XiaoMi-AI文件搜索系统
World File Search System规范化
为...开发的垂直起降机翼 - IJMERR
Daeil Jo 和 Yongjin (James) Kwon 工业工程，亚洲大学，韩国水原 电子邮件：j11129@naver.com，yk73@ajou.ac.kr 摘要 —随着公众对无人机兴趣的增加，无人机正在成为第四次工业革命时代的重要技术领域之一。对于无人机来说，固定翼类型是有利的，因为它比多旋翼类型具有更长的飞行时间，并且速度更快。然而，它需要一个单独的、漫长的、无障碍物的着陆区，这在城市地区很难找到。此外，固定翼型无人机不容易安全着陆。正因为如此，对垂直起降型无人机的需求正在上升。本研究的目的是设计和开发一种能够垂直着陆和起飞的垂直起降飞机，并在垂直、水平和过渡飞行过程中具有适当的推力和升力。我们制定了规范化的无人机开发流程，为开发过程提供理论指导。为了确定垂直起降飞机的气动特性，我们采用了 3D CAD 和 CAE 方法，可以模拟风洞试验以获得最佳气动效率。使用开发的流程，我们确定了构成无人机的内部模块的标准，并且可以考虑适当的重心来组装机身。我们进行了 SW 设置以进行飞行调整，并能够相应地进行飞行测试。在飞行体验中
采用多目标冠状病毒群体免疫算法实现高可再生能源渗透率电网的经济-环境-技术运行
摘要：本文提出了一种经济-环境-技术调度 (EETD) 模型，适用于调整后的 IEEE 30 总线和 IEEE 57 总线系统，包括热能和高渗透率的可再生能源 (RES)。总燃料成本、排放水平、功率损耗、电压偏差和电压稳定性是这项工作要解决的五个目标。问题公式中包含大量等式和不等式约束。元启发式优化方法——冠状病毒群体免疫优化器 (CHIO)、瓶瓶罐罐算法 (SSA) 和蚁狮优化器 (ALO)——用于确定发电成本、排放、电压偏差、损耗和电压稳定性解决方案的最佳方案。回顾了几种场景，以验证定义的优化模型的解决问题的能力。研究了许多场景，以验证优化模型解决问题的能力。利用层次分析法 (AHP)，通过加权求和法将多目标问题转化为规范化的单目标问题。此外，还提出了按与理想解的相似性排序 (TOPSIS) 技术来确定帕累托替代方案的最优值。最终，所取得的结果表明，所提出的 CHIO 在 EETD 问题解决中执行了其他方法。
使用子空间技术在脑电图中寻找与任务无关的个体特异性特征的证据
摘要 — 脑电图 (EEG) 信号由于其防欺骗功能而有望成为其他生物识别技术的替代品。先前的研究侧重于通过分析任务 / 条件特定的 EEG 来捕捉个体差异。这项工作尝试通过规范化相关方差来建模独立于任务 / 条件的生物特征签名。为了实现这一目标，本文扩展了基于子空间的文本独立说话人识别的思想，并提出了用于建模多通道 EEG 数据的新颖修改方法。所提出的技术假设生物特征信息存在于整个 EEG 信号中，并在高维空间中随时间积累统计数据。然后将这些高维统计数据投影到低维空间，生物特征信息得以保留。使用所提出的方法获得的低维嵌入被证明是与任务无关的。最佳子空间系统识别个体的准确率分别为 86.4% 和 35.仅使用 9 个 EEG 通道，在分别包含 30 名和 920 名受试者的数据集上实现了 9% 的准确率。该论文还深入分析了子空间模型在训练过程中对未见过的任务和个体的可扩展性，以及子空间建模所需的通道数量。
收缩投影纠缠对状态一般很难
精确计算量子多体系统的性质是现代物理学和计算机科学中最重要的但也是最复杂的挑战之一。近年来，张量网络假设已成为最有前途的方法之一，能够以惊人的效率模拟一维系统的静态性质，并在凝聚态理论中拥有丰富的数值应用。然而，在更高维度上，与计算复杂性理论领域的联系表明，称为投影纠缠对态 (PEPS) 的二维张量网络的精确归一化是 # P 完全的。因此，PEPS 收缩的有效算法将允许解决极其困难的组合计数问题，这被认为是极不可能的。由于理解二维和三维系统的重要性，目前仍然存在的问题是：已知的典型状态结构是否与量子多体系统相关？在这项工作中，我们表明，对于典型实例，准确评估 PEPS 的规范化或期望值与计算难度最高的特殊配置一样困难。我们讨论了平均情况难度的结构特性与当前尝试张量网络收缩的有效算法研究的关系，这暗示了对量子多体理论中重要问题的平均情况难度的大量可能的进一步见解。
使用关联数组进行 AI 数据整理
摘要 — 人工智能革命是由数据驱动的。人工智能“数据整理”是将不可用的数据转换为支持人工智能算法开发（训练）和部署（推理）的过程。大量的时间被投入到转换各种数据表示以支持人工智能管道中的许多查询和分析步骤。这些数据的严格数学表示使得数据转换和分析优化能够在步骤内和跨步骤进行。关联数组代数提供了一个数学基础，可以自然地描述作为数据库基础的表格结构和集合数学。同样，神经网络使用的矩阵运算和相应的推理/训练计算也可以通过关联数组很好地描述。更令人惊讶的是，可以很容易地构建一般的非规范化形式的分层格式，例如 XML 和 JSON。最后，数据透视表是最广泛使用的数据分析工具之一，它自然而然地从关联数组构造函数中出现。关联数组中的通用基础提供了互操作性保证，证明它们的操作是具有严格数学性质的线性系统，例如，结合性、交换性和分配性，这些对于重新排序优化至关重要。
可靠性工程与系统安全
提出了一种评估飞机发动机监测数据的新方法。通常，预测和健康管理系统使用某些发动机部件的退化过程知识以及专业专家意见来预测剩余使用寿命 (RUL)。出现了新的数据驱动方法，可以在不依赖这种昂贵的过程的情况下提供准确的诊断。然而，它们中的大多数都缺乏解释组件来理解模型学习和/或数据的性质。为了克服这一差距，我们提出了一种基于变分编码的新方法。该模型由一个循环编码器和一个回归模型组成：编码器学习将输入数据压缩到潜在空间，以此为基础构建一个自解释的地图，可以直观地评估飞机发动机的劣化率。获得这样一个潜在空间是通过一个由变分推理指导的新成本函数和一个惩罚预测误差的项来规范化的。因此，不仅可以实现可解释的评估，而且还可以实现显著的预测准确性，优于 NASA 流行的模拟数据集 C-MAPSS 上的大多数最先进的方法。此外，我们利用实际涡扇发动机的数据演示了我们的方法在真实场景中的应用。
CSE 流应用物理学放大 (22PHYS12/22 ...
量子信息与量子计算原理：量子计算简介、摩尔定律及其终结、经典计算与量子计算之间的差异。量子比特的概念及其属性。布洛赫球对量子比特的表示。单量子比特和双量子比特。扩展到 N 量子比特。狄拉克表示和矩阵运算：0 和 1 状态的矩阵表示、恒等运算符 I、将 I 应用于 | 0 ⟩ 和 | 1 ⟩ 状态、泡利矩阵及其对 | 0 ⟩ 和 | 1 ⟩ 状态的运算、矩阵共轭 i) 和转置 ii) 的解释。酉矩阵 U、示例：行矩阵和列矩阵及其乘法（内积）、概率和量子叠加、规范化规则。正交性、正交性。数值问题量子门：单量子比特门：量子非门、泡利 - X、Y 和 Z 门、阿达玛门、相位门（或 S 门）、T 门多量子比特门：受控门、CNOT 门（针对 4 种不同输入状态的讨论）。交换门、受控 -Z 门、Toffoli 门的表示。
通过数据增强和
摘要：本研究论文全面介绍了使用先进图像处理和深度学习技术开发和评估脑肿瘤分类模型的研究。本研究的主要目标是利用原始数据集和增强数据集创建一个准确而强大的系统，用于区分脑肿瘤和正常脑图像。该研究以改善医学诊断为重点，旨在利用最先进的机器学习方法来提高脑肿瘤检测的性能。模型流程包括各种图像预处理步骤，包括裁剪、调整大小、去噪和规范化，然后使用 DenseNet121 架构进行特征提取，并使用 S 形激活进行分类。数据集被精心划分为训练、验证和测试集，重点是实现高召回率、精确度、F1 分数和准确度作为主要研究目标。结果表明，该模型取得了令人印象深刻的表现，训练召回率为 92.87%，精确率为 93.82%，F1 得分为 93.15%，准确率为 94.83%。这些发现凸显了深度学习和数据增强在增强脑肿瘤检测系统方面的潜力，支持了该研究的核心目标，即推动医学图像分析在临床应用中的发展。
利用人工智能进行假脸检测
随着技术的进步，可以以非常无缝的方式为伪造媒体创建人脸图像，利用视频的大规模可访问性。这些假面孔可能用于对目标对象进行冒充攻击。ASCII 文本文件计算机代码和各种商业应用程序的可用性提供了通过几种方式获取选定目标对象的伪造视频的机会。在本文中，我们倾向于通过一系列研究来判断检测方法的普遍性，以对检测准确性进行基准测试。为此，我们从非复制网站收集了一个包含 50,000 多张图像的新数据库，这些图像来自多种数字生成的伪造来源，包括计算机图形图像生成和许多基于篡改的方法。此外，我们还使用了智能手机上常见的应用程序修改的视频。使用基于纹理的手工检测和使用 CNN 方法进行了广泛的实验，以确定检测方法的适用性。通过这种方式，我们可以通过 CNN 方法检测假脸。检测一张看起来很逼真的假脸。我们获取大量图像数据集并对其进行规范化。因此，我们从互联网上收集了大量名人照片，并希望从这些照片中检测出假脸。这样就可以从人脸中检测出假脸。
图神经网络的量子特征嵌入
量子计算提供了一种有希望的途径来降低日益增长的机器学习模型复杂性，这是天气预报、财务预测或工程的大型语言模型和模拟模型所必需的。图神经网络是一类特殊的机器学习模型，因其能够很好地处理结构化数据而备受关注。我们研究如何增强现有的 GNN，并通过归纳偏差发现量子电路最适合用于编码节点特征。提出的量子特征嵌入 (QFE) 将原始输入特征转换为量子态，从而实现非线性和纠缠表示。特别是，QFE 在指数级更大的特征空间中提供规范化、非冗余的权重矩阵，并且所需的量子比特比完全量子图神经网络少得多。在标准图基准数据集上，我们展示了对于相同参数数量，QFE 的表现优于其经典对应物，并且能够匹配指数级更大的模型的性能。最后，我们研究了在具体用例激光切割上使用混合量子图神经网络相对于经典替代方案的潜在优势。我们发现所提出的模型具有提升这些商业应用的性能，因此在短期内有潜力。