XiaoMi-AI文件搜索系统
World File Search System构造函数
通过乘法权重学习组合函数......
组合性是生物和人工神经网络的基本结构特征。通过梯度下降学习组合函数会产生众所周知的问题，例如梯度消失和梯度爆炸，因此仔细调整学习率对于实际应用至关重要。本文证明乘法权重更新满足针对组合函数定制的下降引理。基于此引理，我们推导出 Madam（Adam 优化器的乘法版本），并表明它可以在不调整学习率的情况下训练最先进的神经网络架构。我们进一步表明，通过在对数系统中表示权重，Madam 很容易适应训练原生压缩神经网络。最后，我们总结了乘法权重更新与生物学中关于突触的最新发现之间的联系。
具有...的基本互同函数链
这项工作继续了我们对互齐次函数 (MHF) 的性质的研究，互齐次函数是欧拉齐次函数的推广。MHF 可用于合成具有特殊性质的电子系统和离子光学系统的电场和磁场。我们考虑了对应于 MHF 基本函数关系矩阵的多个实特征值的函数链。我们推导出了响应此类函数的函数关系。我们推导出了所得函数关系解的一般公式。我们证明了所得函数是 Gel'fand 引入的相关齐次函数的细化。我们研究了所得函数的典型微分和积分性质，并证明了可微函数的欧拉定理的推广（欧拉标准）。
论文建议近似函数分析...
在对电动驱动器的最佳控制中，人们可以通过在退缩地平线上求解基础控制问题，在离散时间步骤中隐式优化控制输入，或者可以尝试明确地找到一个直接映射测得的测量状态以控制操作的控制策略函数。后一种方法通常称为显式最佳控制，需要使用近似功能来解决连续（即无限）状态和动作空间。一旦找到了（近似）最佳控制策略，通常比在每个控制器周期必须在线优化过程进行在线优化过程的隐式情况要快得多。由于控制器决策时间间隔在电动驱动器的子毫秒范围内，因此明确的最佳控制的快速在线推断是一项令人信服的功能。在这里，潜在的控制策略近似函数涵盖了广泛的函数类别，例如神经网络，高斯过程或拉瓜多项式[1]。可以从数据（例如增强学习[2]）或基于可用植物模型（差异预测性控制[3]）中学习控制策略。在这两种情况下，近似函数的拓扑都在控制策略的性能以及训练和推理阶段的数值复杂性方面都起着至关重要的规则。虽然近似函数的特定选择通常是基于临时启发式方法，但如何系统地选择给定控制任务的最佳近似函数的问题仍然在很大程度上开放。
使用内存函数形式主义在寻找...
摘要 - 数据科学在生物医学和生理时间序列和空间图的分析中的使用允许提取有关生物体整体和单个器官的动态状态和功能的可靠信息。在本文中，基于记忆函数形式主义，这是统计物理学的方法之一，我们分析了人脑和人类神经肌肉系统的生物电活动的信号。我们从对人类信号中揭示的全球模式的研究进行过渡到对时间动态各个部分的分析。基于局部特征和参数（功率谱和统计记忆度量的时间窗口绘图），我们建立了周期性模式和动态模式相关性的变化。在时间序列分析的情况下，各种定位过程扮演着“统计显微镜”的作用，该过程捕获信号详细信息或反映对象的局部结构的特征。在记忆功能形式主义框架内引入的广义和局部参数被证明可用于寻找心脏病学，神经生理学，流行病学以及研究人类感觉运动和运动活性的诊断标准。
影响银的超高功函数
有效控制金属的功函数 (WF) 并将其提高到超高值对于它们在应用界面电荷传输过程的功能设备中的应用至关重要。我们报告了银的 WF 的超高增加，从 4.26 增加到 7.42 eV，也就是说，增加了高达 ~3.1 eV。这显然是金属有史以来最高的 WF 增幅，并且得到了最近的计算研究的支持，这些研究预测有可能影响金属 WF 的增加超过 4 eV。我们通过一种新方法实现了超高增加：我们没有使用在金属表面吸附极性分子层的常用方法，而是在金属中加入了 WF 改性成分——L-半胱氨酸和 Zn(OH) 2，从而形成了 3D 结构。通过多种分析方法（XRD、SEM、EDS 映射、TGA/MS、同步加速器 X 射线吸收、非弹性中子散射、拉曼光谱）对材料进行了详细的表征，这些方法的结合表明 WF 增强机制是基于半胱氨酸和水解锌 (II) 分别直接影响金属的电荷转移能力，以及通过已知的 Zn-半胱氨酸指氧化还原陷阱效应协同两种成分的结合。一些额外的特性包括能够从纯银值及以上微调 WF；掺杂银的电导率几乎不受影响；WF 在 3 个月后保持稳定；并且它可耐热至 150 o C。能够根据银的标准值在很宽的范围内调整 WF 变化的能力必将应用于任何需要调整 WF 以设计电荷传输装置的地方。
5轮Feistel方案和Benes方案的量子密码分析
存在多种构造伪随机排列和伪随机函数的方法。随机 Feistel 密码也称为 Luby-Rackoff 分组密码，是用于构造分组密码的对称结构。Feistel 网络的好处是相同的结构可用于加密和解密，并且两者都包括以固定次数迭代运行一个称为“轮函数”的函数。从随机函数或随机排列构建伪随机排列研究最多的方法是 r 轮 Feistel 构造。Feistel 构造从实用角度来看很重要，因为它被用于开发许多分组密码，如 DES [ 2 ]、3DES [ 2 ] 和 Simon [ 7 ]。我们研究了对 Feistel 方案的一般攻击，其中我们假设内部轮函数 f 1 , ... , fr 是随机选择的。 Feistel 方案的明文消息用 [ L, R ] 表示，代表左和右，经过 r 轮后的密文消息用 [ S, T ] 表示。Feistel 方案的第一轮以 [ L, R ] 作为输入，输出 [ R, L ⊕ f ( R )]，其中 fa 是 n 位到 n 位的秘密函数。Benes 方案是两个称为“蝴蝶”方案的组合。它允许从 n 位到 n 位的随机函数构造一个 2 n 位到 2 n 位的伪随机函数。对于许多密码原语（例如散列和伪随机函数），将输出长度加倍是有用的，即使加倍变换不可逆。Benes 方案的明文消息用 [ L, R ] 表示，代表左和右，密文消息用 [ S, T ] 表示。
空对地导弹构造模型开发... - DTIC
献给那些相信真理、荣誉和正义并承诺为捍卫美国宪法献出生命的人，以便让不知感恩的大众享受自由。我真诚地希望这项工作可以帮助减少在服务我们伟大的国家时付出生命代价的美国士兵的数量，因为只有死者才能永远不会再看到战争。
神经心理电池中的构造识别
The National Neuropsychology Network (NNN), a multi-center, multiple-PI project supported by the NIMH (R01MH118514), was established specifically to promote the use of common data elements and data aggregation to advance the empirical basis of neuropsychological (NP) assessment (see www.nnn.ucla.edu ) (Loring et al., 2021).NNN的关键目的是利用先进的心理测量方法来确定通常在非均质诊断条件下使用的测试电池的最显着认知成分，通常是用于NP评估。四个站点（佛罗里达大学埃默里大学，威斯康星大学和加州大学洛杉矶分校）正在汇总临床NP电池的数据，并将这些数据存放在项目级别中，并将结果免费提供给研究社区。到目前为止，我们已经招募了6,400多名参与者，并且在某些措施上有2400多名参与者的项目级别数据可用。