XiaoMi-AI文件搜索系统
World File Search System进化算法
使用两个优化相变的全场模式分选器用于高维量子密码学
摘要 高维编码方案已成为执行量子信息任务的一种新方法。对于高维，光子的时间和横向空间模式是此类实验中常用的两个典型自由度。尽管如此，仍然需要用于多结果测量的通用设备来充分利用编码方案的高维性质。我们提出了一种基于进化算法的通用全场模式排序方案，该方案仅由最多两个优化的相位元素组成，可以对方位和径向模式进行联合排序。我们通过高维量子密码学背景下的模拟进一步研究了我们方案的性能，其中在不同的相互无偏基和高保真度测量方案中进行排序至关重要。
采用两种优化相变的全场模式分类器用于高维量子密码学
摘要 高维编码方案已成为执行量子信息任务的一种新方法。对于高维，光子的时间和横向空间模式是此类实验中常用的两个典型自由度。尽管如此，仍然需要用于多结果测量的通用设备来充分利用编码方案的高维特性。我们提出了一种基于进化算法的通用全场模式排序方案，该方案仅由最多两个优化的相位元素组成，可以对方位和径向模式进行联合排序。我们通过高维量子密码学背景下的模拟进一步研究了我们方案的性能，其中在不同的相互无偏基中进行排序和高保真度测量方案至关重要。
Antiqua et Nova：关于
8。从那时起，AI研究就迅速发展，从而开发了能够执行高度复杂任务的复杂系统。[6]这些所谓的“窄AI”系统通常旨在处理特定和有限的功能，例如翻译语言，预测风暴的轨迹，对图像进行分类，回答问题或按用户的要求生成视觉内容。虽然AI研究中“智能”的定义各不相同，但大多数当代AI系统（尤其是使用机器学习的系统）很依赖于统计推断而不是逻辑推论。通过分析大型数据集以识别模式，AI可以“预测” [7]结果并提出新方法，从而模仿人类解决问题的一些认知过程。通过计算技术的进步（包括神经网络，无监督的机器学习和进化算法）以及硬件创新（例如专业处理器），已实现了这些成就。一起，这些技术使AI系统能够对各种形式的人类投入做出反应，适应新情况，甚至提出了其原始程序员所预料的新颖解决方案。[8]
基于高斯的定向粒子群优化
粒子群优化 (PSO) 是一种迭代搜索方法，它使用随机步长将一组候选解决方案围绕搜索空间移动到已知的最佳全局和局部解决方案。在实际应用中，PSO 通常可以加速优化，因为梯度不可用且函数评估成本高昂。然而，传统的 PSO 算法忽略了从单个粒子的观察中可以获得的目标函数的潜在知识。因此，我们借鉴了贝叶斯优化的概念，并引入了目标函数的随机代理模型。也就是说，我们根据目标函数的过去评估拟合高斯过程，预测其形状，然后根据它调整粒子运动。我们的计算实验表明，PSO 的基线实现（即 SPSO2011）表现优异。此外，与最先进的代理辅助进化算法相比，我们在几个流行的基准函数上实现了显着的性能改进。总体而言，我们发现我们的算法实现了探索性和利用行为的理想特性。
推荐引用 推荐引用 Van Veldhuizen，David A.，“多目标进化算法：分类、分析和新创新”（1999 年）。论文和学位论文。5128。https://scholar.afit.edu/etd/5128
本论文由 AFIT Scholar 的学生研究生作品免费提供给您，供您开放访问。它已被 AFIT Scholar 的授权管理员接受纳入论文和学位论文。如需更多信息，请联系 AFIT.ENWL.Repository@us.af.mil 。
学科名称：人工智能原理
建模和搜索。问题表示方法（状态空间表示、问题分解、约束满足问题、逻辑表示），使问题可以被视为路径查找问题。路径查找问题的图形表示。AND/OR 图。搜索系统的总体方案。搜索系统的控制策略和启发式方法。启发式搜索。著名的不可撤销策略：爬山搜索、禁忌搜索、模拟退火算法。尝试性策略：回溯算法和图搜索算法（A*、B、EMA* 等）。进化算法。双人游戏。游戏的表示。获胜策略。子树评估：极小最大算法和 alpha-beta 剪枝。机器学习简介。监督学习和一些示例（k-最近邻方法、决策树、随机森林、深度学习）。无监督学习和一些示例（k-均值算法、主成分分析）。
研究文章蠕变参数反演和基于GP-DE智能算法的隧道的长期稳定性分析
针对吉林省Banshi隧道的蠕变问题，通过蠕变测试分析了岩石法律，并建立了描述隧道蠕变特征的CVSIC模型。考虑到高斯过程的优势和不同的进化算法，要准确地获得蠕变参数，并提出了一种高斯过程 - 过程差的进化智能反转方法。根据现场监视数据，隧道的蠕变参数被准确倒置。在此基础上，进行了隧道的稳定性分析和选择合理的施工计划。te研究结果表明，为了确保隧道的稳定性，应采用初始衬里 +管道 +高级灌浆锚杆的施工方案。te研究结果具有指导性的有效性，可用于对隧道的长期稳定性评估。
用于过程动态建模目的的最佳复发神经网络体系结构的自动选择
在本文中已经解决了与设计用于行为（Black-box）建模的人工神经网络的结构有关的算法有关的问题。该研究包括四个针对神经网络架构搜索的算法的原始建议。算法基于众所周知的优化技术，例如进化算法和梯度下降方法。在介绍的研究中，已经使用了一种经常性类型的人工神经网络，其档案是根据上述算法以优化的方式选择的。最优性已被理解为实现神经网络的大小之间的交易及其在捕获已学习的数学模型响应的准确性之间。在优化期间，已经提出了原始的专业进化算子。研究涉及一项基于从加压水核反应堆中发生的快速过程的数学模型产生的数据扩展验证研究。
AR 与 AI 相遇 - aec-music.eu
塞巴斯蒂安·特朗普 纽伦堡音乐大学 Sebastian.trump@hfm-nuernberg.de 塞巴斯蒂安·特朗普在纽伦堡音乐大学学习爵士萨克斯和古典萨克斯，并在柏林艺术大学学习声音研究。他的数字乐器 Orphion 引起了全世界的关注，并在卡尔斯鲁厄 ZKM 媒体博物馆（2012 年）和渥太华加拿大科学技术博物馆（2013 年）等地展出。自 2009 年以来，他一直在纽伦堡音乐大学教授音乐和数字媒体，自 2015 年以来在纽伦堡理工学院教授音乐和数字媒体。他的研究重点是技术与表演之间的接口。凭借 STAEDTLER 基金会的奖学金，他于 2019 年获得了音乐即兴创作进化算法的博士学位。他是纽伦堡大学的助理教授
可逆和量子中的 Fredkin 门......
在过去的 25 年中，出现了一些重要的发展，这些发展为改进合成方法做出了贡献。从硬件角度来看，最相关的是计算机速度的提高和内存容量的增加。这为包括搜索 [12]、进化算法 [7]、[8]、[10] 或 SAT 求解器 [17] 在内的可逆/量子电路的合成提供了可能性。在软件方面，可以提到专门的高效库的开发。在门级别，可以提到使用值 0 作为控制信号，用“白点” [23]、[14] 标识，通常称为“混合极性”，以及使用不相交控制信号 [13]、[15]。接下来，将分析 Fredkin 门在可逆域中的“推广”及其在量子域中的相关应用。值得一提的是，在[5]中使用了“广义弗雷德金门”这个术语，指的是具有多条控制线的弗雷德金门。