XiaoMi-AI文件搜索系统
World File Search System维空间
未来工作的五维空间
摘要。我们提出了未来工作 (FoW) 的结构化观点，使用未来学家的视角来推进两个目标：推进 FoW 的核心维度，同时概述未来学家考虑可能的未来的方法。专业未来学家指出，他们并不预测未来，而是构建多个未来——复数。这些未来观点以情景形式呈现，以帮助决策者考虑替代方案并更好地理解规划维度之间的相互作用。推动规划的情景是通过借鉴将塑造我们未来的特征或维度构建的。我们在这里介绍的就是这些维度。我们为 FoW 提供了五个基础维度，将它们表达为构成问题的对立观点：(1) 虚拟性与压缩工作安排；(2) 原子工作与整体工作；(3) 算法与人类决策；(4) 新自由主义资本主义与安全网资本主义；(5) 超人与虚无主义者。我们使用这些维度来提供场景以说明它们的用途。最后，我们反思了 2020 年疫情带来的冲击以及公司规模对未来工作的影响。
通过调整神经活动的低维空间来实现脑机接口的稳定
1 美国宾夕法尼亚州匹兹堡卡内基梅隆大学电气与计算机工程系。2 美国宾夕法尼亚州匹兹堡大学生物工程系。3 美国宾夕法尼亚州匹兹堡认知神经基础中心。4 美国宾夕法尼亚州匹兹堡大学脑研究所。5 美国宾夕法尼亚州匹兹堡大学系统神经科学中心。6 美国宾夕法尼亚州匹兹堡卡内基梅隆大学机器学习系。7 美国弗吉尼亚州阿什本霍华德休斯医学研究所 Janelia 研究园区。8 美国宾夕法尼亚州匹兹堡大学医学院神经生物学系。9 美国宾夕法尼亚州匹兹堡大学神经外科系。 10 美国宾夕法尼亚州匹兹堡大学物理医学与康复系。11 美国宾夕法尼亚州匹兹堡大学麦高恩再生医学研究所。12 美国宾夕法尼亚州匹兹堡卡内基梅隆大学神经科学研究所。13 美国宾夕法尼亚州匹兹堡卡内基梅隆大学生物医学工程系。14 以下作者贡献相同：Alan D. Degenhart、William E. Bishop。15 以下作者共同指导了这项工作：Steven M. Chase、Aaron P. Batista、Byron M. Yu。ᅒ 电子邮件：byronyu@cmu.edu
通过在超维空间中叠加将特定主体的脑机接口模型压缩为一个模型
9 名受试者 每名受试者 2 个环节：训练和测试集 每环节和受试者 288 次试验 由视觉提示发起的 4 种不同的 MI 任务
脑电图数据的 Stiefel 流形乘积优化
高维脑电图 (EEG) 协方差矩阵的维数降低对于在脑机接口 (BCI) 中有效利用黎曼几何至关重要。在本文中，我们提出了一种新的基于相似性的分类方法，该方法依赖于 EEG 协方差矩阵的维数降低。传统上，通过将原始高维空间投影到一个低维空间来降低其维数，并且仅基于单个空间学习相似性。相反，我们的方法，多子空间 Mdm 估计 (MUSUME)，通过解决所提出的优化问题获得多个可增强类可分性的低维空间，然后在每个低维空间中学习相似性。这种多重投影方法鼓励找到对相似性学习更有用的空间。使用高维 EEG 数据集（128 通道）进行的实验评估证实，MUSUME 在分类方面表现出显著的改进（p < 0.001），并且显示出超越仅依赖一个子空间表示的现有方法的潜力。
使用贝尔不等式寻找相互无偏基的三种数值方法
互不偏向的基对应于量子信息论中非常有用的测量对。在最小的复合维度 6 中，已知存在 3 到 7 个互不偏向的基，而几十年前的猜想，即 Zauner 猜想，指出互不偏向的基最多只有 3 个。这里我们通过对每对整数 n，d ≥ 2 构建贝尔不等式来数值解决 Zauner 猜想，当且仅当 n 个 MUB 存在于该维度中时，这些整数在维度 d 中可以被最大程度地违反。因此，我们将 Zauner 猜想转化为优化问题，并通过三种数值方法解决该问题：跷跷板优化、非线性半定规划和蒙特卡洛技术。这三种方法都正确地识别出了低维空间中的已知情况，并且都表明在六维空间中不存在四个相互无偏的基，并且都找到了相同的基，这些基在数值上优化了相应的贝尔不等式。此外，这些数值优化器似乎与六维空间中的“四个最远的基”相吻合，这是通过数值优化距离测量发现的 [P. Raynal, X. Lü, B.-G. Englert, Phys. Rev. A , 83 062303 (2011)]。最后，蒙特卡罗结果表明十维空间中最多存在三个 MUB。
