XiaoMi-AI文件搜索系统
World File Search System超立方体
FSSF：在单位超立方体内生成完全顺序的空间填充设计
描述提供 Shang 和 Ap-ley (2019) < doi:10.1080/00224065.2019.1705207 > 提出的三种方法，用于在单位超立方体内生成完全顺序的空间填充设计。'完全顺序的空间填充设计'是指嵌套设计的序列（因为设计大小从一个点到某个最大点数不等），其中设计点一次添加一个，并且每个尺寸的设计都具有良好的空间填充特性。两种方法以最小成对距离标准为目标并生成最大最小设计，其中一种方法在设计规模较大时更有效。一种方法以最大孔尺寸标准为目标，并使用启发式方法来生成更接近极小最大设计的设计。
移动医疗高光谱学习，实现血液动力学的瞬时空间光谱成像
高光谱成像在空间和频率域中获取数据，以提供丰富的物理或生物信息。然而，传统的高光谱成像具有仪器笨重、数据采集速度慢和空间光谱权衡等内在局限性。在这里，我们介绍了快照高光谱成像的高光谱学习，其中将小子区域中的采样高光谱数据合并到学习算法中以恢复超立方体。高光谱学习利用了照片不仅仅是一张图片，还包含详细光谱信息的想法。小样本的高光谱数据使光谱信息学习能够从红绿蓝 (RGB) 图像中恢复超立方体，而无需完整的高光谱测量。高光谱学习能够恢复超立方体中的全光谱分辨率，可与科学光谱仪的高光谱分辨率相媲美。高光谱学习还可以实现超快动态成像，利用现成智能手机中的超慢速视频录制，因为视频由多个 RGB 图像的时间序列组成。为了证明其多功能性，使用血管发育的实验模型通过统计和深度学习方法提取血流动力学参数。随后，使用传统的智能手机摄像头以高达一毫秒的超快时间分辨率评估外周微循环的血流动力学。这种光谱信息学习方法类似于压缩感知；然而，它还允许使用透明的学习算法进行可靠的超立方体恢复和关键特征提取。这种由学习驱动的快照高光谱成像方法可产生高光谱和时间分辨率，并消除了空间光谱权衡，提供了简单的硬件要求和各种机器学习技术的潜在应用。
量子行走算法 - PhysLab
量子游走算法原则上是一种主要用于在图中搜索标记顶点的搜索算法。量子游走的灵感来自经典马尔可夫链（经典随机游走），但量子游走中没有任何随机性。与经典算法相比，量子游走算法利用叠加能力在计算上实现了二次加速。在这个项目中，我们将简要介绍经典马尔可夫链，以类比量子游走，然后介绍硬币空间和硬币运算符的概念，它们决定了游走者的每一步。之后，我们将研究该算法的数学公式，并在 4 维超立方体上实现它。算法的电路因情况而异，在这个项目中，我们将实现它来搜索超立方体上的标记索引。
基于拉丁超行的储能的网格连接风电场的多角度可靠性评估
摘要：旨在应对慢速和储能中电源系统可靠性评估的较差的问题的问题，本文提出了一种基于拉丁超级立方体重要采样（LHIS）的可靠性评估方法。首先，我们的目的是通过将拉丁超立方体抽样方法与重要采样方法相结合，以建立拉丁超立方体重要的采样评估模型。其次，我们旨在优化组件的样本概率分布并进行系统的层次采样。然后，提出了综合风险指标（CRI）来评估运营风险，并提出了风储存中断的能源收益（WSGIEB）来评估可靠性的贡献。最后，通过各种电源系统操作方案进行了仿真实验。模拟结果表明，所提出的方法比评估速度提高的重要性采样方法（IM-IS）高47％，比在计算准确性方面的重要性采样方法提高了33％。
机器学习-Nastran Sol 200教程
培训数据 - 机器学习过程利用目标和约束的回归模型来确定可能的最佳位置。在机器学习过程开始之前，首先使用培训数据构建回归模型。培训数据包括整个设计空间的各个点或样本的目标和约束响应。此示例使用50个样本的拉丁超立方体设计来生成必要的初始训练数据。
基于人工智能的多维数据库技术
基于人工智能的多维数据库技术是一项新技术。该技术可以实现多模态数据（非结构化数据、半结构化数据、结构化数据）的分布式存储，同时还可以将数据以超立方体的形式存储，并对数据进行实时的多维分析和查询。传统的多维数据库直接从二维表中提取维度信息，没有考虑维度信息之间的关联性。因此，结合人工智能技术，可以实现多模态数据的关联分析，自动生成维度信息。具体而言，针对商业智能（BI）领域对多维数据高效分析、存储和处理的需求，开展基于人工智能的多维数据库技术应用研究，实现多领域异构数据的统一采集，高效、实时、自动标注、聚类，数据信息智能提取及语义关联，超立方体存储和在线分析OLAP、在线分析处理等。设计基于人工智能的多维数据库原型系统，满足海量数据智能分析处理需求。系统学习用户的查询行为模式和数据特征。通过内置机器学习算法构建立方体数据模型。持续进行模型优化，针对特定用户精准生成查询结果。通过分布式算法引擎、混合在线分析处理、分布式存储引擎等人工智能功能模块，整合多源异构数据资源，实现数据关联、智能学习、推理和预测，为管理决策端和业务运营端提供更加完善、可靠的预测决策服务。
snapscan vnir 范围高光谱成像相机 | ...
Imec 的 snapscan VNIR 测距系统是高光谱成像应用研究的重大突破。只需几百毫秒，即可创建具有无可比拟的信噪比和空间与光谱分辨率的高质量超立方体数据集。snapscan 演示套件可实现最高质量的应用研究，同时仍保持用户友好性。它集成了所需的所有关键组件：光谱图像传感器、相机、光学元件、压电扫描、主动冷却系统、照明、三脚架支架和 HSImager：imec 研究团队开发的最先进的高光谱成像软件。
SNAPSCAN SWIR 范围高光谱成像相机。...
Imec 的 snapscan 系统是高光谱成像应用研究的重大突破。只需几百毫秒，即可创建具有无可比拟的信噪比和空间与光谱分辨率的高质量超立方体数据集。snapscan 演示套件可实现最高质量的应用研究，同时仍保持用户友好性。它集成了所需的所有关键组件：光谱图像传感器、相机、光学元件、压电扫描、主动冷却系统、照明、三脚架支架和 imec 最先进的高光谱成像软件：snapscan 软件，这是 imec 团队开发的一款先进的高光谱成像软件。
具有奇数 $N 的部分系统
如果一组正交乘积态在每个二分图中都是局部不可约的，则它具有强非局部性，这表明在没有纠缠的情况下具有强量子非局域性现象 [ Phys.Rev.Lett.122 , 040403 (2019) ]。尽管这种现象已经在任何三、四和五部分系统中得到证实，但在多部分系统中是否存在强非局部正交乘积集仍然未知。在本文中，通过使用 N 维超立方体的一般分解，我们给出了 N 部分系统中所有奇数 N ≥ 3 的强非局部正交乘积集。基于此分解，我们给出了奇数 N ≥ 3 的 N -partite 系统中不可扩展乘积基的显式构造。此外，我们将结果应用于量子秘密共享、不可完备乘积基和 PPT 纠缠态。
数字接收器的设计与分析 - 简单搜索
在电信领域，人们特别关注块传输系统，其中数字数据以独立块的形式传输。通过几何方法并反映二进制超立方体的性质，结果表明，当用于设计 OBER 的预期 SNR 趋于无穷大时，最小误码概率接收器 (OBER) 变为最大似然序列检测器 (MLSD)。同样，当预期 SNR 降低时，OBER 会简化为极限情况下具有硬决策的白化匹配滤波器。此外，还开发了一种新型检测器，可对块中的分散位进行 MLSD 决策。如果将这种低复杂度检测器与次优接收器（例如线性或决策反馈均衡器）结合使用，则可以大大降低系统误码率。最后，使用几何方法，重新考虑了 Forney 提出的用于推导性能界限的装置精灵辅助检测器，并增加了对辅助信息的明确统计描述。这提供了一个更灵活的工具、新的性能界限，并为早期的工作提供了有益的看法。