XiaoMi-AI文件搜索系统
World File Search System子图
通信系统基础 - 电子图书馆
Michael P. Fitz 既是电子通信教师，也是电子通信系统设计师。他曾担任加州大学洛杉矶分校 (UCLA)、俄亥俄州立大学和普渡大学的电气和计算机工程教授。Fitz 教授于 1995 年获得普渡大学的 D. D. Ewing 本科教学奖。Fitz 教授是 IEEE 通信学报的编辑委员会成员。Fitz 博士曾在多家公司担任数字通信系统工程师，目前是诺斯罗普·格鲁曼公司的高级通信系统工程师。在这些职位上，他设计、制造和测试了陆地移动和卫星通信应用的调制解调器。他因在时空调制解调器技术方面的贡献而获得了 2001 年 IEEE 通信协会 Leonard G. Abraham 通信系统领域论文奖。
量子图像分割算法
典型的图像处理任务是识别两个相邻区域之间边界（强度变化）。从经典上讲，边缘检测方法依赖于不同类型的滤膜对图像梯度的计算。因此，所有经典算法都需要至少O（2 n）的计算复杂性，因为每个像素都需要处理（Yao，Wang，Liao，Chen和Suter，2017）。已经提出了一种量子算法，该算法应该与现有边缘提取算法相比提供指数加速（Zhang，lu和gao。2015）。但是，该算法包括一个复制操作和一个量子黑框，用于同时计算所有像素的梯度。对于这两个步骤，目前都没有有效的实现。提出了一种高效的量子算法，称为量子Hadamard Edge检测，以找到边界（Yao，Wang，
沙子图与弦弦图制作
很长一段时间以来，土著社会被排除在数学史领域（D'Ambrosio，1985，2001）。直到几十年前，科学的历史学家和哲学家确实抛弃了他们的研究领域，经常赋予口头传统的小规模和/或土著社会。The prevalence of the evolutionist (Tylor, 1871) and “prelogical thought” (Lévy-Bruhl, 1910) theories, arguing that these peoples had a lesser ability to abstract and generalize than ours, appears to have durably impeded the recognition of genuine mathematical practices carried out in the various indigenous societies worldwide (Vandendriessche,即将到来的2021）。在20世纪下半叶初，在这个问题上发生了重大的认识论变化，这是通过人类学家克劳德·莱维·斯特劳斯（ClaudeLévi-Strauss）的工作促进的。后者的认识论破裂似乎促使研究（在1970年代）的发展现在通常被认为是建立民族心理学的开创性作品（Vandendriessche＆Petit，2017年）。这个新生的跨学科研究领域的当前发展有助于进一步扩大我们对数学知识及其历史的看法，同时在图片中包括所有在社会群体/社会中表现出的数学特征的所有活动，通常不被认为是这样的。在地球的各个土著社会中，数学并不是通常作为自治知识类别。（Rivers＆Haddon 1902，Deacon＆Wedgwood，1934年，Austern 1939，Lévi-Strauss 1947，Pinxten等人。然而，正如许多关于“传统”社会的民族志都表明，在整个20世纪，在其各种实践中（例如日历或装饰品的制作，营地和住宅的建立，纺织品生产，导航，接航，游戏，游戏，游戏，游戏，1983，Gladwin 1986，Mackenzie 1991，Desrosiers，2012，Galliot 2015…）。因此，eTnomecatians的一个主要认识论问题是确定其中一些实践与数学活动以及如何相关的程度。为了避免受到“数学一词的西方涵义”的约束，玛西娅·阿什尔（Marcia Ascher，1935-2013）是1990年代民族心理学的创始人之一，引入了“数学思想”的概念。数学思想被定义为涉及“数字，逻辑和空间配置，尤其是这些思想在系统或结构中的布置”的想法（Ascher，1991：3）。Ascher基于使用建模工具的使用开发了一种方法，旨在揭示与
量子图学习：前沿与展望
量子理论已显示出在增强机器学习方面的优势。然而，利用量子理论来增强图学习还处于起步阶段。本综述从基础理论、方法和前景三个角度研究了量子图学习 (QGL) 的最新进展。我们首先研究 QGL，分别讨论量子理论和图学习的互利关系、图结构数据的特殊性以及图学习的瓶颈。提出了一种新的 QGL 分类法，即图上的量子计算、量子图表示和图神经网络的量子电路。然后强调并解释其中的陷阱。本综述旨在对这一新兴领域进行简短而有见地的介绍，并详细讨论尚待研究的前沿和前景。
用于脑肿瘤 MRI 图像分类的混合量子图神经网络
脑瘤是成人和儿童第十大致死原因。及早发现和治疗可显著提高存活率。深度学习的最新进展已显示出使用磁共振成像 (MRI) 扫描识别和分类脑瘤的前景。本文介绍了一种集成经典和混合量子启发式图神经网络进行肿瘤分类的新方法。经典图卷积神经网络 (GCNN) 分析医学成像数据中的复杂关系，而混合量子图神经网络 (QGNN) 利用量子计算原理来提高性能。先前的研究强调了脑成像数据的多样性所带来的挑战。本研究比较了各种分类方法，强调架构、训练技术和性能指标。目的是训练和评估从 MRI 扫描中识别脑瘤的模型。混合 QGNN 表现出与先进的经典 GCNN 相当的准确度和损失指标，训练期间准确度从 0.41（41%）提高到 0.64（64%），验证数据集中的准确度从 0.31（31%）提高到 0.52（52%），从而展示了其在区分正常和肿瘤图像方面的有效性。
在分子图中优化OOD检测
尽管分子表示学习最近取得了进展，但其有效性还是在近世界的假设上假定的，即训练和测试图来自相同的分布。开放世界测试数据集通常与分布（OOD）样本混合在一起，在该样本中，部署的模型将难以做出准确的预测。在药物筛查或设计中分子特性的误导性估计会导致湿lab资源的大量浪费并延迟发现新疗法的发现。传统检测方法需要对OOD检测和分布（ID）分类性能进行贸易，因为它们共享相同的表示模型。在这项工作中，我们建议通过采用基于辅助扩散模型的框架来解析OOD分子，该框架比较了输入分子和重建图之间的相似性。由于产生构建ID训练样品的产生偏见，OOD分子的相似性得分将要低得多以促进检测。尽管在概念上很简单，但将此香草框架扩展到实际检测应用程序仍然受到两个重大挑战的限制。首先，基于欧几里得距离的流行相似性指标无法考虑复杂的图形结构。第二，涉及迭代脱氧步骤的属性模型众所周知，尤其是在大量药物库上运行时。为了应对这些挑战，我们的研究先驱者是一种旋转型G raph r生态建构的方法，该方法被称为pgr-mood。具体来说，PGR-MOOD取决于三个创新：i）一个有效的指标，可根据离散的边缘和连续节点特征全面量化输入和重建分子的匹配程度； ii）构建
pGmax：离散概率图形模型的因子图和jax
概率图形模型（PGM）紧凑地编码一组随机变量的完整关节概率分布。PGM，并已成功地用于计算机视觉中（Wang等，2013），误差校正代码（McEliect等，1998），生物学（Durbin等，1998）等（Durbin等）等。在本文中，我们专注于离散的PGM。对具有可牵引因子1的离散PGM进行近似后验推断的标准方法涉及诸如循环信念传播（LBP）之类的消息通讯算法（Pearl，1988; Murphy等，1999）。lbp在变量和因子图的因子之间传播“消息”。，尽管过去进行了几次尝试（请参阅第2节），但没有建立良好的开源Python软件包可以实现效率和可扩展的LBP用于一般因子图。关键挑战在于设计和操纵Python数据结构，该数据结构包含LBP消息，用于支持具有任意拓扑的大型因子图和
使用 SAT 进行量子图态合成
摘要 在量子计算和量子信息处理中，图状态是一种特殊类型的量子状态，常用于量子网络和量子纠错。一个反复出现的问题是仅使用局部操作找到从给定源图状态到所需目标图状态的转换。最近有研究表明，确定可转换性已经是 NP 难问题。在本文中，我们提出了一种用于局部和非局部图状态操作的 CNF 编码，对应于一和两量子比特 Clifford 门和单量子比特 Pauli 测量。我们在有界模型检查设置中使用此编码来合成所需的转换。此外，对于局部转换的完整性阈值，我们提供了转换长度的上限（如果存在）。我们在两种设置中评估该方法：第一种是从可以改变量子比特数量的随机图状态合成无处不在的 GHZ 状态，而第二种则基于拟议的 14 节点量子网络。我们发现该方法能够在 30 分钟内合成多达 17 个量子比特的图形转换。
种植的随机子图问题的低度安全
摘要。植入了Abram等人的随机子图检测猜想。（TCC 2023）断言一对图P H，G Q的伪随机性，其中G是N个顶点上的Erd˝os-r´enyi随机图，H是k个位于k个位置上G的随机诱导的G graph。假设划分这两个分布的硬度（有两个泄漏的顶点），Abram等人。构造通信 - 效果，计算安全（1）2派对私人同时消息（PSM）和（2）禁止图形结构的秘密共享。我们证明了检测到种植的随机子图的低度硬度，一直到kďn 1´Ωp 1 q。对Abram等人的改善。对Kďn 1 {2´Ωp 1 q的分析。te硬度延伸至常数r的r均匀超图。我们的分析在区分程度上很紧，其优势和泄漏的vertices数量。Extending the constructions of Abram et al, we apply the conjecture towards (1) communication- optimal multiparty PSM protocols for random functions and (2) bit secret sharing with share size p 1 ` ε q log n for any ε ą 0 in which arbitrary minimal coalitions of up to r parties can reconstruct and secrecy holds against all unqualified subsets of up to ℓ “ o p ε log n q 1 {p r´1 Q派对