XiaoMi-AI文件搜索系统
World File Search System均方误差
用于时间序列预测的混合卷积回声状态网络
摘要：量子机器学习 (QML) 将量子物理与机器学习技术相结合，以提高算法性能。通过利用量子计算的独特属性（例如叠加和纠缠），QML 旨在解决超出传统计算能力的复杂问题。在这项研究中，我们开发了一种混合模型，即量子卷积回声状态网络，它将 QML 原理融入了储层计算框架。通过评估其在基准时间序列数据集上的性能，我们观察到与传统回声状态网络 (ESN) 相比，均方误差 (MSE) 方面的结果有所改善，并且时间复杂度有所降低。这些发现凸显了 QML 在推进时间序列预测方面的潜力，并强调了融合量子和机器学习方法的好处。
使用预测肺癌患者的免疫检查点抑制剂肺炎
材料和方法：我们开发了 PANDA（使用 AttentionU-Net 进行肺炎异常检测）模型来应对这一挑战，利用先进的深度学习技术来改善对 ICI 诱发肺炎的早期预测。分析了 349 名接受 ICI 治疗的患者的基线 CT 扫描，以训练和验证该模型。PANDA 模型利用 Attention U-Net 架构，结合注意力机制来增强特征提取和异常检测能力。应用了数据增强技术，包括亮度归一化和像素混洗，以提高模型的稳健性。使用基于自动编码器的方法对正常病例进行模型训练，并通过均方误差 (MSE) 分布进行异常检测，然后对肺炎病例进行测试。
使用双层的lsb隐肌对文本加密stego
摘要。密码学和隐身志摄影是信息安全性的两个主要组成部分。利用加密和隐身来建立许多保护层是一种值得称赞的方法。我们本文的主要目的是通过密码和隐身术的结合来构建一种综合方法，以安全地传输数据。密码学和隐身志学是秘密传输信息的两种常见方法。rc4在本文中用于将信息从明文更改为密码，然后将密码文本集成到图像中至少有显着位（LSB）。结果是根据处理时间，峰值信号 - 噪声比率（PSNR）和均方误差（MSE）定义的。实验结果表明，Stego图像的可接受质量，并将两种技术结合起来为原始隐肌提供了额外的安全性。
飞行品质标准的制定 - eucass
本文描述的飞行员模型的基础是 Hess [5] 提出的结构飞行员模型。介绍了一种利用测量的飞行员频率响应特性来提高所提出的结构飞行员模型准确性的方法。描述了使用 MAI 的飞行员-车辆实验室 (PVL) 工作站进行的具有线性飞机动力学的实验。介绍了结构飞行员模型的修改。介绍了 Matlab/Simulink 环境中飞行员模型参数选择算法的两种方法。将飞行员建模结果与测量的飞行员频率响应进行比较，并介绍和讨论了新得出的操纵品质水平边界。讨论了一种使用通过建模获得的均方误差值来评估操纵品质的方法。最后，简要讨论了改进的结构飞行员在非线性飞机动力学情况下描述人类飞行员行为的能力。
QardEst：使用量子机器学习进行连接查询的基数估计
经典和学习查询优化器 (LQO) 使用基数估计作为查询规划的关键输入之一。因此，准确预测任意查询的基数在查询优化中起着至关重要的作用。最近新型深度学习方法的蓬勃发展不仅刺激了 LQO 的兴起，也促成了学习基数估计器 (LCE) 的出现。然而，它们中的大多数都是基于经典神经网络的，忽略了不同表之间的属性之间的多元相关性可以通过量子电路中的纠缠自然表示。在本文中，我们介绍了 QardEst - 量子基数估计器 - 一种用于估计连接查询基数的新型量子神经网络方法。我们使用相似数量的可训练参数进行的实验表明，在量子模拟器上执行的量子神经网络在均方误差和 q 误差方面均优于经典神经网络。
使用图像处理、ML 和 NLP 检测脑肿瘤
在本研究中，我们使用 ML 算法和图像处理方法从 MRI 中提取数据。我们使用预处理来提高信噪比 (S/N) 并消除不必要的噪声的影响。基于阈值技术，我们使用颅骨剥离算法来增强颅骨剥离性能。在这项研究中，我们使用公认的分类器分析了基于纹理的特征，以对 MRI 图像中的脑肿瘤进行分类。从结果来看，与临床专家进行的手动识别相比，脑肿瘤识别显然是快速而准确的。各种执行因素还表明，建议的算法通过改进某些参数（如平均值、MSE（均方误差）、PSNR、准确度、灵敏度、特异性和骰子系数）提供了有效的结果。我们的结果表明，计划的方法可以帮助及时准确地检测脑肿瘤，并识别其精确位置。因此，使用 ML 和 NLP，提出的系统对于从 MRI 图像中识别脑肿瘤具有重要意义。
QardEst：使用量子机器学习进行连接查询的基数估计
经典和学习查询优化器 (LQO) 使用基数估计作为查询规划的关键输入之一。因此，准确预测任意查询的基数在查询优化中起着至关重要的作用。最近新型深度学习方法的蓬勃发展不仅刺激了 LQO 的兴起，也促成了学习基数估计器 (LCE) 的出现。然而，它们中的大多数都是基于经典神经网络的，忽略了不同表之间的属性之间的多元相关性可以通过量子电路中的纠缠自然表示。在本文中，我们介绍了 QardEst - 量子基数估计器 - 一种用于估计连接查询基数的新型量子神经网络方法。我们使用相似数量的可训练参数进行的实验表明，在量子模拟器上执行的量子神经网络在均方误差和 q 误差方面均优于经典神经网络。
a-secure-image-recryption-method-使用螺旋涡流 -
本文引入了一种安全增强的混合图像加密方法，该方法采用了带环形涡旋相掩码（TVPMS）和QR分解，并带有Gyrator Transform。使用的TVPM是通过将径向希尔伯特变换（RHT）和环形区板（TZP）相结合而产生的错综复杂的相掩码。QR分解是一种数学操作，用于矩阵分解，可作为常规相截断的傅立叶变换（PTFT）方法的替代。加密系统表现出不对称性，鉴于加密和解密过程与依赖不同的安全密钥集不同。在解码系统中使用加密过程中产生的密钥来检索输入图像。系统性能通过评估均方误差，峰值信噪比，钥匙灵敏度，作物效应，相关系数，3-D网格，直方图和噪声攻击来测试。©Anita出版物。保留所有权利。
采用自适应小波脑电图的智能运动想象检测系统
摘要：运动想象 (MI) 任务的分类为残障人士与脑机接口环境的连接提供了一种强大的解决方案。精确选择脑电图 (EEG) 信号的可调 Q 小波变换 (TQWT) 的均匀调谐参数是一项艰巨的任务。因此，本文提出了稳健的 TQWT，用于自动选择最佳调谐参数，以准确分解非平稳 EEG 信号。探索了三种进化优化算法来自动调整稳健 TQWT 的参数。使用分解的均方误差的适应度函数。本文还利用拉普拉斯分数进行通道选择以选择主通道。使用最小二乘支持向量机分类器的不同核对从稳健 TQWT 子带中提取的重要特征进行分类。径向基函数核提供了 99.78% 的最高准确率，证明了所提出的方法优于使用相同数据库的其他最先进方法。