XiaoMi-AI文件搜索系统
World File Search System对数的
量子计算的简洁经典验证
我们为量子计算 (BQP) 构建了一个经典可验证的简洁交互式论证，其通信复杂度和验证器运行时间在 BQP 计算的运行时间内是多对数的（在安全参数中是多项式的）。我们的协议是安全的，假设不可区分混淆 (iO) 和带错学习 (LWE) 的后量子安全性。这是普通模型中量子计算的第一个简洁论证；先前的工作（Chia-Chung-Yamakawa，TCC '20）需要长公共参考字符串和非黑盒使用以随机预言机建模的哈希函数。在技术层面，我们重新审视了构建经典可验证量子计算的框架（Mahadev，FOCS '18）。我们为 Mahadev 的协议提供了一个独立的模块化安全性证明，我们认为这是独立的兴趣。我们的证明很容易推广到验证者的第一条消息（包含许多公钥）被压缩的场景。接下来，我们将压缩公钥的概念形式化；我们将对象视为受约束/可编程 PRF 的泛化，并基于不可区分性混淆对其进行实例化。最后，我们使用（足够可组合的）简洁的 NP 知识论证将上述协议编译成完全简洁的论证。使用我们的框架，我们实现了几个额外的结果，包括
对数遗憾地传达MDP：使用匪徒利用已知的动态
我们研究了具有已知动态但未知奖励功能的平均奖励和交流马尔可夫决策过程（MDP）中的遗憾最小化。尽管在此类MDP中学习比完全未知的MDP更容易，但它们仍然在很大程度上是挑战，因为它们包括特殊情况，例如组合半伴侣等大类问题。以统计上有效的方式利用遗憾最小化的过渡功能的知识似乎在很大程度上没有探索。猜想，即使有已知的过渡，我们即使在通用MDP中实现精确的最佳性也是NP-HARD，因此我们专注于计算有效的放松，以实现Order-Timpimal-Timal-Topimal-Mic MIC的遗憾而不是精确的最佳性。我们通过基于流行的匪徒最小经验差异策略引入一种新颖的算法来填补这一空白。提出的算法的关键组成部分是一个经过精心设计的停止标准，利用固定策略引起的复发类别。我们得出了一种非渐近，问题依赖性和对数的遗憾，该算法依赖于利用该结构的新颖遗憾分解。我们进一步提供了有效的实施和实验，以说明其有希望的经验绩效。关键字：平均奖励马尔可夫决策过程，遗憾的最小化，对数遗憾，马尔可夫链，经常性课程
使用量化方法对颅内大脑活性的言语谱图估计
将颅内大脑活动直接综合到声学语音可能为语音受损的用户提供直观而自然的沟通手段。在先前的研究中，我们使用了对数MEL量表语音谱图（LogMels）作为从电型（ECOG）记录到可听见波形的解码中的中间表示。mel-scar的语音谱图具有悠久的传统。过去，由于连续的特征空间，我们依靠回归方法来发现从大脑活动到LogMel光谱系数的映射。但是，回归任务是无限的，因此在综合声音语音信号中，脑活动中的神经元爆发可能导致异常高幅度。为了减轻这些问题，我们提出了两种量化功率值的方法，以分别使用中位数和逻辑公式分别降低复杂性和限制间隔的数量，从而分别使用中值和逻辑公式来离散对数的光谱系数的特征空间。我们通过基于线性判别分析的简单分类来评估一个参与者的概念证明，并评估了一个参与者，并通过原始语音限制了由此产生的波形。重构频谱图实现了Pearson相关系数，平均值为r = 0。5±0。11中的5倍交叉验证。索引术语：语言交流，语音合成，电代理，BCI
foeniculum vulgare磨坊的甲醇提取物的抗菌性能。作为消毒剂代理
在食品工业中，微生物污染构成了一个巨大的挑战。用于消毒的化学物质会损害食品安全和健康。迫切需要有效的安全消毒剂来抑制农业和食品中的病原体。在这种情况下，我们调查了在与大肠杆菌，金黄色葡萄球菌和白色念珠菌作为自然的消毒剂候选者的斗争中，使用foeniculum vulgare甲醇提取物（ME）的可能性。通过GC-MS分析了F. vulgare me的组件。肉汤微稀释法和表面消毒试验分别用于抗菌活性和对数抑制作用。主要物质是苯甲烷（50.44％），雌激素（13.59％）和苯甲酸（13.58％）。金黄色葡萄球菌和白色念珠菌的F. vulgare的最小氮浓度（MIC）为0.1 g/ml，而大肠杆菌的最小浓度为0.1 g/ml。在表面消毒试验中，研究了大肠杆菌，金黄色葡萄球菌和白色念珠菌的存活率，暴露于F. vulgare消毒剂（F-SAN：10％），F。vulgare的50、100和150 µL的F. vulgare导致大肠条件下的大肠杆菌减少了几乎8-LOG（0.3 g/ml BSA）。在金黄色葡萄球菌中，150 µl的F. vulgare分别在清洁和脏表面（3 g/mL BSA）中造成约4.8和4.7对数。最高的菌落降低是在两种环境中降低˃4.93对数的白色念珠菌中。结果表明，F. vulgare甲醇提取物可能是针对病原体的强大自然消毒剂。
减少量子因式分解中的量子比特数量
背景。Shor 的突破性算法 [13] 表明，因式分解和计算离散对数的问题可以在量子计算机上在多项式时间内解决。从那时起，许多作者引入了该算法的变体并改进了其成本估算，以尽量减少对量子比特、门数或电路深度的要求 [2、15、14、8、5、12]。由于 Shor 算法被认为是量子计算机与密码分析最相关的应用，这些工作也旨在确定量子计算架构可能变得“与密码相关”的点。在本文中，我们专注于空间优化。考虑群 Z ∗ N 中的离散对数 (DL) 问题，其中 N 为素数。让我们记 n = log 2 N。我们取乘法生成器 G。A 的 DL 是数量 D，使得 A = GD mod N。它是通过对在 Z 2 上定义的函数 f ( x, y ) = G x A − y mod N 调用 Shor 的量子周期查找子程序来找到的。这个子程序只是在所有 ( x, y ) ∈ [0; 2 m 1 − 1] × [0; 2 m 2 − 1] 上调用叠加的 f，执行 QFT 和测量（图 1）。经过一些有效的后处理后，可以找到周期 ( D, 1 )。因此，逻辑量子比特的数量取决于两个参数：输入大小 m 1 + m 2 和工作区大小。对 RSA 半素数 N 进行因式分解可以简化为求解 Z ∗ N 中的 DL 实例，其中 DL 的预期大小为 1
量子计算的简洁经典验证
摘要。我们为量子计算 (BQP) 构建了一个经典可验证的简洁交互式论证，其通信复杂性和验证器运行时间在 BQP 计算的运行时间内是多对数的（在安全参数中是多项式的）。我们的协议是安全的，假设不可区分混淆 (iO) 和错误学习 (LWE) 的后量子安全性。这是第一个简洁的论证，适用于普通模型中的量子计算；先前的工作（Chia-Chung-Yamakawa，TCC '20）既需要较长的公共参考字符串，又需要非黑盒使用以随机预言机建模的哈希函数。在技术层面，我们重新审视了构建经典可验证量子计算的框架（Mahadev，FOCS '18）。我们为 Mahadev 的协议提供了一个独立的模块化安全性证明，我们认为这是有独立意义的。我们的证明很容易推广到验证者的第一条消息（包含许多公钥）被压缩的场景。接下来，我们将压缩公钥的概念形式化；我们将该对象视为受限/可编程 PRF 的泛化，并基于不可区分混淆对其进行实例化。最后，我们使用（足够可组合的）NP 简洁知识论证将上述协议编译成完全简洁的论证。使用我们的框架，我们获得了几个额外的结果，包括 - QMA 的简洁论证（给定见证的多个副本）， - 量子随机预言模型中 BQP（或 QMA）的简洁非交互式论证，以及 - 假设后量子 LWE（无 iO）的 BQP（或 QMA）的简洁批处理论证。
计算机培训专家解决方案咨询计算机研究基础知识
1. 算盘（公元前 2500 年 - 公元前）：这是一种手持设备，由串在框架中的杆上的珠子制成。杆对应于数字的位置，珠子对应于数字。2. 纳皮尔骨算盘（公元前 2500 年）：这是由约翰·纳皮尔（1550 - 1617）发明的。它由带有适当标记的小杆组成。它是一种机械计算辅助工具，由九根这样的杆（称为骨）组成，每根代表 1 到 9 的数字。他还发明了对数，通过执行加法和减法可以进行除法和乘法。 3. 计算尺（1600 年）——威廉·奥特雷德（1575 - 660）：他于 1622 年发明了计算尺，但于 1632 年公布了这一发明。计算尺由表示数字对数的标记规则组成，还允许进行指数、三角函数等计算。4. 帕斯卡机械计算器（1600 年）或数字轮计算器：布莱斯·帕斯卡（1623 -1664 年）于 1642 年发明了第一台加法机，称为 Pascaline。黄铜矩形盒使用八个可移动的刻度盘，以 10 为基数对八个数字进行加法和求和。它可以以前闻所未闻的速度执行所有四种算术运算。 5. 莱布尼茨机械乘法器（1600 年）：1694 年，戈特弗里德·威廉·冯·莱布尼茨 (1646 年 -1716 年) 改进了帕斯卡林乘法器，发明了一种可以使用刻度盘和齿轮系统进行乘法的机器。
EEG-IMAGENET
探索大脑活动如何转化为视觉感知，为生物视觉系统的世界代表提供了宝贵的视觉感。最近使用功能性磁共振成像（fMRI）或磁脑摄影（MEG）获得的大脑信号实现了有效的图像分类和高质量的重构。但是，这些技术的成本和批量妨碍了它们的实际应用。相比之下，电子摄影（EEG）提出了诸如易用性，可负担性，高时间分辨率和非侵入性操作等优点，但由于缺乏全面的数据集，在相关研究中仍未充分利用。为了填补这一空白，我们介绍了EEG-IMAGENET，这是一个新颖的EEG数据集，其中包含来自16名参与者的录音，这些录音是暴露于Imagenet数据集中的4000张图像。与现有基准相比，此数据集提供的五倍对脑电图对数的数量是五倍。eeg-imagenet包括带有不同水平的粒度标记的图像刺激，包含40张带有粗标签的图像和40个带有精美标签的图像。我们基于此数据集建立了对象分类和图像重建的基准。使用几种常用模型的实验表明，表现最佳的模型可以通过约60％的准确性实现对象分类，并具有三向识别的图像重建约为64％。这些发现突出了数据集增强基于EEG的Vi-Sual Brain-Computer界面的潜力，加深了我们对生物系统中视觉感知的理解，并提出了有望改善机器视觉模型的有希望的应用。
令牌游戏和历史确定性的定量 -
摘要。如果仅考虑到目前为止读取单词的前缀，可以解决其非确定性，那么不确定的自动机是历史性确定的。由于其良好的组成属性，历史确定性的自动机对解决游戏和综合问题很有用。确定给定的非确定性自动机是历史性的 - 确定性（HDNESS问题）通常是一项艰巨的任务，这可能涉及指数过程，甚至是不可确定的，例如，例如在下降自动机的情况下。令牌游戏为Béuchi和CobéuchiAutomata的HDNess问题提供了PTIME解决方案，并且猜想的是2 -Token Games是所有ω-调节自动机的HDNESS。我们将令牌游戏扩展到定量设置，并分析其潜力，以帮助确定定量自动机的HD度。尤其是，我们表明，有限单词的所有定量（和布尔）自动机的HD特征，以及无限单词的折扣（dsum），Inf和可触及性自动机，以及2-图表的2-标记游戏，liminf和liminf and Liminf automata and sup automatama and sup sup sup sup of sup sup of supiente and inspopatienta tocken of insumatiate and sup sup sup sup sup sup sup sup of supienta n in insubiente and inspimapta。Using these characterisations, we provide solutions to the HDness problem of Safety , Reachability , Inf and Sup automata on finite and infinite words in PTime , of DSum automata on finite and infinite words in NP ∩ co-NP , of LimSup automata in quasipolynomial time, and of LimInf automata in exponential time, where the latter two are only polynomial for automata with a对数的重量数量。
基于CSP的新功能以及针对运动图像EEG分类
摘要：常见的空间模式（CSP）是基于运动图像的大脑计算机接口（BCI）中一种非常有效的特征提取方法，但其性能取决于最佳频段的选择。尽管已经提出了许多研究工作来改善CSP，但其中大多数工作都有大量计算成本和长期提取时间的问题。在本文中提出了基于CSP的三种新功能提取方法，并在本文中提出了一种基于非convex日志正规化的新功能选择方法。首先，EEG信号在空间上被CSP滤过，然后提出了三种新的特征提取方法。我们分别将它们称为CSP小波，CSP-WPD和CSP-FB。用于CSP小波和CSP-WPD，离散小波变换（DWT）或小波数据包分解（WPD）用于分解空间滤波的信号，然后将波浪系数的能量和标准偏差作为特征提取为特征。对于CSP-FB，通过过滤器库（FB）将空间过滤的信号滤光到多个频段中，然后将每个频段的方差的对数提取为特征。其次，提出了一种使用非convex log函数正规的稀疏优化方法，为我们称为log的特征选择，并给出了对数的优化算法。最后，集合学习用于辅助特征选择和分类模型构建。梳理特征提取和特征选择方法，总共获得了三种新的EEG解码方法，即CSP-Wavelet + Log，CSP-WPD + LOG和CSP-FB + LOG。使用四个公共运动图像数据集来验证所提出方法的性能。与现有方法相比，所提出的方法的最高平均分类精度分别为88.86、83.40、81.53和80.83，分别为1-4。CSP-FB的特征提取时间最短。实验结果表明，所提出的方法可以有效地提高分类精度并减少特征提取时间。全面考虑了分类精度和特征提取时间，CSP-FB +日志具有最佳性能，可用于实时BCI系统。