XiaoMi-AI文件搜索系统
World File Search System性能提升
结合交叉验证和集成创建人工神经网络
人工神经网络（ANN）如今被广泛应用，对其性能提升的研究也在持续进行。ANN 的一个主要目标是具有较高的泛化性能，这可以通过验证来估计。集成有助于提高泛化性能，但如果训练数据集的大小有限，集成的验证通常在计算上成本很高。因此，本论文在交叉验证过程中引入了快捷集成，其中对多个验证输出取平均值以估计集成的泛化性能。为了评估该方法，使用两个不同的分类问题数据集，将快捷集成的验证性能与单个模型和实际集成的验证和测试性能进行了比较。结果表明，在验证过程中，快捷集成比单个模型能更好地估计集成的泛化性能，并且可以近似实际集成的验证性能。因此，快捷集成可以在交叉验证期间提供一种成本较低的集成验证方法。
数据表：Ultrastar DC HC330
随着行业发展到部署专用解决方案以满足不断增长的数据存储需求，IT 经理可以依靠更高容量的 HDD 来降低每 TB 成本，同时又需要快速可靠的数据访问来满足数据中心应用程序的需求。Ultrastar ® DC HC330 10TB 1 硬盘有助于满足这些要求，它提供高容量存储，与上一代 10TB HDD 2 相比，低队列随机深度写入的性能提高了近 40%。这种性能提升有助于实现容量扩展并降低总拥有成本 (TCO)。Ultrastar DC HC330 HDD 专为各种应用而设计，包括传统存储阵列、机架式存储机柜和基于服务器的分布式存储系统。Ultrastar DC HC330 提供快速的 7,200 RPM 主轴速度，并提供 6Gb/s SATA 或 12Gb/s SAS 接口，具有高级格式 512e 3 扇区大小。
边缘检测量子：...
量子图像处理是一个研究字段，探讨了量子计算和算法用于图像处理任务（例如图像编码和边缘检测）的使用。尽管经典的边缘检测算法的性能相当出色并且非常有效，但在具有高分辨率图像的大型数据集时，它们的距离越慢。量子计算有望在各个部门提供显着的性能提升和突破。量子Hadamard Edge检测（QHED）算法在恒定的时间复杂性下工作，因此比任何经典算法都快得多。但是，原始QHED算法设计用于量子概率图像编码（QPIE），主要用于二进制图像。本文通过结合编码量子图像（FRQI）的灵活表示和修改的QHED算法来提出新的方案。在这项工作中提出了一种改进的边缘轮廓方法，与传统的QHED算法相比，该工作使对象轮廓输出和更准确的边缘检测。
大数据和智能航空信息管理系统
摘要：航空业面临着安全性和性能提升两大挑战，在大数据背景下有望得到解决。本文重点研究大数据对航空业的影响以及航空大数据平台及其信息系统建设。首先，分析大数据与智慧航空业发展的关系；其次，论述了航空大数据平台与信息系统建设的基本思路和框架；最后，提出一种多层网络关联分析方法，并应用于航空大数据信息系统的频谱和耦合度分析。研究发现，航空大数据在智慧航空业发展中发挥着非常重要的作用，通过航空大数据信息平台与信息系统的建设，以及运用多层网络关联分析方法，可以显著提高飞机的安全性和性能。本文为国家航空大数据平台与信息系统的规划建设、全球航空大数据合作机制的构建、航空大数据技术的发展提供了思路与对策。
在 IBM 量子处理器上使用 QSVM 进行乳腺癌检测的演示
支持向量机 (SVM) 是最流行的机器学习 (ML) 方法之一，由于其在从复杂乳腺癌数据集中检测关键特征方面具有独特优势，被广泛用作乳腺癌检测的首选方法。量子支持向量机 (QSVM) 利用量子力学的力量，以理论上的加速优势提高经典支持向量机 (SVM) 算法的性能。然而，它仍然存在噪声中型量子计算 (NISQ) 中的大误差问题和硬件限制。因此，我们提出了一种具有测量误差缓解功能的量子核估计方法，并首先在 IBM 量子处理器上使用威斯康星乳腺癌数据库对其进行测试。实验结果表明，与最先进的模型相比，我们可以在解决此类二元分类问题的准确率上实现显着的性能提升，这表明未来设计和实现具有量子优势的机器学习算法具有巨大的潜力。
脑部 MRI 图像的半监督分割
虽然神经网络架构的进步已导致语义分割任务最近取得了重大进展，但获取大量标记分割掩码的挑战限制了它在医学图像分析等实际应用中的广泛使用。这导致了一系列专注于半监督分割的新兴工作，其中可以使用大量未标记数据和少量标记数据来训练分割模型。半监督分类的最新研究表明，当有效使用一致性正则化等简单技术时，性能提升可能非常显著。在这项工作中，我们探索了一致性正则化在半监督分割中的有效使用，并表明当我们将一致性损失与选择信息标记图像的鉴别器结合使用时，生成的模型在多个标准基准上的表现明显优于之前的半监督语义分割工作。我们的实现代码可在 https://github.com/samottaghi/brain-segmentation 上找到。
网络切片与人工智能的结合：基于人工智能的切片管理框架
网络切片是移动网络中一种新兴的模式，它利用 NFV 在同一物理网络基础设施上实现多个虚拟网络（称为切片）的实例化。运营商可以为每个切片分配专用资源和定制功能，以满足现代移动服务高度异构和严格的要求。管理网络切片下的功能和资源是一项具有挑战性的任务，需要在所有网络级别做出有效决策，在某些情况下甚至是实时决策，这可以通过在网络中集成人工智能 (AI) 来实现。我们概述了基于 AI 的网络切片管理的总体框架，在切片生命周期的不同阶段引入 AI，从准入控制到网络核心和无线接入的动态资源分配。在网络切片中合理使用 AI 会为运营商带来巨大的利益，在代表性案例研究中，预期性能提升在 25% 到 80% 之间。
![arXiv:2112.11151v1 [quant-ph] 2021 年 12 月 21 日](/simg/a\a60b33556629cb4da3cc7a4bf6430a2127b35575.webp)
arXiv:2112.11151v1 [quant-ph] 2021 年 12 月 21 日
量子近似优化算法 (QAOA) 是一种变分量子算法，旨在给出组合优化问题的次优解。人们普遍认为 QAOA 有潜力在具有浅电路深度的嘈杂中型量子 (NISQ) 处理器中展示应用级量子优势。由于 QAOA 的核心是计算问题哈密顿量的期望值，一个重要的实际问题是我们是否可以找到一种有效的经典算法来求解一般浅量子电路情况下的量子均值。在这里，我们提出了一种基于图分解的新型经典算法，该算法在大多数优化问题（完全图情况除外）中与浅 QAOA 电路的量子比特数呈线性关系。与最新方法相比，在 Max-cut、图着色和 Sherrington-Kirkpatrick 模型问题中的数值测试显示出数量级的性能提升。我们的结果不仅对于探索 QAOA 的量子优势具有重要意义，而且对于 NISQ 处理器的基准测试也很有用。
TRANSPIRE：节能的TRANSprecision 浮动...
摘要 —近年来，粗粒度可重构架构 (CGRA) 加速器越来越多地部署在物联网 (IoT) 终端节点中。现代 CGRA 必须支持并有效加速整数和浮点 (FP) 运算。在本文中，我们提出了一种超低功耗可调精度 CGRA 架构模板，称为 TRANSprecision 浮点可编程架构 (TRANSPIRE)，及其支持整数和 FP 运算的相关编译流。TRANSPIRE 采用跨精度计算和多个单指令多数据 (SIMD) 来加速 FP 操作，同时提高能源效率。实验结果表明，TRANSPIRE 实现了最大 10.06 × 的性能提升并且消耗 12 .相对于基于 RISC-V 的 CPU，其能耗降低了 91 倍，并且具有支持 SIMD 样式矢量化和 FP 数据类型的增强型 ISA，同时执行近传感器计算和嵌入式机器学习的应用程序，面积开销仅为 1.25 倍。
用于首字母缩略词识别和消歧的 Primer AI 系统
歧义缩略词的盛行使得科学文献对于人类和机器来说都更难理解，因此需要能够自动识别文本中的缩略词并消除其含义歧义的模型。我们引入了用于首字母缩略词识别和消歧的新方法：我们的首字母缩略词识别模型将学习到的标记嵌入投射到标签预测上，我们的首字母缩略词消歧模型找到具有类似句子嵌入的训练示例作为测试示例。与之前提出的方法相比，我们的两个系统都实现了显着的性能提升，并且在 SDU@AAAI-21 共享任务排行榜上表现出色。我们的模型部分在针对这些任务的新远程监督数据集上进行了训练，我们将其称为 AuxAI 和 AuxAD。我们还发现了 SciAD 数据集中的重复冲突问题，并形成了 SciAD 的去重版本，我们称之为 SciAD-dedupe。我们公开发布了这三个数据集，并希望它们能够帮助社区在科学文献理解方面取得进一步进展。