我们认为,在最近的几项研究中研究的量子理论结构无法在量子电路的标准框架内得到充分描述。当子系统的组合由希尔伯特空间的直接和与张量积的非平凡混合描述时,情况尤其如此。因此,我们提出了量子电路框架的扩展,由路由线性映射和路由量子电路给出。我们证明这个新框架允许在电路图方面进行一致且直观的图形表示,适用于纯量子理论和混合量子理论,并在几种情况下举例说明了它的使用,包括量子信道的叠加和幺正的因果分解。我们表明,我们的框架包含了 Lorenz 和 Barrett 的“扩展电路图” [ arXiv:2001.07774 (2020)],我们将其作为特例推导出来,赋予它们合理的语义。
本专著使用克劳德·香农 (Claude Shannon) 等人开发的信息理论来分析会计。在以下两种情况下可以推导出三向框架等价性:(i) 当状态可观测时;(ii) 当状态不可观测且只有信号可观测时,信号报告的状态有误。该等价性建立了会计数字、公司回报率和公司可用信息量的相等性,其中香农熵是信息度量。推导状态可观测等价性的主要假设是恒定的相对风险规避偏好、无套利价格和几何平均会计估值。状态不可观测性使用量子公理建模,因此使用量子概率;状态不可观测的方式与量子对象不可观测的方式相同。状态可观测等价性被视为状态不可观测等价性的特例。
摘要 — 独立成分分析是无监督自适应滤波领域的一个难题。最近,人们对使用几何优化进行自适应滤波的兴趣日益浓厚。ICA 算法的性能在很大程度上取决于对比函数的选择以及用于获得分离矩阵的优化算法。本文从优化的角度关注标准线性 ICA 问题。众所周知,经过预白化过程后,可以通过在合适流形上进行优化的方法来解决该问题。我们提出了一种在单位球面上的近似牛顿法来解决单单位 ICA 问题。讨论了局部收敛性质。通过数值实验研究了所提算法的性能。结果表明,著名的 FastICA 算法可以看作是我们算法的一个特例。此外,还讨论了所提算法的一些概括。关键词——几何优化,独立成分分析,FastICA,标量移位策略,局部收敛
摘要 脑机接口应用可用于克服学习问题,尤其是学生焦虑、注意力不集中和注意力不集中。本文介绍了一种基于脑机接口(BCI)的系统,该系统用于教育,以衡量预期学习成果并测量噪声对系统准确度的影响。该系统在线工作,基于记录的脑信号数据集。该系统可被视为 P300 拼写器的一个特例,仅接受从 A 到 D 的字母。这些是多项选择题 MCQ 的可能答案。老师出题,将其存储在考试数据库中并交给学生。学生进入系统并记录他们的脑信号。脑信号经过预处理阶段,在此阶段信号经过低通和高通滤波器。然后对信号进行子采样和分割。获得的特征用作线性判别分析(LDA)的输入。获得的准确率为 91%。
一般而言,对于二体量子系统 C d ⊗ C d 和一个整数 k ,使得 4 ≤ k ≤ d ,k 个广义贝尔态(GBS)集的局部鉴别只有很少的必要充分条件,并且很难局部区分 k - GBS 集。本文的目的在于彻底解决某些二体量子系统中 GBS 集的局部鉴别问题。首先给出了三个实用有效的充分条件,Fan 等人的结果 [Phys Rev Lett 92, 177905 (2004); Phys Rev A 99, 022307 (2019)] 可以推导出这些条件的特例。其次在C 4 ⊗ C 4 中给出了GBS集局部判别的充分必要条件,并给出了所有局部不可区分的4-GBS集的列表,从而彻底解决了GBS集的局部判别问题.在C 5 ⊗ C 5 中得到了GBS集单向局部判别的简明充分必要条件,对Wang等人提出的问题中d = 5的情况给出了肯定的回答.
本研究解决了飞机最终装配线 (FAL) 中操作员的工作分配问题。这些生产线主要是手动和定节奏的。由于未能按时交货可能会给制造商带来巨额罚款,因此满足每个工作站的进度安排至关重要。我们认为任何工作站要执行的任务都已经定义好,并且具有所需技能的操作员集合已经分配给每个工作站。优化问题的范围是一个工作站及其所有任务和操作员。所考虑的优化问题的目标是将所有任务分配给可用的操作员,同时尊重经济(节拍时间)和人体工程学约束。这个问题可以看作是资源受限项目调度问题 (RCPSP) 的一个特例。RCPSP 是一个强意义上的 NP 难题,这意味着没有可用的算法可以在合理的时间内为大规模工业实例找到最优解。在本研究中,我们开发了基于约束规划和整数规划模型的新优化方法来解决这个问题。为了利用时间缓冲区来管理工作过程中可能出现的延迟,目标是找到一个具有最小完工时间的时间表。
本文引用的术语包括混合战争、信息战、信息行动、政治战,以及影响和塑造个人和团体行为的活动。为简单明了起见,本文使用影响活动这个通用术语来描述俄罗斯的努力。战前准备的两个方面有助于理解俄罗斯在当前冲突中的影响力。首先,俄罗斯政府采用了一种行之有效的方法来设定条件。对大量出版物的分析显示出一种一致且可预测的模式,有助于揭开俄罗斯行动的神秘面纱。1 关于俄罗斯影响力的一个关键点是,其主要目标始终是俄罗斯联邦境内外的俄罗斯人口。所有其他目标都是次要的,不一定需要说服,而是要将其视为实现目标的障碍。2 其次,乌克兰是一个特例,它与俄罗斯的古老语言、文化和宗教联系可以说超过了其他斯拉夫民族。因此,俄罗斯对乌克兰的关注程度和恶毒程度可能超过其他国家。最后,以下讨论是对刚刚爆发几个月的战争的初步分析。未来对俄罗斯影响力活动的研究和分析可能会改变一些观点。不过,俄罗斯行为者不太可能对乌克兰产生重大影响。
本文提出了一个框架,以实现边缘设备上卷积神经网络 (CNN) 的节能执行。该框架由一对通过无线网络连接的边缘设备组成:性能和能耗受限的设备 D 作为数据的第一个接收者,能耗不受约束的设备 N 作为 D 的加速器。设备 D 动态决定如何分配工作负载,以尽量减少其能耗,同时考虑到网络延迟固有的不确定性和数据传输所涉及的开销。这些挑战通过采用马尔可夫决策过程 (MDP) 的数据驱动建模框架来解决,其中 D 在 O(1) 时间内查阅最优策略来做出逐层分配决策。作为一个特例,还提出了一种线性时间动态规划算法,用于在假设网络延迟在整个应用程序执行过程中保持不变的情况下一次性找到最佳层分配。所提出的框架在由 Raspberry PI 3 作为 D 和 NVIDIA Jetson TX2 作为 N 组成的平台上进行了演示。与完全在 D 和 N 上执行 CNN 的替代方案相比,能耗平均降低了 31% 和 23%。还实施了两种最先进的方法,并与所提出的方法进行了比较。
摘要:这是一篇专门讨论互补性-语境性相互作用以及与贝尔不等式相关的评论。从互补性开始讨论,我指出语境性是它的种子。玻尔语境性是可观测量结果对实验语境的依赖性;对系统-仪器相互作用的依赖性。从概率上讲,互补性意味着联合概率分布 (JPD) 不存在。人们必须使用语境概率而不是 JPD。贝尔不等式被解释为语境性的统计检验,因此是不相容性的。对于与语境相关的概率,这些不等式可能会被违反。我强调,贝尔不等式测试的语境性是所谓的联合测量语境性 (JMC),即玻尔语境性的特例。然后,我研究了信号(边际不一致性)的作用。在 QM 中,信号可以被视为一种实验产物。然而,实验数据通常具有信号模式。我讨论了信号的可能来源——例如,状态准备对测量设置的依赖性。原则上,可以从信号阴影的数据中提取“纯语境性”的度量。这个理论被称为默认语境性 (CbD)。它导致不等式,其中有一个量化信号的附加项:Bell–Dzhafarov–Kujala 不等式。
在图中查找团伙因其模式匹配能力而有多种应用。k -团伙问题是团伙问题的一种特例,它确定任意图是否包含大小为 k 的团伙,该问题已在量子领域得到解决。列出所有大小为 k 的团伙的 k -团伙问题变体在现代也有流行的应用。尽管如此,这种 k -团伙问题变体在量子环境中的实现仍未触及。在本文中,除了此类 k -团伙问题的理论解决方案之外,还使用 Grover 算法解决了基于量子门的实际实现。该方法进一步扩展到设计经典-量子混合架构中最大团伙问题的电路。该算法自动为任何给定的无向无加权图和任何给定的 k 生成电路,这使我们的方法具有广义性。与最先进的方法相比,对于大图的小 k ,提出的解决 k -团伙问题的方法表现出量子比特成本和电路深度的降低。还提出了一个可以将团问题自动生成电路映射到量子设备的框架。使用IBM的Qiskit对实验结果进行了分析。