XiaoMi-AI文件搜索系统
World File Search System通信原理
ECO503 量子通信简介
课程目标 本课程的目标是介绍量子通信原理背后的核心数学概念和理论，并讨论量子通信系统背后的工作原理以及通过经典和量子信道进行量子通信的一些基本限制。学习成果 成功完成本课程后，学生将：
116 - 技术学士（电子与通信工程）
1. ECN-104 数字逻辑设计 4学分 2. ECN-242 半导体器件 4学分 3. ECN-201 网络理论 4学分 4. ECN-203 信号与系统 4学分 5. ECN-205 模拟电路 4学分 6. ECN-212 通信系统与技术 4学分 7. ECN-232 工程电磁学 4学分 8. ECN-311 数字通信原理 4学分 9. ECN-333 微波工程 3学分* 10. ECN-312 数字信号处理 3学分* *最多可选择一门3学分的课程。
TELE9757 - 量子通信 第 1 学期，2023 年
本课程面向希望了解量子通信这一激动人心的新世界的工程师和物理学家。量子通信和量子网络有望成为 21 世纪的核心网络技术。事实上，这些通信系统已经以多种形式出现在商业世界中。本课程介绍了理解、测试、分析和改进量子通信网络性能的重要概念。它将特别关注目前正在部署的实际量子网络以及此类网络在安全信息传输中的应用。本课程从工程角度设计，首先介绍量子通信原理背后的基本量子物理学。然后，它将介绍和探索推动量子通信的关键概念，例如量子纠缠、量子隐形传态、不可克隆定理、量子密码学、隐私放大和量子密钥的纠错。
0 11 2 电子简介
SN 课程名称 课程代码 学分 总学分 1 信号、系统与网络 EE200A 3-1-0- 0 11 2 电子学概论 ESC201A 3-1-3-0 14 4 电子学概论 ESC201T 3-1-0-0 11 5 电气工程概论 ESO203A 3-1-2-0 13 7 模拟电子学 EE210A 3-1-0-0 11 8 控制系统分析 EE250A 3-1-0-0 11 9 数字信号处理 EE301A 3-0-0-0 9 10 半导体器件 EE311A 3-0-0-0 9 11 通信原理 EE 320A 3-1-0- 0 11 12 通信系统 EE321A 3-0-0-0 9 13 电力系统 EE330A 3-1-0- 0 11 14 电磁理论 EE340A 3-1-0-0 11 15 电力电子学 EE360A 3-0-0-0 9 16 数字电子学 EE370 A 3-1-0- 0 11 17 电气工程实验室 I EE380A 0-2-6- 0 12 18 电气工程实验室 -II EE381A 0-3-6-0
使用数据约束的循环神经网络模型推断全脑交互
行为源自多个在解剖学和功能上不同的大脑区域的协调活动 1,2 。现代实验工具 3–5 使我们能够前所未有地接触大量神经群，甚至是横跨全脑许多相互作用区域的神经群 2 。然而，要理解如此大规模的数据集，不仅需要稳健、可扩展的计算模型来提取区域间通信的有意义特征，还需要原则性理论来解释这些特征。在这里，我们介绍了基于电流的分解 (CURBD)，这是一种使用数据约束的循环神经网络模型 6 推断全脑相互作用的方法，该模型一旦经过训练，就会自主产生与实验获得的神经数据一致的动态。CURBD 利用从这些模型推断出的功能相互作用来同时揭示多个大脑区域之间的定向电流。我们首先表明，CURBD 可以在具有已知连接和动态的模拟真实网络中准确地隔离区域间电流。然后，我们将 CURBD 应用于从广泛的神经数据集（斑马鱼幼虫 7 、小鼠 8 、猕猴 9 和人类 10 ）获得的多区域神经记录，以证明 CURBD 在解开全脑相互作用和行为背后的区域间通信原理方面的广泛适用性。
电动汽车在带收费收集的电动道路上的动态无线充电
这种动态的无线充电是电动汽车的游戏规则改变者，该技术可实现无线充电。随着电动汽车变得越来越流行，对有效和高效充电解决方案的需求变得更加明显。动态无线充电，在开车或旅途中也称为无线充电，有可能解决与电动汽车行业相关的一些最大问题。太阳能电池板将热能转换为电能。主电路从电网和太阳能电池板接收电源，动态无线电源传输与电动汽车的概念可以在道路上移动或在特殊区域存储时动态充电，这两者都配备了充电站。这种方法消除了手动将汽车连接到充电器的必要性。它采用电磁和感应的通信原理，无线传输能量从道路传输到车辆的电池，而无需实现物理链接。这为研究动态无线充电提供了机会，该概念有可能加快电动汽车行业的接受并带来可持续和高效的运输的新时代。动态无线功率传输（DWPT）研究最广泛的方法。，由于电动汽车的动态无线电气充电系统，无需等到电池充满电。在本文中，我们正在添加收集收集系统，这意味着，当汽车进入电气路线时，将出现一些嵌入式系统以及传输线圈。收集系统接收到汽车中的电池数据。根据电池的数据，它计算出电气化道路上的汽车行驶期间的充电费用，并根据每单位的价格转移了多少电源来收集收取的费用。
基于选择性听觉注意解码的脑部计算机界面的无监督精度估计
摘要 - 目的：选择性听觉注意解码（AAD）算法处理大脑数据（例如脑电图），以解码一个人参加的多个竞争声源。例子是神经ste的助听器或通过脑部计算机界面（BCI）进行通信。最近，已经证明可以在无监督的环境中基于刺激重建的刺激重建来训练此类AAD解码器，在这种情况下，没有关于参加哪种声音源的地面真相。在许多实际情况下，这种地面真相标签不存在，因此很难量化解码器的准确性。在本文中，我们旨在开发一种完全无监督的算法，以估算竞争性说话者聆听任务期间基于相关的AAD算法的准确性。方法：我们通过将AAD决策系统建模为具有添加剂白色高斯噪声的二进制相移键通道来使用数字通信原理。结果：我们表明，针对不同量的培训和估计数据以及决策窗口长度，提出的无监督性能估计技术可以准确地确定AAD准确性。此外，由于不同的应用需要不同的目标准确性，因此我们的方法可以估计任何给定目标准确性所需的训练量最小。结论：我们提出的估计技术准确地预测了基于相关的AAD算法的性能，而无需访问地面图标签。在BCIS中，它可以支持强大的沟通范式，并提供护理人员的准确反馈。显着性：在神经启动的助听器中，我们方法提供的准确性估计值可以支持时间自适应解码，动态增益控制和神经反馈。
计算机科学与工程系（CSE）计算机科学与工程技术学士学位
基础课程（Fndn） MA100 工程数学 - I（3-1-0） 4 MA101 工程数学 - II（3-1-0） 4 PH100 物理（3-0-0） 3 PH101 物理实验室（0-0-3） 1 CY100 化学（3-0-0） 3 CY101 化学实验室（0-0-3） 1 CV100 工程力学（3-1-0） 4 EE100 电气工程要素（3-1-0） 4 EC100 电子与通信工程要素（3-1-0） 4 ME100 机械工程要素(3-0-0) 3 ME101 工程制图 (1-0-3) 2 ME102 研讨会 (0-0-3) 1 CS100 计算机编程 (3-0-0) 3 CS101 计算机编程实验室 (0-0-3) 1 HU100 专业交流 (3-1-0) 4 HU300 工程经济学 (3-1-0) 4 HU301 管理理论与实践 (3-1-0) 4 课程特定核心 (PSC) CS200 数字系统设计 (3-1-0) 4 CS201 数据结构与算法 (3-1-0) 4 CS202 计算机组织与架构 (3-1-0) 4 CS203 数据通信原理 (3-1-0) 4 CS204 离散数学 (3-1-0) 4 CS205 数字系统实验室 (0-0-3) 1 CS206 数据结构实验室(0-0-3) 1 CS207 Unix 编程实验室 (0-0-3) 1 CS250 微处理器和接口 (3-1-0) 4 CS251 计算机图形学 (3-1-0) 4 CS252 计算理论 (3-1-0) 4 CS253 系统编程 (3-1-0) 4 CS254 微处理器实验室 (0-0-3) 1 CS255 计算机图形学实验室 (0-0-3) 1 CS290 研讨会 (0-0-2) 1 CS300 操作系统 (3-1-0) 4 CS301 数据库系统 (3-1-0) 4 CS302 软件工程 (3-1-0) 4 CS303 计算机网络 (3-1-0) 4 CS304 操作系统实验室 (0-0-3) 1 CS305 数据库系统实验室 (0-0-3) 1 CS306 网络实验室(0-0-3) 1 CS350 算法设计与分析 (3-1-0) 4 CS351 编译器设计 (3-1-0) 4 CS352 分布式计算系统 (3-1-0) 4 CS353 互联网技术与应用 (3-1-0) 4 CS354 编译器实验室 (0-0-3) 1 CS355 Web 技术实验室 (0-0-3) 1 CS440 实践培训 1
前沿研讨会 – NeuroAIˣ
如今，遵循摩尔定律的底层技术进步正面临物理极限，这可能会危及未来的进步。亚琛工业大学抓住这一挑战，将其作为创新的驱动力。凭借现有的专业知识，联合起来建立 NEUROTEC 和 NeuroSys 研究活动似乎是理所当然的，这些研究活动将技术方面的基本发现与即将到来的应用需求联系起来。在每个设计入口级别 - 从电子设备到现代机器学习算法 - 我们的神经科学家因此将他们最新的与大脑“计算”过程相关的概念融入其中。神经科学的基础研究揭示了大脑的生物构造和通信原理，特别是控制其在多个时间尺度上的可塑性的规则。这些以方程式和算法编码的知识指导了神经形态计算架构的概念。因此，物理限制被揭示出来，并提出了隐藏在盲点中的大脑问题 - 正如理查德费曼指出的那样：“我无法创造的东西，我就不理解”。随着硬件一步步吸收生物启发的特征，它也将为神经科学家提供更强大的计算资源，以在模拟中证实他们的新理论——对于生物网络中的可塑性和学习过程尤其如此。大脑认知过程的原理才刚刚出现，对所有感觉模式和动作以及更高级的认知功能使用基本相同的结构。这些发现为从感知到符号人工智能的机器学习新算法提供了基础知识。因此，算法性能的进步被传递回来，在关于大脑计算原理的新假设中实现。非常务实的是，机器学习方面的新工具有助于分析和更好地理解复杂的神经科学数据。最后但并非最不重要的是，我们见证了业界对算法和硬件联合设计的巨大推动力，这是由研究成果（包括不断突破极限的功能原型）引导的。我们一起设想了一个三角形，由分别位于神经形态计算 (NC)、机器学习 (ML) 和神经科学 (NS) 领域的基石组成。
竞争神经AIx
如今，遵循摩尔定律的底层技术进步正面临物理极限，这可能会危及未来的进步。亚琛工业大学抓住这一挑战，将其作为创新的驱动力。凭借现有的专业知识，联合起来建立 NEUROTEC 和 NeuroSys 研究活动似乎是理所当然的，这些研究活动将技术方面的基本发现与即将到来的应用需求联系起来。在每个设计入口级别 - 从电子设备到现代机器学习算法 - 我们的神经科学家因此将他们最新的与大脑“计算”过程相关的概念融入其中。神经科学的基础研究揭示了大脑的生物构造和通信原理，特别是控制其在多个时间尺度上的可塑性的规则。这些以方程式和算法编码的知识指导了神经形态计算架构的概念。因此，物理限制被揭示出来，并提出了隐藏在盲点中的大脑问题 - 正如理查德费曼指出的那样：“我无法创造的东西，我就不理解”。随着硬件一步步吸收生物启发的特征，它也将为神经科学家提供更强大的计算资源，以在模拟中证实他们的新理论——对于生物网络中的可塑性和学习过程尤其如此。大脑认知过程的原理才刚刚出现，对所有感官模式和动作以及更高级的认知功能使用基本相同的结构。这些发现为从感知到符号人工智能的机器学习新算法提供了基础知识。因此，算法性能的进步被传递回来，在关于大脑计算原理的新假设中实现。非常务实的是，机器学习方面的新工具有助于分析和更好地理解复杂的神经科学数据。最后但并非最不重要的是，我们见证了业界对算法和硬件联合设计的巨大推动力，这是由研究成果（包括不断突破极限的功能原型）引导的。我们一起设想了一个三角形，由分别位于神经形态计算 (NC)、机器学习 (ML) 和神经科学 (NS) 领域的基石组成。