XiaoMi-AI文件搜索系统
World File Search System图上
在频谱图上可视化信号处理
I. 引言 该项目是在阿根廷巴伊亚布兰卡国家科技大学 (National Technology University) 的数字技术 III 课程框架内开发的，作为该学科的最终项目，目的是促进学习基于快速傅里叶变换 (FFT)、有限脉冲响应 (FIR) 型和无限脉冲响应 (IIR) 型数字滤波器以及实时操作系统的频谱分析仪的操作。由于该课程涉及嵌入式系统的大量工作，因此决定在 Cortex M4 微控制器上实现该系统，并通过专用于此目的的外围设备执行信号的采集、处理和分析。 FreeRTOS操作系统也被用作软件开发的基础。
有向无环图上的同步动力系统
背景和动机：离散动力系统是研究网络中扩散现象的形式化模型。这些模型的应用领域包括社会传染（例如信息、观点、时尚、流行病）的研究和能源需求建模（例如太阳能的适应）（Adiga 等人 2019 年；Chistikov 等人 2020 年；Ogihara 和 Uchizawa 2020 年；Gupta 等人 2018 年）。非正式地说，这样的动力系统 4 由一个底层（社会或生物）网络组成，每个节点都有一个来自域 B 的状态值。在本文中，我们假设底层图是有向的，域是二进制的（即 B = { 0,1 } ）。传染病的传播由一组布尔局部函数建模，每个节点一个。对于任何节点 v ，v 处的局部函数 fv 的输入是 v 的当前状态及其邻居（即，v 具有传入边的节点）的状态，而 fv 的输出是下一时刻 v 的状态。我们考虑同步更新模型，其中所有节点都评估其局部函数并并行更新其状态。这些动力系统在文献中被称为同步动力系统 (SyDS)（例如，(Adiga 等人 2019；Rosenkrantz 等人 2018)）。在涉及系统生物学的应用中，这样的系统也称为同步布尔网络（例如，(Kauffman 等人 2019)）。
在完整的两部分图上计数量子
量子计数是一种关键量子算法，旨在确定数据库中标记元素的数量。该算法基于量子相估计算法，并使用Grover算法的进化算子，因为其非平凡特征值取决于标记元素的数量。由于Grover的算法可以看作是在完整图上的量子步行，因此扩展量子计数的自然方法是在不完整的图上使用基于量子 - 步行的搜索的进化运算符，而不是Grover的运算符。在本文中，我们通过分析具有任意数量的标记顶点的完整两分图上的量子步行来探讨此扩展。我们表明，进化运算符的某些特征值取决于标记的顶点的数量，并且使用此事实，我们表明量子相估计可用于获得标记的顶点的数量。与我们的算法与原始量子计数算法紧密相位的两分图中标记顶点数量的时间复杂性。
在增强拓扑图上应用软计算...
基于嵌入方法的图形表示可以更轻松地分析网络结构，可用于各种任务，例如链接预测和节点分类。这些方法已被证明在各种环境中都是有效的，并且已成为图形学习领域的重要工具。这些方法易于实施，它们的预测会产生可解释的结果。但是，大多数图形嵌入方法仅依赖于图形结构信息，并且不考虑节点/边缘属性，从而限制其适用性。在本文中，我们提出了图理论设计，以将节点和边缘属性纳入拓扑结合，从而使图形装饰方法无缝地在属性图上无缝工作。为了找到给定属性图的理想表示形式，我们提出了原始网络中的增强特殊子图结构。我们讨论了所提出的方法的潜在挑战，并证明了其一些理论局限性。我们通过比较15个标准生物信息学数据集上的最先进的图形分类模型来测试方法的功效。与原始图上的结果相比，在增强图上，在增强图上的分类精度最高可提高高达5％的分类精度。©2023 Elsevier B.V.保留所有权利。
计算图上的分子自由能优化
对给定分子系统的自由能景观（FEL）的全面理解暗示了准确预测其行为的能力，并为进一步的操纵和设计提供了合理的基础。科学家在计算过程中取得了巨大的影响，在理论和计算算法的进步方面取得了巨大的成就。1的FEL严格计算通常涉及通过分子模拟和产生的轨迹/统计的后处理来对CON划分空间进行取样。在设计/预测/重新构成蛋白质结构2 - 4中使用的更有效的估计涉及重复的建议/采样和/或能量最小化候选结构/序列（例如，fastrelax 5）随后用各种形式的电势评估/评分。6 - 8所有这些方案都具有基本的局限性，如下所示：（1）基本上使用物理学或基于知识的力ELDS（FF）的所有分子建模（例如，Charmm，9 Rosetta 10）。无论其他相邻单元的身份和空间分布如何，假定仅由距离（以及各向异性单元之间的方向）确定的相互作用。
gady：动态图上的无监督异常检测
摘要 - 在动态图上检测到的动态检测旨在与图表中观察到的标准模式及其时间信息相比，识别表现出异常行为的实体。由于其在财务，网络安全和社交网络等各个领域的应用，它引起了越来越多的关注。但是，现有方法面临两个重大挑战：（1）动态结构捕获挑战：如何有效地使用复杂的时间信息捕获图形结构，以及（2）负面采样挑战：如何为无人看管的学习构建高质量的负样本。为了应对这些挑战，我们提出了对动态图（Gady）的生成异常检测。gady是一个连续的动态图模型，可以捕获细粒的时间信息以应对动态结构捕获挑战，从而克服了现有离散方法的局限性。指定，我们建议使用优先级的时间聚集和状态特征来增强动态图编码器以进行异常检测。在第二个挑战中，我们引入了生成对抗网络的新颖使用来产生负面子图。此外，在发电机训练目标中引入了辅助损失功能，以确保同时生成的样品的多样性和质量。广泛的实验表明，我们提出的Gady在三个现实世界数据集上的表现明显优于现状方法。补充实验进一步验证了我们的模型设计的有效性和每个组件的必要性。
用于隐秘欺骗的图上的超级博弈
摘要 — 随着对网络物理系统的攻击日益复杂，欺骗已成为一种有效的工具，通过混淆攻击者的感知来提高系统安全性。在本文中，我们提出了一种欺骗性博弈的解决方案，其中控制代理要在对手存在的情况下满足由共同安全时间逻辑公式指定的布尔目标。代理故意引入不对称信息来创建收益误解，表现为对博弈模型中标记函数的误解。因此，对手无法准确确定博弈的给定结果满足哪个逻辑公式。我们在图上引入了一个称为超博弈的模型来捕捉具有单边收益误解的不对称信息。基于该模型，我们给出了这种超博弈的解决方案，并使用该解决方案来合成隐秘的欺骗策略。具体来说，通过将超博弈简化为具有可达性目标的双人博弈和单人随机博弈，可以开发出欺骗性必胜和欺骗性几乎必胜策略。引入一个运行示例来演示博弈模型和用于策略综合的解决方案概念。索引术语——基于形式化方法的控制；线性时间逻辑；图上博弈；超博弈论。
用于复杂逻辑推理的生成模型在知识图上
在知识图上回答复杂的逻辑查询（kgs）是一项基本而又具有挑战性的任务。最近，查询代表是复杂逻辑推理的主流方法，使目标答案和查询在嵌入空间中更加近。但是，仍然存在两个限制。首先，先验方法将查询模型为固定向量，但忽略了KGS上关系的不确定性。实际上，不同的关系可能包含不同的语义分布。第二，传统表示框架无法捕获查询和答案的联合分布，可以通过有可能产生更连贯答案的生成模型来学习。为了减轻这些局限性，我们提出了一个名为diffclr的新型生成模型，该模型利用了差异模型的复杂逻辑推理来近似查询分布。具体来说，我们首先设计了一个查询转换，通过动态构造上下文子图将逻辑查询转换为输入序列。然后，我们将它们集成到扩散模型中以执行多步生成过程，并进一步设计了结构增强的自我专业，以范围内构成了KGS中体现的结构特征。两个基准数据集的实验结果显示了我们的模型有效地执行最新方法，尤其是在具有显着改进的多跳链查询中。
通过合成坐标在分子图上进行定向信息传递
通过定向消息传递利用坐标的图神经网络最近在多个分子特性预测任务中取得了最新进展。然而，它们依赖于通常不可用的原子位置信息，而获取这些信息通常非常昂贵甚至不可能。在本文中，我们提出了合成坐标，使高级 GNN 的使用无需真正的分子配置。我们提出了两种距离作为合成坐标：指定分子配置粗略范围的距离界限，以及使用个性化 PageRank 的对称变体的基于图的距离。为了利用距离和角度信息，我们提出了一种将普通图神经网络转换为定向 MPNN 的方法。我们表明，通过这种转换，我们可以在 ZINC 基准上将普通图神经网络的误差降低 55%。此外，我们通过在 SMP 和 DimeNet ++ 模型中加入合成坐标，在 ZINC 和无坐标 QM9 上取得了最新进展。我们的实现可以在线获得。1