XiaoMi-AI文件搜索系统
World File Search System理论分析
采用双路径设计高选择性带阻滤波器...
本文介绍了一种宽带带阻滤波器 (BSF) 的设计，其最终目标是提高选择性。设计的滤波器由双路电容耦合阶跃阻抗谐振器 (DP-CCSIR) 组成。本文对所提出的 DP-CCSIR 结构进行了理论分析。据观察，可以通过增加双耦合阶跃阻抗谐振器的阶数来提高选择性。所提出的设计产生了以 5.25 GHz 为中心的宽带 BSF，分数带宽为 58.5%。结果表明，可以通过改变 CCSIR 的电长度来调节谐振频率。此外，还认识到双路 CCSIR 参与产生有限频率传输极点，从而实现更好的选择性。然而，所提出的设计已通过制造三个原型进行了验证。测量结果与模拟结果一致。
含两个不同分数阶RC梯形元件的分数阶电路分析
摘要：本研究在模拟以及使用分数阶电路的实际电气元件进行实验的背景下探讨了不同分数阶的课题。在研究适当参数的电阻电容 (RC) 梯形电路的两种解决方案时，考虑了电路的不同分数阶。基于连分数展开 (CFE) 近似法设计了两个分数阶 (非整数) 元件。对 CFE 方法本身进行了修改，以允许自由选择中心脉冲。还提出了在制作单个梯形电路时，如果没有具有程序指定参数的元件，则应通过串联或并联市售元件来获得它们。最后，使用状态空间方法对这种电路进行了理论分析，并通过实验进行了验证。
基于变分量子电路的函数回归理论误差性能分析
噪声中型量子器件使得量子神经网络 (QNN) 的变分量子电路 (VQC) 得以实现。尽管基于 VQC 的 QNN 已在许多机器学习任务中取得成功，但 VQC 的表示和泛化能力仍需要进一步研究，尤其是在考虑经典输入的维数时。在这项工作中，我们首先提出了一种端到端 QNN，TTN-VQC，它由基于张量训练网络 (TTN) 的量子张量网络（用于降维）和用于函数回归的 VQC 组成。然后，我们针对 TTN-VQC 的表示和泛化能力进行误差性能分析。我们还利用 Polyak-Lojasiewicz 条件来表征 TTN-VQC 的优化属性。此外，我们对手写数字分类数据集进行了函数回归实验，以证明我们的理论分析是正确的。
针对非差分GPS/IMU集成导航的优化滤波器设计
首先，根据泰勒展开式对最近发展起来的非线性滤波方法——Cuature卡尔曼滤波器（CKF）的性能评估进行了分析。理论分析表明，非线性滤波方法CKF只有在非线性系统中实现时才显示出其优势。类似地，非线性方向余弦矩阵（DCM）表达式被纳入紧密耦合的导航系统中，以表示真实导航坐标系和估计导航坐标系之间的对准误差。仿真和实验结果表明，在不可观测的大指向误差下，以及在 GPS 故障且指向误差快速累积导致 psi 角的表达式失效的情况下，CKF 的性能优于扩展卡尔曼滤波器（EKF），从而表达一定程度的非线性。
分析PE2U和PE2M工业牵引单元的转向架框架的应力 - 应变状态
摘要。本文介绍了工业牵引单元PE2U和PE2M框架的应力应变状态的理论分析结果。使用SolidWorks仿真软件中的有限元方法进行了应力 - 应变分析。分析结果对于估计服务寿命结束时牵引单元的剩余资源并延长其使用寿命是必要的。根据州标准的要求，为了延长滚动库存负载构造的使用寿命，应研究这些结构的应力 - 应变状态。使用SOLIDWORKS软件构建了3D框架的3D模型来评估应变状态。使用SolidWorks模拟程序，使用基于Palmgren-Miner-Mises理论的有限元方法评估了转向架框架的应力 - 应变状态。考虑了影响转向架框架的所有静态和动态载荷。
Sharma, V.、Tan, TG、Singh, S. 和 Sharma, PK (2022)。利用渗透计算实现人工智能物联网中的最佳隐私感知资源管理。IEEE 工业信息学学报，18(5)，3377-3386。https://doi.org/10.1109/TII.2021.3102471
摘要 — 当涉及过载等情况时，由按需设备（包括辅助服务器）组成的关键基础设施就会发挥作用。按需服务器和设备需要智能管理解决方案，这些解决方案是人工智能物联网 (AIoT) 不可或缺的一部分。这项工作将 AIoT 视为移动物联网 (M-IoT) 和人工智能的结合，需要立即响应、辅助支持系统和计算资源。在共享信息时，AIoT 中的隐私始终是一个问题，因为入侵者可以窃听系统的设置。本文使用渗透计算范式，该范式可以推导策略来决定通过 AIoT 中的最佳和隐私感知资源管理共享服务的方法。安全竞争建立在配置奖励之上，有助于实现隐私设计。这项工作的贡献通过理论分析和数值模拟来表达。
BCI 学习现象可以通过梯度来解释......
脑机接口 (BCI) 实验表明，动物能够调整记录的神经活动以获得奖励。最近的研究强调了两种现象。首先，学习 BCI 任务的速度取决于所需的神经活动与预先存在的活动模式的匹配程度：学习“流形外”任务比学习“流形内”任务慢。其次，学习是通过“重新关联”进行的：在任务学习过程中，神经活动模式的整体分布不会发生显著变化。这些现象被视为 BCI 学习的独特方面。在这里，我们使用模拟和理论分析表明，这两种现象都源于一个简单的假设，即行为和表示通过基于梯度的算法得到改进。我们援引奥卡姆剃刀原理，表明在解释这些实验观察时应该优先考虑这种直接的解释。
BCI 学习现象可以通过梯度来解释......
脑机接口 (BCI) 实验表明，动物能够调整记录的神经活动以获得奖励。最近的研究强调了两种现象。首先，学习 BCI 任务的速度取决于所需的神经活动与预先存在的活动模式的匹配程度：学习“流形外”任务比学习“流形内”任务慢。其次，学习是通过“重新关联”进行的：在任务学习过程中，神经活动模式的整体分布不会发生显著变化。这些现象被视为 BCI 学习的独特方面。在这里，我们使用模拟和理论分析表明，这两种现象都源于一个简单的假设，即行为和表示通过基于梯度的算法得到改进。我们援引奥卡姆剃刀原理，表明在解释这些实验观察时应该优先考虑这种直接的解释。
情境老虎机中的情境不确定性及其在推荐系统中的应用
循环神经网络已被证明可在为推荐系统建模顺序用户反馈方面发挥有效作用。然而，它们通常仅关注项目相关性，无法有效地为用户探索多样化的项目，因此从长远来看会损害系统性能。为了解决这个问题，我们提出了一种新型的循环神经网络，称为循环探索网络 (REN)，以联合执行表示学习和潜在空间中的有效探索。REN 试图在相关性和探索之间取得平衡，同时考虑到表示中的不确定性。我们的理论分析表明，即使学习到的表示存在不确定性，REN 也可以保持速率最优的亚线性遗憾。我们的实证研究表明，REN 可以在合成和现实世界的推荐数据集上获得令人满意的长期回报，表现优于最先进的模型。