XiaoMi-AI文件搜索系统
World File Search System逻辑
量子逻辑熵：基本原理和一般性质
熵是概率论和物理学中最重要的概念之一。尽管信息似乎没有一个精确的定义，但香农熵被视为有关某个系统的信息的重要量度，而吉布斯熵在统计力学中起着类似的作用。冯·诺依曼熵是这些经典量度在量子领域的一种可能的、在某种意义上是自然的延伸。尽管冯·诺依曼熵在量子信息的许多应用中发挥着基础性的作用，但它仍因多种不同原因而受到批评[1-3]。简而言之，虽然经典熵表示人们对系统的无知[4]，但量子熵似乎具有根本不同的含义，它对应于信息的先验不可访问性或非局部关联的存在。从这个角度来看，经典熵涉及主观 / 认识论的不确定性，而量子熵与某种形式的客观 / 本体论的不确定性相关 [5]，尽管这种推理存在争议。为了解决像这样的概念问题，提出了非加性 Tsallis 熵和其他度量 [1, 6, 7]。经典逻辑熵最近由 Ellerman [8, 9] 引入，作为源自分区逻辑的信息度量。因此，这种熵给出了集合 U 分区的区别。分区 p 被定义为集合中不相交部分的集合，如图 1a 所示。集合可以被认为最初是完全不同的，而每个分区都会收集那些区别已被分解的块。每个块表示与集合上的等价关系相关联的元素。然后，给定一个等价关系，一个块的元素之间是模糊的，而不同的块彼此不同。考虑到这些概念，将这种划分和区分框架扩展到量子系统的研究似乎可以为量子态鉴别、量子密码学和量子信道容量问题带来新的见解。事实上，在这些问题中，我们以某种方式对可区分状态之间的距离测量感兴趣，这正是逻辑熵所关联的知识类型。这项工作是之前提出研究量子逻辑熵的预印本的更新和扩展版本 [ 10 ]。在这个新版本中，与原始版本一样，我们主要关注这个量的基本定义和属性。其他高级主题要么在之前的研究中处理过，比如 [ 11 ]，要么留待将来研究。然而，正如将在整篇文章中进一步阐述的那样，这里介绍的结果为各种理论应用奠定了基础——甚至对于涉及后选系统的场景也是如此。
基于位置的警务策略逻辑模型
在执法后的六个月内，有针对性热点的警察呼吁在有针对性的热点中进行服务 - 基于位置的警务策略的阶段，警察策略数量的警察呼吁在实施基于地方的警察范围内，在实施基于地点的警察策略的策略范围内，在实施基于地点的警察策略呼吁服务范围内的六个月内，每个月的有针对性热点在目标的六个月内进行服务，以实施该策略，以实施警察策略，以实施警察的策略范围，该地区的策略数量涉及该策略的策略数量。在执法后六个月内有针对性的热点 - 基于地点的警务策略的阶段
逻辑回归机器学习算法在 MRI 上...
Shaik Sofia Saba、D Sreelakshmi、P Sampath kumar、K Sai kumar、shaik Rushdiya saba 摘要：医学领域需要快速准确的诊断才能治疗，但目前的技术还不具备这种能力。因此需要实施有效的诊断应用程序才能有效治疗。在本研究中，基于 LR（逻辑回归）的机器学习（ML）方法进行分类，并使用全局阈值分割进行预处理。在第一阶段进行了图像采集和去噪，第二阶段利用 ML 技术实现了分类和回归。在此提出了一种用于脑部疾病和肿瘤的 MRI 脑部图像计算机辅助自动检测系统。这项工作的计算方法是阈值分割，然后是 LR-ML 分类器。该实验包括来自实时 MRI 脑部数据库的 120 张脑部图像，其中 15 张正常，105 张异常。已获得 99.46% 的训练和测试图像准确率等性能指标。该技术与最近发表的技术相比，得出结论：具有 Th 分割的 LR-ML 具有快速、真实和准确的大脑诊断系统索引词：MRI 大脑图像、LR-ML、Th 分割、MIT 数据集和准确性。
通过模糊逻辑和算法进行研究和模拟...
Ouuld Ebbat Baba 1，M。Hadjila 2，B。Cherki电子部工程科学系Abou BakrBelkaïd -Tlemcen B.P.119电子邮件1：zakaria943@caramail.com，传真：（043）28 56 85在本文中，我们介绍了由多机构移动机器人系统对合作任务进行的研究。该系统由一组机器人组成，每个人都可以与其他机器人通信，以执行所请求的任务。后者在于不同机器人对目标的检测，然后是对该目标的方向，最后是其包围。为此，我们结合了模糊逻辑和遗传算法的概念来解决此类问题。第一个概念包括描述模糊控制器，而第二个概念允许找到优化的控制器。关键字：多代理系统，模糊逻辑，遗传算法，移动机器人技术。i-介绍很长一段时间，人总是有雄心勃勃的人工行为由人工设备繁殖。对于一个机器人来说，已经很棘手的问题，只有一个整个社会就可以是一个机器人 - 同时又通过同一地方发展的机器人！，尤其是如果我们对它们的反思和行为的集体方面感兴趣。这种开发要求机器人通过基于多个传感器的感知系统永久获取其环境的信息。- 如何避免或管理冲突，同时确保连贯的解决方案？那么出现的问题是： - 如何共享共同的行动以及如何确定共享目标？- 如何分享知识？在本文中，我们介绍了机器人在其环境中的集体行为的研究，也介绍了其
战略资产的逻辑：从石油到人工智能
摘要 哪些资源和技术是战略性的？政策和理论辩论经常关注这个问题，因为“战略”这一称谓可以带来宝贵的资源和更高的关注度。然而，这一概念本身的模糊性阻碍了这些对话。我们提出了一种理论，即决策者应在何时根据重要的竞争性外部因素将资产指定为战略资产，而对于这些外部因素，企业或军事组织不会自行产生社会最优行为。我们提炼出三种形式的外部因素，包括累积性、基础设施性和依赖性战略逻辑。虽然我们的框架无法解决有关战略资产的争论，但它提供了一个有理论基础的概念词汇，使这些争论更有成效。为了说明我们的战略技术思维框架的分析价值，我们研究了 20 世纪 80 年代末的美日技术竞争以及当前有关人工智能的政策讨论。
蛋白质后翻译修饰（PTMS）的逻辑
图2 PTM研究中的关键范例。在所有面板中（以及本文中的其他数字），用浅红色显示了修改，绿色的蛋白质底物，蓝色的作者，黄色的橡皮擦和紫罗兰的读者。（a）通过蛋白质磷酸化调节酶糖原磷酸化酶的糖原降解活性。该酶的磷酸化和去磷酸化最终受激素胰高血糖素和胰岛素调节，通过用虚线箭头示意性地指示的信号通路。（b）蛋白质泛素化作为26S蛋白酶体降解的信号。泛素化反应是由由E1，E2和E3蛋白组成的酶促级联反应，需要ATP。底物上的Degron基序通过与E3连接酶进行物理相互作用来促进泛素化。poly（ubiquityl）atted底物通过26S蛋白酶体内的受体蛋白识别，展开和降解。（c）通过组蛋白代码调节染色质结构和基因表达。组蛋白尾部的蛋白质修饰是由作者酶安装的，由橡皮擦酶除去，并被读取器蛋白识别。（d）基于面板C的PTMS调节蛋白质的一般方案。（E）从单个蛋白质编码基因产生多种蛋白质成型的变异来源。单个基因可以剪接以产生多种同工型，可以通过差异PTM模式进一步多样化。该图中省略的蛋白质成型多样性的其他来源包括，例如，单核苷酸多态性和替代翻译起始位点。ac，乙酰化；我，甲基化； P，磷酸化； UB，泛素。
逻辑马尔可夫决策计划 - 人
在过去的几年中，在扩展具有处理对象的能力的概率和随机框架方面有很多工作，例如。（Anderson等，2002; DˇSeroski等，2001; Friedman等，1999; Kersting＆de Raedt，2001; Kersting等，2003; Muggleton，1996）。从归纳逻辑程序或关系学习的角度来看，这些问题是对使用关系或计算逻辑表示的命题表示的升级。已经报道了这一方向的各种成功。的确，Friedman等人。（1999）以及Kersting和De Raedt（2001）升级贝叶斯网络，Muggleton（1996）升级随机传统语法，Anderson等。（2002）和Kerting等。（2003）升级（隐藏）马尔可夫模型。本文的第一个贡献是一种新颖的形式主义的介绍，称为逻辑马尔可夫决策计划（LOMDPS），该计划将马尔可夫决策过程与计算逻辑相结合。结果是