XiaoMi-AI文件搜索系统
World File Search System对偶
egecentric 3D手姿势估计的单一对偶视图改编
对准确的3D手姿势估计的追求是理解以自我为中心视力领域的人类活动的基石。大多数现有估计方法仍然依赖单视图像作为输入，从而导致潜在的局限性，例如，深度有限的视野和义务。解决这些问题，添加另一个相机以更好地捕获手的形状是实践方向。然而，现有的多视图手姿势姿势方法具有两个主要缺点：1）重新训练的多视图注释，这些注释是备用的。2）在测试过程中，如果相机参数/布局与训练中使用的相同，则模型将变为inpapplicable。在本文中，我们提出了一种新颖的单算观看改编（S2DHAND）解决方案，该解决方案将预先训练的单视估计器适应双视图。与现有的多视图训练方法相比，1）我们的适应过程是无监督的，消除了对多视图注释的需求。2）此外，我们的方法可以处理带有未知相机参数的Arbitarary双视图对，从而使该模型适用于不同的相机设置。具体来说，S2DHAND建立在某些立体声约束上，包括两种视图之间的成对跨视图共识和转换的不变性。这两个立体声约束以互补的方式使用来进行伪标记，从而允许可靠的适应性。评估结果表明，在内部和跨数据库设置下，S2DHAND在任意摄像机对上实现了重大的实现，并且胜过具有领先性能的现有适应方法。项目页面：https：//github.com/ut-vision/s2dhand。
生态文明建设对绿色技术创新弹性的影响——基于双重对偶机器学习的证据
生态文明加速发展能否促进绿色创新可持续发展？本文研究了生态文明示范区对绿色创新韧性的影响。基于2011年至2021年中国31个省237个地级市的样本，我们的双重对偶机器学习和空间双重差异模型表明，生态文明示范区显著增强了城市绿色创新韧性。我们的研究结果还揭示了生态文明示范区的空间溢出效应——一个城市生态文明示范区的发展显著提高了周边城市的绿色创新韧性。空间溢出效应在第五年达到最大值。我们对潜在机制的分析表明，生态文明示范区通过数字化、绿色意识和新优质生产力的进步来促进城市绿色创新韧性。我们还对不同地理位置和政策支持水平的异质性进行了分析，结果表明，经济开发区对城市绿色创新韧性的影响主要体现在西部、内陆和政策支持力度较大的地区。本研究的结果为制定国家环境保护政策和计划提供了重要的见解和宝贵的指导。
单位对偶四元数有向图、形成控制和一般加权有向图
我们研究有向图中的多智能体编队控制问题。相对配置用单位对偶四元数 (UDQ) 表示。我们将这种加权有向图称为单位对偶四元数有向图 (UDQDG)。我们证明，当且仅当对偶四元数拉普拉斯算子与底层有向图的无加权拉普拉斯算子相似时，所需的相对配置方案在 UDQDG 中是合理的或平衡的。提出了直接法和单位增益图法来解决一般单位加权有向图的平衡问题。然后，我们研究了一般非单位加权有向图的平衡问题。报告了 UDQDG 的数值实验。
约束马尔可夫决策过程的原始对偶方法及其在队列调度和库存管理中的应用
即 [ a ] k ≤ [ b ] k ∀ k ∈ [ K ] 。给定一个向量 x ∈ RK ， [ x ] + = (max { [ x ] 1 , 0 } , ..., max { [ x ] K , 0 } )。
庞加莱对偶定理及其应用
在本次演讲中，我将解释流形 M 的德拉姆上同调与同一空间上的紧支撑上同调之间的对偶性。这种现象被称为“庞加莱对偶”，它描述了微分拓扑中的一种普遍现象，即流形上封闭的、精确可微形式空间与其紧支撑对应物之间的对偶性。为了定义和证明这种对偶性，我将从向量空间对偶空间的简单定义开始，再到向量空间上正定内积的定义，然后定义流形的概念。我将继续定义可微流形上的微分形式及其相应的空间，这些对于此分析是必要的。然后，我将介绍流形的良好覆盖、有限型流形和方向的概念，这些都是定义和证明庞加莱对偶所必需的概念。我将以 M 可定向且承认有限好覆盖的情况下的庞加莱对偶的证明作为结束，并举例说明。
广义对偶电路中的量子信息传播
我们研究了最近引入的砖砌量子电路家族中量子信息的传播，该家族概括了对偶酉类。这些电路在时间上是酉的，而它们的空间动态仅在受限子空间中是酉的。首先，我们表明局部算子以光速传播，就像在对偶酉电路中一样，即蝴蝶速度取电路几何允许的最大值。然后，我们证明纠缠扩散仍然可以精确地表征为兼容初始状态家族（事实上，对于兼容对偶酉电路家族的扩展），并且渐近纠缠斜率再次与 Rényi 指数无关。然而，值得注意的是，我们发现纠缠速度通常小于 1。我们利用这些属性来找到纠缠膜线张力的闭式表达式。
通过不可逆对偶缺陷从 XXZ 链到可积的 Rydberg-blockade 阶梯
强相互作用模型通常具有比能级一对一映射更微妙的“对偶性”。这些映射可以是不可逆的，正如 Kramers 和 Wannier 的典型例子所表明的那样。我们分析了 XXZ 自旋链和其他三个模型共有的代数结构：每平方梯子上有一个粒子的里德堡阻塞玻色子、三态反铁磁体和两个以之字形耦合的伊辛链。该结构在四个模型之间产生不可逆映射，同时还保证所有模型都是可积的。我们利用来自融合类别的拓扑缺陷和 orbifold 构造的格子版本明确地构建这些映射，并使用它们给出描述其临界区域的明确共形场论配分函数。里德伯阶梯和伊辛阶梯还具有有趣的不可逆对称性，前者中一个对称性的自发破坏会导致不寻常的基态简并。
量子状态通道对偶用于计算标准模型散射振幅
虽然首次提出模拟自然界量子力学的建议可以追溯到理查德·费曼 [1]，但最近将量子信息理论应用于高能物理系统研究的尝试已证明特别成功。量子态断层扫描就是一个典型的例子，该过程通过对被观察系统的相同副本集合进行一系列互补测量，可以完全重建系统的密度矩阵 [2]，非常适用于产生大量事件的对撞机 [3-6]，并且已应用于各种高能粒子物理系统的数值模拟研究 [4-7]。包括量子机器学习技术在内的量子算法已被开发用于识别数据中的标准模型及以上特征 [8-10]，以及以更经济的计算方式模拟对撞机事件 [11]。
模糊系统模糊可靠性分析中的对偶犹豫模糊集理论方法
摘要：在本研究中，我们研究了一种具有逆威布尔分布的双重犹豫模糊集理论方法。用于生产系统/设备的数据/信息可能存在不确定性，这是一个非常常见的问题。双重犹豫模糊集 (DHFS) 在降低此类不确定性的有效性方面起着重要作用。DHFS 是一种有用的替代方法，可以处理专家无法提供满意或拒绝的单一选择的情况。DHFS 是犹豫模糊集或直觉模糊集或模糊集的超集。在本研究中，我们提出了一种使用 DHFS 以及逆威布尔分布 (IWD) 的方法。借助 IWD，很容易对各个级别的系统故障率进行建模，这在可靠性案例中很常见。模糊IWD用于获得系统在寿命期间发生故障的模糊可靠性。基于𝛼-cut，引入了一种DHFS方法。DHFS克服了传统方法得到的结果，因为它优于犹豫模糊集理论，因为它包括单个案例的多重分级/选择。通过给出数值示例验证了该方法的优势和重要性。
人们是否在认知上与人工智能互动？人工智能辅助对偶然学习的影响
当人们在做出艰难决定时得到建议时，他们通常会在当下做出更好的决定，同时也会在此过程中增加他们的知识。然而，这种偶然学习只有当人们在认知上参与他们所收到的信息并深思熟虑地处理这些信息时才会发生。人们如何处理他们从人工智能那里得到的信息和建议，他们是否深入参与其中以实现学习？为了回答这些问题，我们进行了三项实验，实验中要求个人做出营养决策，并收到模拟的人工智能建议和解释。在第一个实验中，我们发现，当人们在做出选择之前同时得到建议和解释时，他们会做出比没有得到这种帮助时更好的决定，但他们没有学习。在第二个实验中，参与者首先做出自己的选择，然后才看到人工智能的建议和解释；这种情况也导致决策得到改善，但没有学习。然而，在我们的第三个实验中，参与者只得到了人工智能的解释，但没有得到任何建议，必须自己做出决定。这种情况既带来了更准确的决策，也带来了学习收益。我们假设，在这种情况下，学习收益是由于更深入地参与了做出决策所需的解释。这项研究提供了迄今为止最直接的一些证据，表明将解释与人工智能生成的建议结合起来可能不足以确保人们谨慎地参与人工智能提供的信息。这项研究还提出了一种实现偶然学习的技术，从某种意义上说，它可以帮助人们更仔细地处理人工智能的建议和解释。