计算机科学系 17 4101 - 极端规模分类的深度学习 17 4301 - 开发虚拟现实环境来研究人类的心理旋转。 18 4103 – 深度表示学习等(多个主题中的 5 个职位) 19 4104 - 用于合成时间序列生成的 Transformer 20 4105 - 临床文本的自动摘要 21 4106 - 理论计算机科学(7-14 个职位,众多教授) 22 4107 - 来自多物理模拟的大规模数据的 3D 可视化和模式识别 23 4108 - 网络封锁:COVID19 大流行对人们的网络浏览行为的不平等影响 24 4109 - 信息过载:多少才算太多?检查网络上个人信息处理能力的不平等 25 4110 - 用于研究两极分化的新闻文章特征的 NLP 方法 25 4111 - 基于格的密码学 26 4112 - 通过封面源切换实现可证明的图像和音频隐写术 26 4113 - 即将公布 27 4114 - DNAforge:DNA 纳米技术的设计工具 28 4115 - 不确定性下的基于深度模型的强化学习 29 4116 - 学习深度可处理模型 30 4117 - 用于安全迭代模型构建的贝叶斯工作流程 31 4118 - 人工智能技术的安慰剂效应 31
量子性证明是一种可证明的方法(向经典验证者证明),量子设备可以执行具有同等资源的经典设备无法执行的计算任务。提供量子性证明是构建有用的量子计算机的第一步。目前有三种方法可以展示量子性证明:(i)反转经典困难的单向函数(例如使用 Shor 算法)。这在技术上似乎遥不可及。(ii)从经典难以采样的分布中采样(例如 BosonSampling)。这可能在近期实验的范围内,但对于所有这些已知验证任务,都需要指数时间。(iii)基于加密假设的交互式协议。使用陷门方案可以实现有效的验证,并且实现所需的资源似乎比(i)少得多,但仍比(ii)多。在这项工作中,我们提出了一种显著简化方法 (iii) 的方法,即采用随机预言启发式方法。(我们注意到,我们不应用 Fiat-Shamir 范式。)我们基于任何无爪陷门函数给出了量子性的双消息(质询-响应)证明。与早期的提议相比,我们不需要自适应硬核位属性。这允许使用更小的安全参数和更多样化的计算假设(例如带错误的环学习),从而显著减少成功演示所需的量子计算工作量。
克利夫兰诊所的心血管创新研究中心 (CIRC) 由 Christopher Nguyen 博士领导,儿童和成人先天性心脏中心 (PACHC) 由 Animesh (Aashoo) Tandon 博士、医学博士、理科硕士领导,他们正在寻找对基于图像的计算建模和人工智能/机器学习在儿童、先天性和成人心血管疾病精准医疗方面感兴趣并具有相关专业知识的博士后研究员。博士后研究员将致力于开发和实施图像分析和 AI/ML 算法以用于心血管疾病的临床应用。具体来说,其中一个项目将专注于法洛四联症修复患者的心血管 MRI 数据集的形状、运动和放射组学分析。申请人还将与克利夫兰诊所-IBM 发现加速器计划合作,特别是因为它涉及成像和多/跨模态数据集中的人工智能。这一独特的职位受益于 CIRC 与儿童和成人先天性心脏中心之间的紧密联系。候选人将与技术和临床合作伙伴互动,推动患者护理朝着新的方向发展。申请人必须拥有或即将获得博士学位,并表现出出色的研究资质。成功的候选人应拥有生物医学工程、计算机科学、电气工程或相关领域的博士学位,并在医学图像分析、计算机视觉、图像配准和特征提取方面有可证明的成就记录。需要具有 Python、MATLAB 和 C++ 编程经验。
1。每个轻型电动汽车/电池都必须发出咨询通知或同等通知。2。澳大利亚/新南威尔士州要求使用轻型电动汽车/电池的特定认证。3。澳大利亚/新南威尔士州采用欧盟电池法规2023/1542,该法规定义了电池标准,碳足迹测量,回收标准等等 - 它是电池调节的金标准。4。在销售或使用前在澳大利亚验证的每辆轻型电动汽车或组件都可以在澳大利亚验证。5。所有轻型电动汽车规格,电池规格和认证都必须被证明是真实和合规的 - 不是假装或伪造。a。负担得起的技术解决方案已经存在以解决此问题。b。 Credz是CSIRO和NSW Company Laava开发的澳大利亚解决方案。6。批准的轻型电动汽车和电池的在线数据库被发布为唯一的批准产品(其他国家已经这样做)。7。在序列号级别的每辆轻型电动汽车和电池上都需要一个信任的智能标签,该标签链接到可证明的规格,认证和所有权。8。实施过渡计划,以允许非法和不合格的轻型电动汽车/电池通过激励和过时的措施退出市场。新加坡,西班牙,纽约和其他人都做了这样的计划。9。沟通和教育计划是开发并专注于EV,Hybrid和LEV社区中的所有主要利益相关者 - 从制造商到零售商再到最终用户以及其他受影响的社区。
摘要 软计算方法用于创建估计红土加州承载比值的模型。软计算技术是一种寻找可证明的正确和最佳问题解决方案的算法。路面设计中使用的浸泡 CBR 值需要大约 96 小时才能完成测试过程。这可能既耗时又昂贵,因此研究人员需要寻找其他方法来获取它。各种研究都采用了人工智能技术,包括神经网络、遗传算法和支持向量机,来估计 CBR 值。虽然这些方法提供了潜在的好处,但它们也表现出某些缺点,例如对参数设置的敏感性、适应性受限以及难以理解潜在的关系。本研究提出了一种应对这一挑战的新模型,即人工神经网络 (ANN) 及其混合模型 (ANFIS)。从洞穴中采集土壤样本,并对获取的土壤样本进行必要的测试。进行了指数、压实和加州承载比测试。开发了两种机器学习模型,即人工神经网络 (ANN) 和自适应神经模糊推理系统 (ANFIS),用于预测红土的 CBR 值。这些模型在 70% 的数据上进行了训练,并在剩余的 30% 上进行了测试。两种模型都表现出令人满意的性能,但 ANFIS 模型表现出更高的准确性,这由更高的 R2 值 (0.98)、更低的 RMSE (0.11) 和更低的 MSE (0.33) 证明。这些结果表明 ANFIS 在捕捉数据中的复杂关系方面特别有效,并且是预测红土中 CBR 值的有前途的工具。关键词:软计算技术、加州承载比、指标属性、红土
基础状态的部分可观察性通常对控制学习(RL)提出了重大挑战。实际上,某些特权信息,例如,从模拟器中访问州的访问已在培训中得到利用,并取得了杰出的经验成功。为了了解特权信息的好处,我们在这种情况下重新访问并检查了几个简单且实际使用的范例。具体来说,我们首先正式化了专家蒸馏的经验范式(也称为教师学习),证明了其在发现近乎最佳政策时的陷阱。然后,我们确定部分可观察到的环境的条件,即确定性的滤波器条件,在该条件下,专家蒸馏实现了两个多项式的样品和计算复杂性。此外,我们研究了不对称参与者 - 批评者的另一个有用的经验范式,并专注于更具挑战性的可观察到的部分可观察到的马尔可夫决策过程。我们开发了一种具有多项式样本和准多项式计算复杂性的信念加权不对称的演员算法,其中一个关键成分是一种新的可培养的甲骨文,用于学习信念,可在不指定的模型下保留过滤器稳定性,这可能是独立的。最后,我们还可以使用特权信息来介绍部分可观察到的多代理RL(MARL)的可证明的效率。与最近的一些相关理论研究相比,我们的重点是理解实际启发的算法范式,而无需进行棘手的甲壳。我们开发了具有集中式训练 - 二级化 - 执行的算法,这是经验MARL中的流行框架,具有多项式样本和(Quasi-)多项式组成的复杂性,在上述两个范式中。
BKZ仿真的主要作用着重于显示BKZ算法的高块大小的行为,因此,当前的晶格安全性分析(例如,对当前LWE/NTRU基于的基于LWE/NTRU的方案)的有效/安全参数 - 选择这些模拟的有效/安全参数集的选择)。本文声称,当前的BKZ模拟不一定足够准确,可以进行精确的晶格安全分析,因此,这项研究首次介绍了两种可证明的“更新GSO/系数/系数的仿真”和“ LLL功能的仿真”的工具,以用于设计准确的BKZ模拟。本文证明,对于典型的SVP求解器“ Z”(例如,GNR驱动,筛分,离散的修剪),如果对“ z_memulate”进行了模拟,可以证明“ z_memulate”可以模仿“ z”的实际运行行为,那么我们可以通过“模拟我们的bkz模拟”来模拟'svpsolver'= z____________________________________________________________________________________________________________________________________________________求解器“ z”。我们的BKZ模拟解决了以前的BKZ模拟中的不同问题和弱点。Our tests show that, altogether, the shape of GSO norms ∥ b ∗ i ∥ 2 , the root-Hermite factor of basis, estimated total-cost and the running-time in “Experimental Running of Original BKZ algorithm” are closer to the corresponding test results in “Our BKZ Simulation” than to the test results in “Chen-Nguyen's BKZ simulation”, “BKZ simulation by Shi Bai et al.”和其他一些BKZ模型和近似值。此外,更新Chen-Nguyen的BKZ模拟的GSO规范/系数的错误策略会导致晶格块中的许多GSO违规错误,另一方面,我们的测试结果验证了我们的BKZ模拟中所有这些错误自动消除了所有这些错误。
计算机科学系 17 4101 - 极端规模分类的深度学习 17 4301 - 开发虚拟现实环境来研究人类的心理旋转。 18 4103 – 深度表示学习等(多个主题中的 5 个职位) 19 4104 - 用于合成时间序列生成的 Transformer 20 4105 - 临床文本的自动摘要 21 4106 - 理论计算机科学(7-14 个职位,众多教授) 22 4107 - 来自多物理模拟的大规模数据的 3D 可视化和模式识别 23 4108 - 网络封锁:COVID19 大流行对人们的网络浏览行为的不平等影响 24 4109 - 信息过载:多少才算太多?检查网络上个人信息处理能力的不平等 25 4110 - 用于研究两极分化的新闻文章特征的 NLP 方法 25 4111 - 基于格的密码学 26 4112 - 通过封面源切换实现可证明的图像和音频隐写术 26 4113 - 信息过载和网页浏览 27 4114 - DNAforge:DNA 纳米技术的设计工具 28 4115 - 不确定性下的基于深度模型的强化学习 29 4116 - 学习深度可处理模型 30 4117 - 用于安全迭代模型构建的贝叶斯工作流 31 4118 - 人工智能技术的安慰剂效应 31 4119 - Trust-M:为移民设计值得信赖的对话式人工智能服务 32 4120 - 打击芬兰新闻生态系统中人工智能注入的虚假信息 33 4121 - 公民人工智能中的机构 (CAAI):审查公共部门人工智能的负责任实践和批判性话语 34
符号和约定 1 1. 介绍 3 2. 波签名方案——草图 4 3. 设计原理:波陷门 5 3.1. 权重和一般解码问题 5 3.2. 波陷门 5 3.3. 用陷门签名 6 4. 规范 7 4.1. 有用的算法:高斯消元法和变体 7 4.2. 波密钥生成 9 4.3. 波签名 10 4.4. 波验证 15 5. 性能分析 17 6. 已知答案测试 18 7. 可证明的安全性 19 7.1. 难题 19 7.2. 签名分布和 Rényi 散度 19 7.3. 安全性降低声明 20 8. 最佳已知攻击 21 8.1. 经典攻击 21 8.2.量子攻击 22 8.3. 声称的安全级别 22 9. 优点和局限性 23 9.1. 优点 23 9.2. 局限性 23 参考文献 24 附录 A. 散列到三元向量 27 附录 B. 恒定时间实现的规范 28 B.1. F 3 上的位分片算法 28 B.2. 对三元组进行采样 29 B.3. 通过排序进行排列采样和排列 30 B.4. 生成秘密矩阵的主密钥 33 B.5. 恒定时间内的高斯消元法及其变体 34 B.6. 恒定时间内的波密钥生成和签名 39 附录 C. 密钥表示和压缩签名 41 C.1. 密钥表示 41 C.2. 压缩签名 41 C.3.限制签名长度 43 附录 D. 命题 3 的证明 44
摘要。自我主张身份(SSI)系统使用户在访问数字和真实世界资源时(很大程度上)建立并验证其身份,以作为以用户为中心的身份管理的有希望的隐私保护SO。Maram等人的最新工作。提出了保护隐私的SYBIL分散的SSI Sys-Tem candid(IEEE S&P 2021)。虽然这是一个重要的步骤,但显着的缺点破坏了其功效。其中最重要的两个是以下内容:首先在一个恶意发行人的情况下,无法实现的无链性破坏。第二,它引入了交互性,因为用户必须每次与发行人进行通信,以收集旨在用于与应用程序交互的情况。这是SSI的目标,其目的是使用户完全控制其身份。本文首先介绍了基于公开可验证的属性阈值匿名计数令牌(TACT)的概念。与局限于集中设置的最新方法(Benhamouda等,Asiacrypt 2023)不同,TACT在分布式信任环境中运行。伴随着正式的安全模型和可证明的安全插入,Tact引入了代币发行的新颖维度,我们认为这具有独立的利益。接下来,该纸张利用拟议的TACS方案来构建有效的SYBIL SSI系统。该系统支持各种功能,包括阈值发行,不可链接的多个人选择性披露以及提供恒定尺寸凭证的非交互性,不可转移的凭证。规定的结构得到了严格的安全定义和证明的支持。最后,我们的基准结果表明,与坦率的所有发行人相比,我们的建筑物的效率提高了效率,并降低了可以与所有发行人并行运行的一轮亲公司。