XiaoMi-AI文件搜索系统
World File Search System和弦
goplot：用于视觉组合表达数据的R软件包...
摘要摘要：尽管有大量用于OMICS数据功能分析的方法，但对结果的全面详细了解仍然具有挑战性。这主要是由于缺乏可视化此类信息的公共可用工具。在这里，我们提出了一个基于GGPLOT2的R软件包，用于增强图形表示。我们的软件包采用了任何一般富集分析的输出，并以不同级别的详细信息生成图：从一般概述到确定最丰富的类别（条图，气泡图）到更详细的视图，显示在给定的类别中显示不同类型的分子信息（圈子图，和弦图，集群，集群图）。该软件包提供了对OMIC数据的更深入的见解，并允许科学家使用只有几行代码来生成洞察力，以轻松传达发现。可用性：R软件包GoPlot可通过CRAN-The综合R档案网络提供：http：//cran.r-project.org/web/packages/goplot。可以在以下网址找到Venn图的闪亮Web应用程序：https：//wwalter.shinyapps.io/venn/联系：fscabo@cnic.es; mricote@cnic.es补充信息：可以在https://wencke.github.io/
![arxiv：2502.02572V1 [CS.DS] 2025年2月4日](/simg/g:\will\search\icon\source\6\68691a142bc84b5b40d7b2290991240b592dc7cc.webp)
arxiv：2502.02572V1 [CS.DS] 2025年2月4日
摘要。连接的图具有（k，ℓ） - 覆盖，如果其每个边都包含在至少在k级的cliques中。以极端组合学的最新进展和边缘修改问题的文献的推动，我们研究了（k，ℓ） - 结构问题的算法版本。给定连接的图G，（k，ℓ） - 覆盖问题是识别g的最小子集，以使其在g中添加的添加结果会导致具有A（k，ℓ）覆盖的图形。对于每个常数k≥3，我们表明（k，1） - 覆盖问题是通用图的NP综合。此外，我们表明，对于每个常数k≥3，（k，1）cover问题承认，除非p = np，否则不接受多项式时间恒定因子近似算法。但是，我们表明（3，1） - 覆盖问题可以在输入图是和弦时在多项式时间内解决。对于树的类别和K的一般值，我们表明（K，1） - 覆盖概率是NP-HARD，即使对于蜘蛛也是如此。但是，我们表明，对于每个k≥4，（3，k-2） - 覆盖和（k，1） - 跨性问题是恒定的，当输入图是树是一棵树时。关键字：计算复杂性，图形算法，最佳算法，边缘修改问题和近似算法。
Marialuisa Frau 的简历
学术头衔和职位 - 1985 年：都灵大学物理学荣誉学位（110/110 优异成绩） - 1985 – 1986 年：高中数学和物理教师 - 1987 – 1988 年：尼尔斯玻尔研究所 INFN 研究员（哥本哈根，丹麦） - 1988 – 1990 年：INFN、Sez 研究员。都灵大学 - 1990 – 1991 年：美国马萨诸塞州沃尔瑟姆布兰迪斯大学物理系高级 NATO-CNR 研究员 - 1991 – 1992 年：法国里昂高等师范学院理论物理实验室研究助理 - 1992 – 1994 年：高中物理教师 - 1994 – 2006 年：都灵大学理论物理系研究员 - 1994 年至今：都灵分院 INFN 研究助理 - 2006 年至今：都灵大学物理系理论物理副教授 学术服务 - 多名本科生和研究生的导师，许多博士学位期末考试委员会成员 - 许多博士后和永久职位选拔委员会成员 - Levi-Montalcini 和 FIRB 项目的裁判学校和会议 - “RTN 弦、超引力和规范理论冬季学校” 组委会成员（都灵，2003 年 1 月 7-11 日） - “TMR 规范理论、超对称和量子引力的量子方面冬季学校” 组委会成员（都灵，2000 年 1 月 26 日 - 2 月 2 日） - “从对偶模型到弦和膜” 研讨会组委会成员（都灵，2011 年 10 月 28-29 日） - “理论物理学的新前沿，科尔托纳 2018” 研讨会组委会主席，科尔托纳，2018 年 5 月 23-26 日 - “伽利略伽利莱研究所” 组织的在线会议“Cortona Young” 组委会成员（2020 年 5 月 27-29 日） 资助 -研究项目 MAST“弦理论的现代应用”，都灵大学“卓越科学”项目，由圣保罗公司资助（268,000 欧元）2013-2016 - FP7-PEOPLE-2009-IEF 项目 n 的主要协调员。 253534 CMADS “凝聚态 AdS/CFT 对应的应用” 2009-2011 - MIUR-PRIN 合同的本地协调员 2015MP2CX4 “规范理论和弦的非微扰方面” - MIUR-PRIN 合同的成员 2009KHZKRX-007 “宇宙的对称性和基本相互作用” - MIUR-PRIN 合同 2005023102，“弦、D 膜和规范理论”的成员 - MIUR-PRIN 合同 2003023852 项目“基本相互作用的物理学：规范理论、引力和弦”的成员 - MIUR-PRIN 合同 2001-1025492 项目“场论、超弦和超引力”的成员 - COST EU 项目的成员MP 1210 “弦理论宇宙”（工作组
人类/人工智能共同创作歌曲的实验
音乐共同创造旨在使人类和计算机合作创作音乐。作为计算音乐学领域的 MIR 团队，我们在编写“2020 年 AI 歌曲大赛”参赛作品时尝试了共同创造。人工智能用于独立生成歌曲的结构、和声、歌词和旋律，并作为人类作曲的基础。从创意和技术的角度来看，这都是一个挑战：在很短的时间内，团队必须调整自己的简单模型或尝试现有模型，以完成相关但仍不熟悉的任务，即通过 AI 生成音乐。我们提出的歌曲名为“I Keep Counting”。我们公开详细介绍了歌曲创作、编曲和制作的过程。这次经历提出了许多关于创造力和机器之间关系的问题，无论是在音乐分析和生成方面，还是在人工智能在协助作曲家工作方面可以发挥的作用方面。我们尝试将人工智能作为自动化，将作曲的某些部分机械化，尤其是将人工智能作为建议来培养作曲家的创造力，这要归功于令人惊讶的歌词、不寻常的部分连续性和意想不到的和弦进展。因此，处理这种材料可以激发人类的创造力。
MoMusic：一种运动驱动的人机协作音乐创作和表演系统
过去几年，人工神经网络架构的重大发展促进了自动音乐创作模型的广泛应用。然而，大多数现有系统都采用基于硬代码和预定义规则的算法生成结构，通常不包括交互式或即兴行为。我们提出了一种基于运动的音乐系统 MoMusic，作为 AI 实时音乐生成系统。MoMusic 具有部分随机谐波排序模型，该模型基于音调和弦进展的概率分析，通过音乐集合论进行数学抽象。该模型针对二维网格呈现，通过姿势识别机制产生结果声音。摄像头捕捉用户手指的运动和轨迹，创造出连贯的、部分即兴的和声进程。MoMusic 集成了多个音色音域，从钢琴等传统古典乐器到使用语音转换技术创建的新型“人声乐器”。我们的研究证明了 MoMusic 的互动性、激发音乐家灵感的能力以及使用各种音色音域生成连贯音乐材料的能力。MoMusic 的功能可以轻松扩展，以结合不同形式的姿势控制音色变换、节奏变换、动态变换甚至数字声音处理技术。
人类与人工智能共同创作歌曲的实验
摘要 音乐共同创造旨在使人类和计算机合作创作音乐。作为计算音乐学领域的 MIR 团队，我们在创作“2020 年 AI 歌曲大赛”参赛作品时尝试了共同创造。人工智能被用来独立生成歌曲的结构、和声、歌词和旋律，并作为人类作曲的基础。从创意和技术的角度来看，这都是一个挑战：在很短的时间内，团队必须调整自己的简单模型或尝试现有模型，以完成一项相关但仍然不熟悉的任务，即通过 AI 生成音乐。我们提出的歌曲名为“I Keep Counting”。我们公开详细介绍了歌曲创作、编曲和制作的过程。这次经历提出了许多关于创造力和机器之间关系的问题，无论是在音乐分析和生成方面，还是在 AI 在协助作曲家工作方面可以发挥的作用方面。我们尝试将人工智能作为自动化，使作曲的某些部分机械化，尤其是将人工智能作为建议来培养作曲家的创造力，这要归功于令人惊讶的歌词、不寻常的部分连续性和意想不到的和弦进展。因此，处理这些材料可以激发人类的创造力。
Ken Déguernel、Mathieu Giraud、Richard Groult、Sebastien Gulluni。从旋律到结构，个性化 AI 实现共同创作音乐。声音与音乐计算 (SMC 2022)，2022 年，法国圣艾蒂安。第 314-321 页，�10.5281/zenodo.6573287�。�hal-03618015�
共同创造是一种独特的艺术情境，人与计算机互动，对互动性、可操控性和个性化提出了挑战。我们提出了一种新的共同创作音乐创作方法，我们在参加“2021 年人工智能歌曲大赛”时采用了这种方法，这是一项涉及人工智能 (AI) 的国际音乐比赛。我们对人工智能创作方法进行了个性化，以适应作曲家的需求和期望。作曲家与不同人工智能方法之间的互动贯穿整个作曲过程，包括通过基于机器学习的人工智能的数据共享和基于规则的人工智能的知识共享来生成旋律、和弦进行、整体结构和纹理变化。我们描述了这些人工智能方法以及作曲家如何与它们互动：人工智能方法的个性化使作曲家能够在保持原有风格的同时探索新的音乐领域，人工智能音乐生成“听起来就像是专门为他生成的”。歌曲“The last moment before you fly”在本次比赛中排名第三，评委强调了这首歌的“个人感觉”。我们在这里讨论这些方法如何为使用人工智能和个性化的新共同创作方法开辟道路。
通过通用量子效应减少原始混乱
关于宇宙原始状态的复杂性质的有力陈述是由基于一般相对论的经典描述中混乱动力学的通用特征[1，2]做出的。在早期，高阳光宇宙中不断发展的空间各向异性可以通过有效的潜力来描述，该有效潜力通过将各向异性参数限制为有限区域的墙壁编码时空曲率的效率。关于应用于这些墙的台球动力学的数学结果，这些壁恰好是凸面并因此散落，然后保证混乱[3]。量子效应，例如波动或对量子重力的各种几何影响，可能会使这种行为更加违反直觉和更难解开。因此，不可能找到对宇宙初始状态的可靠知识。尤其是，一系列关于超级和弦理论的研究在某种程度上证实了这一期望，表明当包括与统一相关的额外维度和领域时，动态仍然混乱[4，5]。这种新成分通过包括新的独立自由度，扩展了各向异性参数的经典配置空间。尽管如此，它们带来了自己的曲率贡献，这些曲率贡献在有效的各向异性潜力中具有定性特征，从而保持了混乱的动力学。这些模型并不是完全量子，因为它们不考虑具有波动和相关性的状态，并遵守不确定性关系。独立地，量子宇宙学具有波动状态，也已应用于这个问题，但到目前为止，结果混合了[6-9]，例如diffi-
v:iririf wa ,.uk: - eVols
' nu huiiremR tn nrim mand，并且经常必须带领如此庞大的军队。我问过他的许多朋友，他如何能同时成为这两种人。拥有我们想象中相互争斗的特质。“他确实拥有这些特质，仅此而已”是我得到的最好的答案；“我不知道他怎么拥有这些特质，但他确实拥有这些特质。”“他拥有所有的东西，对人们来说都是如此，从最好的意义上来说，”一位非常了解他的人说道。“他拥有记住每个人的皇家天赋；拥有无私机智的人性；拥有超越人类的正义天赋。好人喜欢他，因为他是好的；善于在他的天性中找到回应的和弦，那些严厉的人会觉得他有时很严厉。”他称赞了一位“汤米”的军人精神，以赢得这个人的忠诚，直到他生命的尽头和投降，就在同一天，他命令一位将军回国，知道这个命令带有一个和他一样好但没有能力实现他的野心的人的愤怒。他的军队会做任何让他疲惫的事情；行军更久，挨饿更严重，在没有帐篷、毯子和朗姆酒的情况下多呆几天和几周，死亡人数比任何其他活着的人都要多。他们会心甘情愿地做所有这些事情，而其他军队可能会抗议和抱怨，然后怀着怨恨继续前进。他可以从军队中得到更多；从卫队到最粗暴的侦察部队，就像在莫德河和布莱斯之间所做的那样。
迈向现实世界计划问题的量子门模型启发式
抽象的许多具有挑战性的调度，计划和资源分配问题与现实世界输入数据和硬性问题约束有关，并减少了优化成本函数，而不是由综合定义的可行集合（例如图形的颜色）。使用量子近似优化算法来解决量子计算机解决此类问题，我们提出了新型有效的量子交替运算符ANSATZ（QAOA）构造，以优化对和弦图的适当色素的优化问题。作为我们的主要应用程序，我们考虑了飞行门分配问题，其中将航班分配到机场大门以最大程度地减少所有乘客的总运输时间，并且可行的分配对应于从输入数据中派生的冲突图的适当图形颜色。我们利用经典算法和图形理论的想法来表明我们的构造具有将量子状态进化限制为可行子空间的理想特性，并满足了大多数问题参数制度的特定可及性条件。使用经典预处理我们表明，我们可以有效地找到并构建合适的初始量子（叠加）状态。我们详细介绍了我们的构造，包括对一组通用的基本量子门的明确分解，我们用来将所需资源缩放限制为输入参数的低度多项式。尤其是我们得出了新颖的QAOA混合操作员，并表明他们的实施成本与QAOA阶段运算符的飞行门分配相称。包括许多量子电路图，以便我们的构造可以用作开发和实施量子栅极模型方法的模板，以提供多种潜在影响的现实世界应用。