两个幺正算子，因此它在线性代数和量子机器学习中也有潜在的应用。
用于空间碎片研究的运动追踪器的开发
太空垃圾是围绕地球运行的人造物体，功能失调。太空技术的小型化和进步促进了小型卫星群数量的增加。多年来，在轨灾难性事件导致太空污染呈指数级增长，太空垃圾的覆盖范围不断扩大。一个由私人机构和太空机构组成的国际联盟共同努力，通过与主动碎片跟踪和清除方法相关的广泛研究和开发来解决这一问题。基于同样的理由，德国航空航天中心技术物理研究所正在开发地面高能激光设施和光学仪器，以跟踪和清除低地球轨道上的太空垃圾。实习项目旨在开发一种运动跟踪器软件，以跟踪通过激光与物质相互作用产生脉冲的技术演示实验中的样本。为了实现这一目标，我们审查并分析了计算机视觉中的几种物体检测和运动跟踪算法。对于物体检测，Harris 角点检测器和尺度不变特征变换算法表现出不错的成功率。基于光流点的跟踪最有希望获得三维样本轨迹，特别是在多视角相机配置中。用于软件开发的参考数据文件是整个项目期间激光与物质相互作用实验中最初获得的高速视频。