XiaoMi-AI文件搜索系统
World File Search System递归函数
实施多项式函数
摘要。从历史上看，腐蚀抑制剂技术的探索已广泛依赖于实验方法，这些方法与大量成本，持续时间延长和大量资源利用相关。然而，ML方法的出现最近引起了人们的关注，作为研究具有腐蚀抑制特性的潜在材料的有前途的途径。这项研究通过利用多项式函数来努力提高ML模型的预测能力。具体而言，该研究重点是评估吡啶 - 喹啉化合物在缓解腐蚀中的有效性。各种ML模型进行了系统评估，并集成了多项式功能以增强其预测能力。多项式函数的整合显着放大了所有测试模型的预测精度。值得注意的是，SVR模型是最熟练的，其R²为0.936，RMSE为0.093。本询问的结果强调了通过在ML模型中掺入多项式功能促进的预测准确性的显着增强。所提出的SVR模型是预测吡啶 - 喹啉化合物腐蚀抑制潜力的强大工具。这种开创性方法为推进机器学习方法提供了宝贵的见解，该方法旨在以有希望的腐蚀抑制特性设计和工程材料。
神经形态计算是图灵完备的
神经形态计算是一种非冯·诺依曼计算范式，通过模拟人脑进行计算。神经形态系统非常节能，耗电量比 CPU 和 GPU 少数千倍。它们有可能在未来推动自动驾驶汽车、边缘计算和物联网等关键用例。因此，它们被视为未来计算领域不可或缺的一部分。神经形态系统主要用于基于脉冲的机器学习应用，尽管图论、微分方程和基于脉冲的模拟中也有一些非机器学习应用。这些应用表明神经形态计算可能具有通用计算能力。然而，神经形态计算的通用可计算性尚未建立。在这项工作中，我们证明了神经形态计算是图灵完备的，因此具有通用计算能力。具体来说，我们提出了一种神经形态计算模型，其中只有两个神经元参数（阈值和泄漏）和两个突触参数（权重和延迟）。我们设计了神经形态电路来计算所有 µ 递归函数（即常数、后继和投影函数）和所有 µ 递归运算符（即组合、原始递归和最小化运算符）。鉴于 µ 递归函数和运算符正是可以使用图灵机计算的函数和运算符，这项工作确立了神经形态计算的图灵完备性。
开发用于检测被困的递归机器学习模型
在全球范围内和不同频率下，发生了许多天然灾难，包括地震，火灾事故，野火，洪水，海啸和火山活动。这些事件导致建筑物和其他人造基础设施崩溃。在紧急情况下寻找和定位受害者是最艰巨的任务之一，尤其是当受害者被埋葬在碎片下时。必须在现代发展救灾技术。即使已经以生命体征，图像和信号处理以及基于机器学习的救灾技术进行了进步，但必须做更多的工作，尤其是在像非洲这样的地区经常发生建筑物倒塌的地区。这项工作使用非视线（NLOS）人类检测信号数据集来改善建筑物崩溃后的分类和本地化。循环。这项工作使用非视线（NLOS）人类检测信号数据集来改善建筑物崩溃后的分类和本地化。已经检查了23,552个实例后，使用递归特征消除（RFE）实现了尺寸的降低。减少的数据集的支持向量机（SVM）分类产生的精度为82.76％。使用尖端方法的比较评估显示了所提出的方法的成功程度；这些方法改善了搜索和救援（SAR）操作的理论基础和实际应用。关于结构崩溃后受害者预测，认同和本地化的实际方法，这些发现对搜救（SAR）团队具有重要意义。
WTTE-RNN：威布尔事件时间递归神经网络
在本论文中，我们提出了一种预测事件发生时间的新模型：威布尔事件时间 RNN。这是一个用于预测下一个事件发生时间的时间序列的简单框架，适用于我们遇到连续或离散时间、右删失、重复事件、时间模式、随时间变化的协变量或不同长度的时间序列中的任何一个或所有问题时。所有这些问题在客户流失、剩余使用寿命、故障、尖峰训练和事件预测中经常遇到。所提出的模型估计下一个事件发生时间的分布具有离散或连续威布尔分布，其参数是递归神经网络的输出。该模型使用生存分析中常用的特殊目标函数（删失数据的对数似然损失）进行训练。威布尔分布足够简单，可以避免稀疏性，并且可以轻松地进行正则化以避免过度拟合，但仍然具有足够的表现力来编码诸如增加、平稳或减少风险等概念，并且可以在允许的情况下收敛到点估计。预测的威布尔参数可用于预测下一个事件时间的预期值和分位数。它还导致未来风险的自然 2d 嵌入，可用于监控和探索性分析。我们使用通用的审查数据框架来描述 WTTE-RNN，该框架可以轻松地与其他分布一起扩展并适用于多变量预测。我们表明，常见的比例风险模型和威布尔加速故障时间模型是 WTTE-RNN 的特殊情况。所提出的模型在具有不同程度的审查和时间分辨率的模拟数据上进行了评估。我们将其与二元固定窗口预测模型和处理审查数据的简单方法进行了比较。该模型优于简单方法，并且被发现具有许多优势和与二元固定窗口 RNN 相当的性能，而无需指定窗口大小和在更多数据上进行训练的能力。应用于 CMAPSS 数据集以进行模拟喷气发动机的 PHM 运行至故障得到了有希望的结果。
完全量子哈希函数
摘要 - 我们在周期框架上介绍了量子步行中的一种新颖的，完全量子哈希（FQH）功能。我们将确定性的量子计算与单个量子级合并，以替换经典的后处理，从而提高了固有的安全性。此外，我们提出的哈希功能表现出零碰撞率和高可靠性。我们进一步表明，它平均提供> 50％的雪崩，并且对初始条件非常敏感。我们在不同的设置以及现有协议上显示了几个性能指标的比较，以证明其功效。FQH需要最少的量子资源来产生较大的哈希价值，从而为生日攻击提供了安全性。因此，这种创新的方法是一种有效的哈希功能，并通过整合完全量子哈希生成协议为量子加密术的潜在进步奠定了基础。索引术语 - Quantum密码函数·哈希功能。量子步行。碰撞。随机统一矩阵。coe。提示。dqc1。
2003.07974.pdf - 构造函数理论
最近，一类用于检测引力非经典性的实验被提出 [1, 2]。这开辟了一种令人兴奋的可能性：通过测量两个量子探针上引力引起的纠缠，间接探测引力相互作用的非经典性，可以探测到引力中的量子效应。在本文中，我们重点介绍这类实验的理论基础。这些实验基于这样一个事实：如果系统 M（例如引力）可以通过局部相互作用使两个量子系统 QA 和 QB（例如两个质量）纠缠，则 M 一定是非经典的。我们所说的非经典，非正式的意思是，介质 M 必须至少具有两个不能同时以任意高精度测量的变量（即通过相同的测量系统）。这大致就是量子理论中“互补性”的含义，下面将对其进行正式定义。如果 M 遵循量子理论，上述事实可直接从局部操作和经典通信 (LOCC) 定理 [3] 得出：退相干信道不能通过局部操作使两个其他量子系统纠缠。为了将这些定理应用于引力的情况，人们必须假设它遵循量子理论；因此，基于这一假设的实验将测试引力是否具有一定的相干性，从而允许在一定尺度之外出现一些大规模叠加。[1] 中的论证和相关提议 [4, 5] 遵循这种论证思路，并将其推广到不能直接测量介质的量子可观测量的情况。然而，提议的实验旨在探索介质 M 可能遵循或不遵循量子理论的情况（例如引力）。因此，为了为提议的测试提供充分的理论基础，需要在限制较少的假设下证明上述事实，而不完全假设量子理论。 [2, 6] 中提出了一个更具普遍性的论点，不假设介体具有量子动力学的所有性质。
量子可计算的单向函数
•具有语义安全性的公共钥匙加密•具有存在性不可原谅的安全性的公共键签名•带有模拟安全性的遗忘转移和MPC（无量子通信/长期量子内存）•P = NP量子敏感或不敏感，没有黑盒攻击“ P = np g = np g = np g = np gastum-natum cantum countum cancous”
关于函数积分的量子复杂性......
函数积分问题是众所周知的，人们针对许多不同的设置和对函数规律性的假设进行了研究。许多求积规则是已知的，例如 Newton-Cotes 规则或高斯求积规则。对经典计算机上确定性和随机性设置下的积分复杂性的研究始于 1959 年，当时 Bakhvalov [1] 考虑了 H¨older 类函数。[2] 研究了 Sobolev 类函数。在 [3, 4, 5] 中也可以找到关于经典计算机上积分复杂性的结果。除了经典计算之外，在量子计算机上计算的研究也取得了进展。处理量子计算的首批基础著作之一是 Shor [6] 的作品，他提出了离散因式分解的量子算法。该算法在输入的位数方面具有多项式成本，并且尚无已知的经典算法具有此属性。量子计算的第二个里程碑式的工作是 Grover [7] 的数据库搜索算法，该算法表明，对于该问题，量子计算机比传统计算机的速度提高了二次方。量子计算的优势还体现在其他离散问题上，例如计算平均值、中位数和分位数，参见 [8, 9, 10, 11]。此外，在量子环境下研究了许多连续问题。第一个考虑连续问题的量子复杂性的工作是 Novak [12] 处理 H¨older 类函数的积分。Heinrich [13] 研究了 Sobolev 类中的积分。其他问题，如最大化、近似、路径积分、求解常微分方程、寻找根