XiaoMi-AI文件搜索系统
World File Search System广义
广义量子资源理论第一定律
我们将量子资源理论的工具扩展到存在多个量（或资源）的场景，它们的相互作用决定了物理系统的演化。我们推导出这些资源相互转化的条件，这些条件概括了热力学第一定律。我们研究了多资源理论的可逆性条件，发现与理论不变集的相对熵距离在资源的量化中起着根本性的作用。一般多资源理论的第一定律是一个单一关系，它将状态转换过程中系统属性的变化与交换资源的加权和联系起来。事实上，这个定律可以被看作是将不同状态集的相对熵的变化联系起来。与典型的单一资源理论相比，自由状态和不变状态集的概念在多重约束的情况下变得截然不同。此外，亥姆霍兹自由能、绝热和等温变换的推广也应运而生。因此，我们有了一套通用量子资源理论定律，这些定律概括了热力学定律。我们首先在具有多个守恒定律的热力学上测试这种方法，然后将其应用于能量限制下的局部操作理论。
自主驾驶的广义预测模型
环境，建立内部世界模型表示，做出决策并采取措施[9，50]。，尽管数十年来在学术界和工业上做出了巨大的努力，但他们的部署仍限于某些杂物或场景，并且不能在世界上无缝地应用。一个关键原因是在结构化自主驾驶系统中学习模型的概括能力有限。通常，感知模型会面临概括到不同环境的挑战，随着地理位置，传感器配置，天气条件，开放式对象等的变化。;预测和计划模型无法推广到具有罕见的sce narios和不同驾驶意图的非确定性期货[2，16，54]。是由人类学习如何感知和刺激世界的动机[27，28，49]，我们主张采用驾驶视频作为通用界面，将其推广到具有动态期货的各种环境。基于此，首选驱动视频预测模型以完全捕获有关驾驶场景的世界知识（图1）。通过预测未来，视频预测因子本质上了解了自主驾驶的两个重要方面：世界如何运作以及如何在野外安全地操纵。最近，社区已开始采用视频作为代表各种机器人任务的观察行为和行动的接口[11]。对于诸如经典视频预测和机器人技术等领域，视频背景大多是静态的，机器人的运动很慢，并且视频的分解很低。相比之下，对于驾驶场景 - iOS，它与室外环境高度斗争，代理人涵盖了更大的动作，以及涵盖众多视图的感觉分辨率。这些区别导致了自主驾驶应用的重大挑战。幸运的是，在驾驶领域中开发视频预测模型[4、15、19、23、23、25、33、38、45、47]。尽管在预测质量方面取得了令人鼓舞的进展，但这些尝试并未像经典的机器人任务（例如，操作）那样实现概括能力，仅限于有限的场景，例如流量密度低[4]的高速公路[4]和小型数据集[15，23，33，33，33，45，45，47]，或者在环境方面进行不同的条件，以使38个条件（33，45，47）的差异（33，45，47），以使3个条件（33，45，47）的差异（33，45，47），以使3个条件（33，45，47）的差异[3]（33，45，47），以下情况下的情况[3]（33，33，45，47），这是3次差异。如何揭示视频预测模型的驾驶潜力仍然很少探索。以上面的讨论为动机，我们旨在构建一个自动驾驶的视频预测模型，能够概括为新的条件和环境。为此，我们必须回答以下问题：（1）可以以可行且可扩展的方式获得哪些数据？（2）我们如何制定一个预测模型来捕获动态场景的复杂演化？（3）我们如何将（基础）模型应用于下游任务？
非定域时钟中广义相对论时间膨胀的通用量子修改
相对论通过世界线将每个运动物体与一个固有时联系起来。然而在量子理论中，这种明确定义的轨迹是被禁止的。在介绍量子钟的一般特征之后，我们证明，在弱场、低速极限下，当运动状态为经典（即高斯）时，所有“良好”量子钟都会经历广义相对论所规定的时间膨胀。另一方面，对于非经典运动状态，我们发现量子干涉效应可能导致固有时与时钟测量的时间之间出现显著差异。这种差异的普遍性意味着它不仅仅是一个系统误差，而是对固有时本身的量子修改。我们还展示了时钟的离域性如何导致其测量时间的不确定性增大——这是时钟时间与其质心自由度之间不可避免的纠缠的结果。我们展示了如何通过在读取时钟时间的同时测量其运动状态来恢复这种丢失的精度。
基于广义 CHSH 不等式的设备独立量子密钥分发
量子密钥分发 (QKD) 的目的是使两方（Alice 和 Bob）能够在共享量子信道时生成密钥。例如，在 Ekert [ 1 ] 提出的实现中，信道由一个产生纠缠粒子的源组成，这些粒子被分发给 Alice 和 Bob。在每一轮中，Alice 和 Bob 各自从几种测量设置中选择一个来测量一个粒子。通过推断（从 Alice 和 Bob 的测量结果中）源发射接近于纯二分纠缠态的状态，可以保证 Alice 的测量结果是安全的，即任何可能控制量子信道的第三方（Eve）都不知道。这同时确保了如果 Bob 选择适当的测量设置，Bob 的结果与 Alice 的结果相关，即 Alice 和 Bob 的测量结果可以形成密钥。
具有广义的全矢量谱元素方法...
IEEE 是一家非盈利组织，是世界上最大的技术专业组织，致力于推动技术进步，造福人类。© 版权所有 2023 IEEE - 保留所有权利。使用本网站即表示您同意条款和条件。
学习空间和时间中的自相似性作为视频动作识别的广义运动
时空卷积通常无法学习视频中的运动动态，因此需要一种有效的运动表示来理解自然界中的视频。在本文中，我们提出了一种基于时空自相似性（STSS）的丰富而鲁棒的运动表示。给定一系列帧，STSS 将每个局部区域表示为与空间和时间中邻居的相似性。通过将外观特征转换为关系值，它使学习者能够更好地识别空间和时间中的结构模式。我们利用整个 STSS，让我们的模型学习从中提取有效的运动表示。我们所提出的神经块称为 SELFY，可以轻松插入神经架构中并进行端到端训练，无需额外监督。通过在空间和时间上具有足够的邻域体积，它可以有效捕捉视频中的长期交互和快速运动，从而实现鲁棒的动作识别。我们的实验分析表明，该方法优于以前的运动建模方法，并且与直接卷积的时空特征互补。在标准动作识别基准 Something-Something-V1 & V2、Diving-48 和 FineGym 上，该方法取得了最佳效果。
通过广义量子 Stein 引理实现相互作用量子自旋系统热操作的渐近可逆性
对于具有局部平移不变哈密顿量的任意空间维度的量子自旋系统，我们证明，如果状态是平移不变和空间遍历的，则通过热力学可行的一类量子动力学（称为热操作）从一个量子态到另一个量子态的渐近状态转换完全可以用 Kullback-Leibler (KL) 发散率来表征。我们的证明由两部分组成，用量子信息论的一个分支资源理论来表述。首先，我们证明，任何状态，对于这些状态，最小和最大 Rényi 发散度近似地坍缩为一个值，都可以在小的量子相干源的帮助下通过热操作近似可逆地相互转换。其次，我们证明，对于任何平移不变的遍历状态，这些发散度渐近地坍缩为 KL 发散率。我们通过对量子 Stein 引理的推广来证明这一点，该引理适用于独立同分布 (iid) 情况以外的量子假设检验。我们的结果表明，KL 发散率可作为热力学势，在热力学极限下，包括非平衡和完全量子情况，提供量子多体系统遍历态热力学可转换性的完整表征。
durum小麦的广义物候模型-Iris
di Paola，A.，Ventura，F.，Vignudelli，M.，Bombelli，A.，Severini，M。（2020）。用于硬核小麦的普遍物候模型：在意大利半岛上应用。食品和农业科学杂志，100（11），4093-4100 [10.1002/jsfa.9864]。
denoising的广义特征组成的教程...
本文的目的是对广义特征组成（GED）提出理论和实用的介绍，这是用于降低尺寸和源源分离多通道信号处理中的强大而灵活的框架。在认知电生理学中，GED用于创建空间过滤器，以最大程度地提高研究人员规定的对比。例如，人们可能希望利用一个不同的来源具有不同的频率含量，或者来源在实验条件下的大小变化。GED快速易于计算，在模拟和真实数据中表现良好，并且易于适应各种特定的研究目标。本文以一种将GED联系在一起的方式介绍了GED，该方式将GED在电生理学中的众多个人出版物和应用联系在一起，并提供了可以测试和调整的样品MATLAB和PYTHON代码。在应用中经常出现的实际考虑和问题。