最近开发的离散扩散模型在文本到图像任务中表现出色,显示出处理多形式信号的巨大希望。在这项工作中,我们利用这些特征,并提出一个可以使用单个模型,基于文本的,基于图像的,甚至具有远见性的同时生成的统一的模型模型,该模型可以执行“模态翻译”和“多模式生成”任务。具体而言,我们通过提出一个统一的过渡矩阵来统一多模式信号的离散扩散过程。此外,我们设计了一个具有融合嵌入层和统一的目标函数的相互注意模块,以强调模式间链接,这对于多模式生成至关重要。广泛的实验表明,我们提出的方法可以与各种一代任务中的最新解决方案相当地执行。
回想一下第 2 章,如果玩家必须在不知道对手选择做什么的情况下采取行动,则称游戏具有同时行动。如果玩家在完全相同的时间选择行动,则显然如此。如果玩家孤立地选择行动,即使选择是在不同的时间做出的,也不知道其他玩家已经做了什么或将要做什么,游戏也是同时的。(出于这个原因,同时行动游戏具有我们在第 2 章第 2.D 节中定义的不完全信息。)本章重点介绍玩家之间具有这种纯同时互动的游戏。我们考虑各种类型的同时游戏,为这些游戏引入一个称为纳什均衡的解决方案概念,并研究具有一个均衡、多个均衡或根本没有均衡的游戏。许多熟悉的战略情况可以描述为同时行动游戏。电视机、立体声音响或汽车的各种生产商在不知道竞争对手公司对自己产品做什么的情况下就产品设计和功能做出决策。美国选举中的选民同时投出各自的选票;没有选民在做出自己的决定时知道其他人做了什么。足球守门员和对方前锋在罚点球时之间的互动要求两名球员同时做出决定——守门员不能等到球真正被踢出后才决定往哪个方向走,因为那时就太晚了。当同步移动游戏中的玩家选择自己的行动时,她显然不知道其他玩家的选择。她也
随着量子技术的出现,信息技术的发展已到达一个关键点,有望实现无与伦比的计算能力和解决问题的能力。基于离散变量和连续变量的量子计算有望有效解决计算上难以解决的问题。离散变量量子计算依赖于有限维希尔伯特空间中编码的量子,而连续变量量子计算则利用谐振子的无限维希尔伯特空间。这两种范式在实现通用性和容错性方面都面临挑战,因此需要探索非高斯性和魔法等资源理论。本论文研究了离散和连续变量系统的量子计算资源,并有助于加深我们对实现不同架构中量子计算潜力所必需的资源的理解。我们研究这些资源理论之间的相互作用,提出新的量词并建立离散和连续变量量子计算之间的联系。
扩散模型已成为机器学习中生成建模的重要方法。这些模型是通过模拟一些“破坏性”随机过程来训练的,这些随机过程在训练数据样本中初始化,并且具有易于采样的限制分布。通过学习如何逆转随机过程来获得生成模型。扩散模型的大多数应用都用于连续数据,并使用高斯扩散作为随机过程。但是,相同的想法也可以通过适当的破坏过程选择,例如基于离散的马尔可夫链和吸收状态的引入。通过指导进一步提高了扩散生成模型的性能和适用性,这是一种基于某些辅助信息或外部模型来指导生成过程的技术。指导既可以用于有条件生成(例如带有分类器指导)和改善样本质量(鉴别器指导)。在本演讲中,我将讨论如何将顺序的蒙特卡洛用于扩散模型的指导。我将重点放在不容易适用的基于常规得分的指导技术的离散设置上。基于与FilipEkströmKelvinius的联合工作(自回旋扩散模型的歧视指南,AISTATS 2024,https://arxiv.org/abs/2310.15817)
摘要 — 本文提出了一种使用离散小波变换 (DWT) 系数作为特征从脑电信号中检测困倦的有效方法。大多数困倦检测系统使用 FFT 计算功率谱密度或使用 DWT 计算脑电子带的熵来提取特征。虽然这些技术擅长在频域中捕捉有价值的特征,但它们忽略了分析脑电信号所必需的时间细节。这些细节被整合到表示小波函数和不同时间的脑电信号之间相关性的系数中。在我们的工作中,我们使用 DWT 系数对脑电信号进行时频分析以保留这种时间背景。此外,该研究探讨了时间段大小对系统性能的影响。随后,我们确定了最合适的技术来最小化输入特征冗余。我们的方法只使用两个脑电电极 C3 和 C4,与检测清醒和困倦的常见设置相似。评估了四个分类器:决策树、随机森林、多层感知器和支持向量机。研究结果表明,DWT 系数提高了困倦检测的性能,超越了以前的方法。
其中 FS 是初始和最终热力学平衡态之间的亥姆霍兹自由能差。在不同的背景下,量子反馈控制因控制和稳定量子系统而引起了相当大的关注 [16-22]。例如,它可以应用于压缩电磁场 [18]、自旋压缩 [20] 和稳定宏观相干性 [22]。虽然作为随机动态系统的量子反馈控制理论框架已经很完善,但量子反馈控制可能带来的热力学增益尚未完全了解。在本文中,我们推导出一个新的热力学不等式,它对可从具有离散量子反馈控制的多热浴中提取的功设置了基本极限 [7, 23],包括量子测量 [23, 24] 和取决于测量结果的机械操作。最大功的特征是热力学系统与反馈控制器之间的广义互信息量。我们将其称为 QC 互信息量,其中 QC 表示被测系统是量子的,测量结果是经典的。在经典测量的情况下,QC 互信息量简化为经典互信息量 [25]。在没有反馈控制的情况下,新的不等式
纠缠是一种重要的量子资源,可用于量子隐形传态、量子计算等,如何判断和度量纠缠或可分性成为量子信息论中的基本问题。该文通过分析广义环Z[i]2n的性质,提出了一种在Gatti和Lacalle提出的离散量子计算模型中判断任意量子态纠缠或可分性的新方法。与以前基于矩阵的判据不同,它在数学计算上操作相对简单,并且如果一个量子态可分,就能计算出可分的数学表达式。以n=2,3为例,给出了模型中所有可分离态的具体形式,为离散量子计算模型提供了一个新的研究视角。
人类的多任务处理可以分为两种不同的模式(Wickens and McCarley,2008)。一种模式涉及并发执行,即同时进行两项任务,比如开车和说话。注意力通过共享大脑中有限的多种资源来分散(Navon and Gopher,1979;Meyer and Kieras,1997;Wickens,2002,2008)。另一种模式涉及顺序任务执行,此时操作员必须选择执行一项任务或另一项任务,因为在超负荷情况下无法同时执行多项任务。人类的经验提供了许多此类多任务处理在高工作负荷下崩溃的例子(Dismukes,2010;Loukopoulos et al.,2009;Wickens and McCarley,2008)。其中一些崩溃导致了悲剧:发短信使视线从路面转移,从而导致碰撞;三哩岛核电站的操作员过于专注于故障诊断,以致于没有注意到关键指标(Rubenstein and Mason,1979);L1011 的飞行员过于专注于潜在的起落架故障,以至于他们停止了高度监控并坠毁在沼泽地中(Wiener,1977);空中交通管制员因交通管理负担过重,忘记将一架等候的飞机移出跑道(NTSB 1991)。事实上,航空业尤其会出现几种情况,即本应具有最高优先级的任务被放弃或忽视,而其他任务则被优先考虑。
截至目前,住宅消费者的能源存储代表着一项相当大的投资,而且并不能保证盈利。文献中提出了由一组消费者共同购买能源存储的共享投资模型,以增加这些设备的吸引力。这种模型自然采用了合作博弈论的概念。在本文中,我们扩展了最先进的合作博弈,通过添加两个关键扩展来建模共享存储投资:负载的随机性和存储设备容量的离散性。由于我们的目标是增加电网的存储容量,因此,一组根据我们提出的方案进行合作的参与者将获得的设备数量与消费者单独购买的设备数量进行了比较。在相同的客户盈利能力标准下,使用真实数据进行的模拟表明,我们提出的方案可以将部署的存储容量提高 100% 到 250%。
通过随机微分方程(SDE)基于得分的建模已对扩散模型有了新的视角,并在连续数据上证明了出色的绩效。但是,log-likelihood函数的梯度,即,分数函数未正确定义用于离散空间。这使得将基于得分的建模调整为分类数据并不乏味。在本文中,我们通过引入随机跳跃过程将反向过程通过连续的Markov链进行反向过程来扩散变量。此公式在向后采样期间接受分析模拟。要学习反向过程,我们将分数匹配扩展到一般的分类数据,并表明可以通过简单的条件边缘分布来获得公正的估计器。我们演示了构成方法在一组合成和现实世界的音乐和图像基准中的有效性。
