XiaoMi-AI文件搜索系统
World File Search System背景噪声
![arXiv:2401.12055v1 [cs.CR] 2024 年 1 月 22 日](/simg/g:\will\search\icon\source\e\e8a38712a9961b795c97e03df432e2cb656165d2.webp)
arXiv:2401.12055v1 [cs.CR] 2024 年 1 月 22 日
摘要。神经形态系统受到人类大脑的复杂性和功能性的启发，由于其在广泛应用中具有无与伦比的潜力，引起了学术界和工业界的关注。虽然它们的能力预示着创新，但必须强调的是，这些计算范式与传统范式类似，并非不受安全威胁的影响。尽管人们一直在严格探索用于图像和视频处理的神经形态方法，但神经形态音频处理领域仍处于早期阶段。我们的结果突出了基于 FPGA 的神经形态系统的稳健性和精确性。具体而言，我们的系统展示了所需信号和背景噪声之间值得称赞的平衡、高效的尖峰速率编码以及对 FGSM 和 PGD 等对抗性攻击的无与伦比的弹性。我们的框架的一个突出特点是其检测率高达 94%，与其他方法相比，这凸显了其在 5.39 dB 内识别和缓解威胁的更强大能力，这是一个值得称赞的 SNR 比率。此外，神经形态计算和硬件安全服务于任务关键型和隐私保护应用中的许多传感器领域。
飞机结构测试中的高级声发射源位置
s Grigg，C A Featherston，M Pearson和R Pullin Cardiff工程学院，加的夫大学，皇后建筑，游行，加的夫，CF24 3AA摘要。声发射（AE）是一种原位结构性健康监测（SHM）技术，在该技术中，由于裂纹生长而产生的超声波监测结构。将AE应用于飞机和其他复杂结构时，AE的主要挑战是，波传播会受到加强剂，孔，厚度变化和其他复杂性的显着影响。这降低了基于奇异传播波速的传统源位置技术的准确性。Delta-T方法通过映射结构并考虑这些更改来实现更高级别的准确性。在这项工作中，AE监视设备安装在铝空客A320机翼的一部分上。位置试验显示，与商业标准技术相比，人工HSU-Nielson来源的Delta-T技术将平均误差从85mm提高到23mm。在疲劳下进行测试证明了检查3D结构（由于多个信号路径）具有显着水平的背景噪声时遇到的挑战。在结构中鉴定出的两个裂纹中，其中第一个被成功地检测到并找到，而另一个由于高机噪声和无代表性的负载而错过了。
量子雷达：新兴遥感技术的现状与潜力
摘要 — 量子技术已在信息处理和通信等许多领域得到应用，它有可能改变我们在微波和毫米波领域的遥感方法，从而产生被称为量子雷达的系统。这种新一代系统并不直接利用量子纠缠，因为后者太“脆弱”，无法像雷达场景那样在嘈杂和有损的环境中保存，而是利用量子纠缠产生的高水平相干性。量子照明是一种利用非经典光态的量子相干性进行遥感的过程。它允许以光学或微波光子的形式生成和接收高度相关的信号。通过将接收到的信号光子与与发射光子纠缠的光子相关联，可以在所有接收到的光子中清楚地区分回声与背景噪声和干扰，从而将遥感的灵敏度提高到前所未有的水平。因此，原则上可以检测到非常低的交叉雷达截面物体，例如隐形目标。目前，关于量子雷达收发器的实验报道很少。本文旨在总结量子雷达的最新进展，介绍其基本工作原理，并提出这种技术可能出现的问题；其次，本文将指出光子学辅助量子雷达的可能性，并提出光子学是量子科学和遥感技术可以有效相互融合的理想领域。
用于分类的机器学习方法
电磁诱导（EMI）方法通常用于对未爆炸的军械（UXO）进行分类。用于分类的现代时间域系统是多组分，并在多个时间渠道中获取许多发射器收络对。传统上，分类是使用基于物理的反转方法完成的，在该方法中，从EMI数据估算了极化曲线。然后将这些曲线与库中的曲线进行比较，以根据某些误解来寻找匹配。在这项工作中，我们开发了一个直接从EMI数据中分类UXO的卷积神经网络（CNN）。类似于图像分割问题，我们的CNN输出了一个保留输入空间维度的分类图。我们使用使用偶极模型生成的合成数据来训练CNN，以考虑相关的UXO和混乱对象。我们使用两步工作流。首先，我们训练CNN以检测字段数据中的金属对象。从此，我们提取仅包含背景信号的数据贴片，并使用它们来生成一个新的训练数据集，并将此背景噪声添加到我们的合成数据中。第二个CNN经过这些数据训练以执行分类。我们使用Sequim Bay海洋测试地点中使用Ultratema-4系统获取的领域数据测试我们的方法。
用于小行星和彗星核心任务的小型全范围激光雷达
摘要：我们报告了一种新型空间激光雷达的开发，该雷达专为执行小型行星体任务而设计，用于地形测绘和样本采集或着陆支持。该仪器设计为具有宽动态范围，并针对不同任务阶段提供多种操作模式。激光发射器由光纤激光器组成，该激光器通过归零伪噪声 (RZPN) 代码进行强度调制。接收器通过将检测到的信号与 RZPN 内核关联来检测编码脉冲序列。与常规伪噪声 (PN) 激光雷达不同，RZPN 内核在激光发射窗口外设置为零，从而消除了接收器积分时间内的大部分背景噪声。该技术允许使用低峰值功率但高脉冲率的激光器（例如光纤激光器）进行长距离测距而不会产生混叠。激光功率和探测器的内部增益均可调整，以提供宽测量动态范围。激光调制代码模式也可以在轨道上重新配置，以优化针对不同测量环境的测量。接收器采用多像素线性模式光子计数 HgCdTe 雪崩光电二极管 (APD) 阵列，在近红外至中红外波长范围内具有近量子极限灵敏度，许多光纤激光器和二极管激光器都在此波长范围内工作。该仪器采用模块化和多功能设计，主要采用光通信行业开发的组件构建。
从噪声中提取诱发电位的统计方法
诱发电位 (EP) 是嵌入自发性脑电图活动 (EEG) 中的离散信号。从噪声中提取它们需要重复记录。视觉或听觉刺激触发采集系统，然后收集“诱发电位”。诱发电位不同于自发性神经活动 (EEG)，因为它与触发“事件”同步。实际上，触发事件的信号用于采集诱发电位信号。诱发电位 (PE) 被定义为大脑有限区域相对于另一个电中性区域的电势的瞬态变化。EP 由放置在活动结构发出的电场中的电极捕获，并与所谓的“参考”电极检测到的电位进行比较。当参考电极捕获脑神经活动时，传感器系统称为双极。另一方面，当参考电极位于没有大脑活动的区域（例如耳垂）时，传感器系统称为单极。在最好的情况下，我们刚才看到的感兴趣的诱发电位 (PE) 是在离源很远的地方捕获的，其幅度非常小，不超过十微伏。此外，它嵌入在电极捕获的连续大脑活动（EEG 高于 100 微伏）中。PE 有时低于放大器的背景。因此，在检查其特性之前，有必要从背景噪声中提取 PE。40 年来使用的经典方法是平均法。该方法由同步连续响应的平均值组成。诱发电位是一种根据受试者的注意力而发展的大脑活动，因此平均值不足以令人满意地研究它。
2024 年量子信息知识 (QuIK) 研讨会量子误差校正教程
量子技术利用量子力学定律（对世界最精确的物理描述）来实现全新的信息处理能力。主要的量子技术是量子计算机、量子通信和网络以及量子传感器。虽然这些技术都是从相同的概念发展而来的，但它们的目标和任务却大不相同。在本次研讨会上，我们将主要关注量子计算，其目标是在原子、离子、超导电路和光子等量子力学载体中存储和处理信息。当与环境隔离时，这些载体表现理想，可以无限期地保持信息完整。然而，实际上，它们不断与环境相互作用，导致存储的信息退相干。同样，对这些载体进行外部操纵以计算信息也远非理想，存在精度不足、背景噪声等问题。因此，必须保护存储的信息免受退相干的影响，并确保其处理对设备故障具有耐受性。在量子系统中，这种容错信息处理的最系统方法是使用量子纠错码。在本文中，我们简要概述了量子纠错和容错的基本原理。我们假设读者熟悉经典纠错或信道编码，但可能不熟悉量子信息。目标是为 QuIK'24 研讨会的与会者提供足够的背景知识，以便他们跟上受邀演讲、海报和讨论。虽然这不是对该领域的全面回顾，但我们将为读者提供充足的参考资料，以扩展此处讨论的基础知识。有关量子计算和量子纠错的历史回顾，我们建议读者参考 [1]–[4]。
因果关系 - 时空图神经网络用于时空时间序列
时空时间序列通常是通过放置在不同位置的监视传感器来收集的，这些传感器通常由于各种故障而包含缺失值，例如机械损坏和内部中断。归纳缺失值对于分析时间序列至关重要。恢复特定的数据点时，大多数现有方法都考虑了与该点相关的所有信息，较小的因果关系。在数据收集期间，不可避免地包括一些未知的混杂因素，例如，时间序列中的背景噪声和构造的传感器网络中的非杂货快捷方式边缘。这些混杂因素可以打开后门路径并在输入和输出之间建立非泡沫相关性。过度探索这些非毒性相关性可能会导致过度拟合。在本文中，我们首先从因果的角度重新审视时空时间序列，并展示如何通过前门调整来阻止混杂因素。基于前门调整的结果，我们引入了一种新颖的C技术性-Ware Sp aTiot e Mpo r al图神经网络（CASPER），其中包含一种新型的基于及时的解码器（PBD）和空间 - 可导致的因果发生（SCA）。PBD可以减少混杂因素的影响，而SCA可以发现嵌入之间的因果关系稀疏。理论分析表明，SCA根据梯度值发现因果关系。我们在三个现实世界数据集上评估Casper，实验结果表明，Casper可以胜过基准，并可以有效地发现因果关系。
利用双模压缩真空进行量子损失传感……
我们研究了当使用双模压缩真空态作为探针时，在损耗传感中的量子优势。在 PRX 4, 011049 中进行实验演示后，我们考虑了一种量子方案，其中信号模式通过目标，并在测量之前将热噪声引入闲置模式。我们考虑了两种具有实际意义的检测策略：巧合计数和强度差异测量，它们广泛用于量子传感和成像实验。通过计算信噪比，我们验证了即使在强热背景噪声下量子优势仍然存在，而经典方案使用直接受到热噪声影响的单模相干态。这种稳健性来自这样一个事实：在经典方案中信号模式受到热噪声的影响，而在量子方案中闲置模式受到热噪声的影响。为了进行更公平的比较，我们进一步研究了一种不同的设置，其中在量子方案中将热噪声引入信号模式。在这种新设置中，我们表明量子优势显著降低。然而，值得注意的是，在与量子 Fisher 信息相关的最佳测量方案下，我们表明双模压缩真空态确实在整个环境噪声和损耗范围内表现出量子优势。我们希望这项工作能为实验证明损耗参数传感中的量子优势提供指导，这种传感受有损和有噪声的环境影响。
使用机器学习的语音情感识别
摘要。语音情绪识别（SER）是一个跨学科领域，利用信号处理和机器学习技术来识别和分类通过语音传达的情绪。近年来，由于其在人类计算机互动，医疗保健，教育和客户服务中的潜在应用，SER引起了极大的关注。可以从各种声学特征中推断出幸福，愤怒，悲伤，恐惧，惊喜和厌恶等情绪，包括音高，强度，语音速度和光谱特征。然而，由于诸如说话者的可变性，文化差异，背景噪声和情绪表达的微妙之处等因素，准确地识别语音的情绪是具有挑战性的。本文探讨了语音情感识别的最新方法，重点是深度学习方法，特征提取技术以及使用大规模情感标记的数据集。我们回顾了传统的方法，例如隐藏的马尔可夫模型和支持向量机，并将其与神经网络（尤其是卷积神经网络（CNN））和复发性神经网络（RNN）（RNN）中的现代进步进行比较。此外，我们讨论了该领域的挑战，包括自发言语中的情感检测，跨语性和跨文化识别的影响以及当前基准的局限性。最后，我们提供了SER系统的现实应用程序的概述，包括它们集成到虚拟助手，心理健康诊断和互动娱乐中。我们通过强调多模式情绪识别的新兴趋势，以及未来研究的潜力，以提高不同环境中SER系统的鲁棒性和准确性。