XiaoMi-AI文件搜索系统
World File Search System规范化
EEG-GAT：用于脑电图 (EEG) 信号分类的图形注意力网络 /作者=Demir, Andac；Koike-Akino, Toshiaki；Wang, Ye；Erdogmus, Deniz /创建日期=2022 年 9 月 17 日 /主题=人工智能、机器学习、机器人技术、信号处理
摘要 图神经网络 (GNN) 是深度学习社区中一个新兴的框架。在大多数 GNN 应用中，数据样本的图拓扑结构在数据集中提供。具体而言，图移位算子 (GSO) 是先验已知的，它可以是邻接、图拉普拉斯或它们的规范化。然而，我们通常不了解现实世界数据集背后的真实图拓扑结构。其中一个例子是从生理脑电图 (EEG) 中提取主体不变特征来预测认知任务。以前的方法使用电极位点来表示图中的节点并以各种方式连接它们来手工设计 GSO，例如，i) 每对电极位点连接以形成完整图，ii) 特定数量的电极位点连接以形成 k 最近邻图，iii) 仅当欧几里得距离在启发式阈值内时，每对电极位点才连接。在本文中，我们通过使用多头注意机制对 GSO 进行参数化来克服这一限制，以探索不同电极位置之间在认知任务下的功能性神经连接，同时结合图卷积核的参数学习无监督图拓扑结构
使用权重重映射提高量子变分分类器的收敛性
摘要：近年来，变分量子电路 (VQC) 在量子机器学习中的应用大幅增加。VQC 的灵感来自人工神经网络，它作为大规模参数化函数逼近器，在广泛的 AI 任务中实现了非凡的性能。VQC 已经通过利用量子计算中更强大的算法工具箱，在泛化和训练参数要求更少等方面取得了令人鼓舞的成果。VQC 的可训练参数或权重通常用作旋转门中的角度，而当前基于梯度的训练方法并未考虑到这一点。我们引入了 VQC 的权重重新映射，以将权重明确地映射到长度为 2 π 的区间，这从传统 ML 中汲取了灵感，其中数据重新缩放或规范化技术在许多情况下都表现出巨大的好处。我们使用一组五个函数，并以变分分类器为例，在 Iris 和 Wine 数据集上对它们进行评估。我们的实验表明，权重重新映射可以提高所有测试设置中的收敛性。此外，我们能够证明，与使用未修改的权重相比，权重重新映射可将 Wine 数据集的测试准确率提高 10%。
脑解剖结构标准化，可帮助治疗运动障碍的深部脑刺激
深部脑刺激 (DBS) 疗法需要在植入前进行广泛的针对患者的计划，以实现最佳临床效果。对患者大脑图像进行集体分析很有前景，可以为您提供更系统的计划帮助。本文介绍了使用组特定的多模态迭代模板创建过程的规范化管道设计。重点是比较一系列免费配准工具的性能并选择最佳组合。该工作流程应用于 19 名具有 T1 和 WAIR 模态图像的 DBS 患者。使用文献中的几种设置，使用 ANTS、FNIRT 和 DRAMMS 计算非线性配准。使用丘脑和丘脑底结构的单一专家标签及其在整个组中的一致性来测量配准精度。使用其他地方发布的高方差设置的 ANTS 提供了最佳性能。FNIRT 和 DRAMMS 均未达到 ANTS 的性能水平。根据所得的解剖结构的标准化定义，使用来自 19 名患者的数据提出了定义 58 个结构的间脑区域图谱。
基于主题匹配的子图级注意力卷积网络用于图分类
图分类对于许多与图数据相关的实际应用（例如化学药物分析和社交网络挖掘）至关重要。传统方法通常需要特征工程来提取有助于区分不同类别的图的图特征。尽管最近提出了基于深度学习的图嵌入方法来自动学习图特征，但它们大多使用从图中提取的一些顶点排列进行特征学习，这可能会丢失一些结构信息。在这项工作中，我们提出了一种新的基于模体注意力图卷积神经网络用于图分类，它可以学习更有辨别力和更丰富的图特征。具体而言，我们开发了一种模体匹配引导的子图规范化方法来更好地保留空间信息。我们还提出了一种新的子图级自注意网络来捕捉不同子图的不同影响或权重。在生物信息学和社交网络数据集上的实验结果表明，与传统图核方法和最近的深度学习方法相比，所提出的模型显著提高了图分类性能。
经济大环境下数字化物流的冲击
数字物流技术对于促进经济增长的商业应用非常重要。现代供应链或物流寻求实施一个包含数据、物理对象、信息、产品和业务进展的大规模智能基础设施。商业应用利用各种智能技术来最大化物流流程。然而，由于运输成本、质量和跨国运输，物流过程受到影响。这些因素经常影响该地区的经济增长。此外，大多数城市都位于偏远地区，得不到适当的物流支持，从而阻碍了业务增长。因此，本研究分析了数字物流对该地区经济的影响。长江经济带地区包括近 11 个城市，被选为分析对象。收集的信息通过动态随机平衡统计分析模型 (DSE-SAM) 进行处理，该模型预测了数字物流对经济发展的相关性和影响。在这里，构建了判断矩阵以减少数据标准化和规范化过程的难度。然后利用熵模型和统计相关性分析来改进整体影响分析过程。最后，将开发的基于DSE-SAM的创建系统效率与其他经济模型进行比较，例如空间杜宾模型（SDM），耦合协调度模型（CCDM）和协作度模型（CDM）。与其他地区相比，建议的DSE-SAM模型的结果实现了长江经济带地区城镇化，物流和生态的高度相关性。
ITU-T Y.QKDNi-SDNC量子密钥分发网络...
SDN 被定义为一种控制框架，它通过分离数据平面和控制平面来支持网络功能和协议的可编程性，而数据平面和控制平面目前在大多数网络设备中是垂直集成的。SDN 提出了一种逻辑集中式架构，其中控制实体（SDN 控制器）负责通过应用程序编程接口 (API) 提供网络资源的抽象。这种抽象使 SDN 能够执行网络虚拟化，即对物理基础设施进行切片并创建多个共存的网络切片（虚拟网络），独立于底层无线或光学技术和网络协议。理想情况下，SDN 架构基于单个控制域，该控制域由多个网络节点组成，这些节点采用不同供应商提供的不同技术，并通过标准接口进行控制。对于 QKDN 的互通场景，需要多域网络编排，因为每个域可以由不同的供应商提供，每个域都可以通过其自己的客户 SDN 控制器进行独立控制。本建议书提出了 SDN 编排和虚拟化的框架，该框架允许规范化控制，从而允许在抽象级别上组合跨多个域的端到端配置服务。编者注：随着工作的进展，将添加有关两个 QKDN 提供商之间 QKDNS 互通的 SDN 控制概念的进一步描述
人工智能与机器学习辅修
单元 1 机器学习简介 – 数据和特征 – 机器学习流程：数据预处理：标准化、规范化、缺失数据问题、数据不平衡问题 – 数据可视化 - 设置训练、开发和测试集 – 交叉验证 – 过度拟合问题、偏差与方差 - 评估措施 – 不同类型的机器学习：监督学习、无监督学习。单元 2 监督学习 - 回归：线性回归、逻辑回归 – 分类：K-最近邻、朴素贝叶斯、决策树、随机森林、支持向量机、感知器。单元 3 无监督学习 – 聚类：K-均值、分层、谱、子空间聚类、降维技术、主成分分析、线性判别分析。教科书：Andrew Ng，机器学习 yearning，网址：http://www.mlyearning。org/(96) 139 (2017)。Kevin P. Murphey。机器学习，概率视角。麻省理工学院出版社，马萨诸塞州剑桥，2012 年。Christopher M Bishop。模式识别和机器学习。Springer 2010 参考书：Richard O. Duda、Peter E. Hart、David G. Stork。模式分类。Wiley，第二版；2007 年 Sutton，Richard S. 和 Andrew G. Barto。强化学习：简介。麻省理工学院出版社，2018 年。评估模式
物理模型辅助飞行天线方向图校准...
与导航、航空和飞行操作相关的各种天线的校准和检查一直是 FAA 和 DoD 等机构面临的巨大挑战。这些天线包括地面和机载组件。地面基础设施的天线系统包括 VOR/LOC、TACAN/DME 和下滑道等导航辅助系统，以及地面监视雷达。安装在飞机上的天线包括各种航空探测天线和机载雷达。飞行检查任务需要精确测量任何设施周围位置的信号功率。为了实现精确的雷达功能，还需要校准安装在飞机上的机载雷达天线。然而，困难在于飞机机身和环境对信号测量质量有重大影响，而信号测量质量通常很难表征。这项工作重点关注机身如何影响典型的航空天线测量，以及“规范化”这种影响以获得所需“有效”辐射模式的可能方法。我们主要依靠计算电磁 (CEM) 工具来建立飞机相对于不同简化天线模型的物理散射模型，然后通过实际飞行测试数据收集验证辐射模式。模拟和飞行测量之间的初步比较揭示了飞机装置上辐射模式的一些有趣行为、复杂飞机操作中的进一步电磁兼容性问题以及未来使用无人机系统 (UAS) 自动化测量程序的潜力。
“看未来的空间”？对埃塞俄比亚儿童和青少年心理健康和福祉的政治经济学分析，包括变革途径
结果：确定了心理健康问题的多个结构性驱动因素：全球化的城市化和社会分裂，以及以经济野心但根深蒂固的贫困，援助依赖，冲突和内战为特征的政治和经济体系。尽管有明显的政策认可和支持，但联邦和区域结构和部门之间的协调不佳，资源不足，覆盖范围较低，尤其是在农村地区。对儿童和年轻人的广泛和规范化的暴力，儿童和家庭的知识和意识低，根深蒂固的污名和性别不平等以及种族紧张局势，冲突和流离失所，服务提供的服务更加复杂。 总体而言，区域资源短缺极大地限制了服务用户和提供商的集体机构。 同时，发展计划缺乏背景和协调。 该分析强调，迫切需要通过针对性的，上下文相关的心理健康政策和计划来增强实施支持，以及用于多部门工作的空间和流程的机构扩展，服务提供的服务更加复杂。总体而言，区域资源短缺极大地限制了服务用户和提供商的集体机构。同时，发展计划缺乏背景和协调。该分析强调，迫切需要通过针对性的，上下文相关的心理健康政策和计划来增强实施支持，以及用于多部门工作的空间和流程的机构扩展，
量子分类器集合
在当今被称为噪声中型量子 (NISQ) 的时代，在量子设备中编码大量数据具有挑战性，噪声的影响会严重影响所获得结果的质量。执行量子分类算法的一种可行方法是引入一个众所周知的机器学习范式，即集成方法。事实上，集成结合了多个内部分类器，由于用于训练的数据子集较小，这些分类器的特点是紧凑，以实现更准确和稳健的预测性能。通过这种方式，可以减少相对于单个较大分类器的量子比特要求，同时实现相当或改进的性能。在这项工作中，我们提出了一种实现方法和广泛的实证评估，用于二元分类的基于量子实例的分类器集成，目的是深入了解它们的有效性、局限性以及提高基本量子模型性能的潜力。特别是，这里考虑了三种经典的集成方法和三种基于量子实例的分类器。因此，已实施的方案（使用 Python）具有混合性质。结果（在真实数据集上获得）表明，集成技术相对于单个量子分类器具有准确性优势，并且鲁棒性也有所提高。事实上，事实证明，集成不仅可以有效缓解不合适的数据规范化，还可以减少噪声对量子分类器的影响，从而提高其稳定性。