XiaoMi-AI文件搜索系统
World File Search System错误概率
人工智能方法在线控制电力机车车辆的能源效率
摘要。分析了国际上组织电力机车能耗控制的实践。结果得出结论，目前组织电力机车能耗控制问题主要采用分析方法解决。这些方法基于设计仿真模型，这些模型通常基于庞特里亚金最大原理。然而，考虑到电力机车运动参数记录系统以及俄罗斯铁路其他自动化系统的发展，开发和研究用于解决电力机车能耗实时监控问题的人工智能方法和算法似乎是有希望的。还确定了从数据分析的角度来看，大多数现代运动参数记录仪存在许多显著的缺点。这些缺点包括数据不足和可靠性低、记录数据与行程和机车组缺乏关联、无法选择恒定间隔来记录测量结果。此外，在磁带上记录数据时也存在较高的错误概率，缺乏 GPS/GLONASS 卫星导航系统，缺乏无线数据传输，软件不完善，从磁带文件中导出数据不方便且不完整。为了在任意能源跟踪区域内测试电力机车的能源效率评估，根据运动参数记录器的数据开发了相应的软件。然而，要全面实施所提出的消耗跟踪方法，需要开发新的复杂自动化系统。这种系统应该结合电力机车和牵引供电系统的整套测量参数。
利用神经网络进行强化学习进行量子多重假设检验
近期，基于神经网络的强化学习 (RLNN) 在许多问题上显示出了巨大的潜力，包括量子信息论中的一些问题。在这项工作中，我们将 RLNN 应用于量子假设检验，并确定区分多个量子态 { ρ j } 的最佳测量策略，同时最小化错误概率。在候选状态对应于具有许多量子比特子系统的量子系统的情况下，对整个系统实施最佳测量在实验上是不可行的。我们使用 RLNN 来寻找实验上可行的局部自适应测量策略，其中每轮只测量一个量子子系统。我们提供了数值结果，表明 RLNN 成功找到了最佳局部方法，即使对于多达 20 个子系统的候选状态也是如此。我们还证明，RLNN 策略在每次随机试验中都达到或超过了改进的局部贪婪方法的成功概率。虽然使用 RLNN 设计自适应局部测量策略非常成功，但一般来说，最佳局部自适应测量策略和最佳集体测量的成功概率之间可能存在显著差距。我们基于以前的工作，提供了一组必要和充分条件，使集体协议严格优于局部自适应协议。我们还提供了一个新的例子，据我们所知，它是最简单的已知状态集，显示出局部和集体协议之间存在显著差距。这一结果提出了关于理论上最优测量策略和实际可实施测量策略之间差距的有趣新问题。
离子阱量子计算中光学跃迁的几何相位门
量子计算中最重要的、最困难的实验工作之一是实现近乎完美的两量子比特门操作。目前，人们认为大约 10 −4 的门错误概率足够低，可以实现所谓的高效容错量子计算 1、2。囚禁离子串是实现量子计算机最有希望的候选对象之一。用离子量子门实验实现的最低门不真实性仍然在 3% 左右 3。这种几何相位门的主要限制来自自发辐射和磁场涨落 3、4。离子阱量子计算可以用两种替代的量子比特编码来实现：超精细基态量子比特和通过光跃迁连接的量子比特态。对于超精细量子比特，门操作由偶极跃迁介导的拉曼耦合执行。参考文献 3 使用了基于这种超精细跃迁的编码。然而，在这样的设置下，将自发散射降低到所需的容错水平以下是很有挑战性的 5,6 ，因为需要大量的激光功率。最近，针对超精细量子比特 7 ，提出了在四极跃迁中使用拉曼过程。然而，这种策略需要高激光功率来实现短门时间。在这里，我们提出了在光学跃迁上使用 z 型几何相位门来克服 3 实现中存在的一些限制。例如，使用光学四极跃迁可以充分降低自发辐射事件的可能性。同时还表明，磁场不敏感状态可用于 z
采用通用高斯源的量子照明
假设检验 (HT) [1] 和量子假设检验 (QHT) [2] 在信息 [3] 和量子信息论 [4] 中发挥着至关重要的作用。HT 与通信和估计理论都有着根本的联系，最终是雷达探测任务的基础 [5]，而雷达探测已经通过量子照明 (QI) 协议 [6, 7] 扩展到量子领域，更准确地说，通过微波量子照明模型 [8]（有关这些主题的最新综述，请参阅参考文献 [9]）。HT 和 QHT 最简单的场景是二元决策，因此它们可以简化为两个假设（零假设 H 0 和备选假设 H 1 ）之间的统计区分。从最基本的层面上讲，量子雷达是一项二元 QHT 任务。两个备选假设被编码在两个量子通道中，信号模式通过这两个量子通道发送。根据目标是否存在，信号模式的初始状态会经历不同的变换，从而在输出端产生两个不同的量子态。最终的检测就简化为区分这两种可能的量子态。能否以较低的错误概率准确地做到这一点，与能否确定正确的结果直接相关。这一基本机制可以轻松地通过几何测距参数进行增强，这些参数可以量化与目标的往返时间，即目标的距离。虽然 QI 雷达可能实现最佳性能 [10]，但它们需要生成大量纠缠态，这可能是一项艰巨的任务，特别是如果我们考虑微波区域的话。同时，量子雷达的定义本身可以推广到 QI 以外的任何利用量子部件或设备在相同能量、范围等条件下超越相应经典雷达性能的模型。在这些想法的推动下，我们逐步放宽 QI 的纠缠要求，并研究相应的检测性能，直到源变得刚好可分离，即
通过预测分析增强网络安全
摘要 - 启用6G的车辆网络面临着确保超级可靠的低延迟通信（URLLC）及时提供安全关键信息的挑战。车辆对所有（V2X）通信系统的现有资源分配方案主要依赖于基于传统优化的算法。但是，由于解决方案方法的高复杂性和沟通开销，这些方法通常无法保证在动态车辆环境中URLLC应用的严格可靠性和潜伏期需求。本文提出了一种基于联合功率和块长度分配的基于新颖的深钢筋学习（DRL）框架，以最大程度地减少基于URLLC的下链接V2X通信系统的有限块长度（FBL）示例中最坏的解码错误概率。该问题被称为非凸层混合构成非局部编程问题（MINLP）。最初，基于在块长度中得出解码误差概率的关节凸的基础，开发了一种基于优化理论的算法，并在感兴趣的区域内传输功率变量。随后，提出了一种有效的事件触发的基于DRL的算法来解决关节优化问题。将事件触发的学习纳入DRL框架中，可以评估是否启动DRL流程，从而减少DRL过程执行的数量，同时保持合理的可靠性性能。DRL框架由两层结构组成。在第一层中，在中央教练中建立了多个深Q-NETWORKS（DQN）以进行块长度优化。第二层涉及参与者 - 批评网络，并利用了基于深层的确定性策略颁奖典礼（DDPG）的算法来优化功率分配。仿真结果表明，所提出的事件触发的DRL方案可以实现关节优化方案的95％，同时为不同的网络设置减少DRL执行最多24％。
基于循环矩阵
在1996年，NTRU首先是由Crypto'96 [1]的J. Ho Ff Stein，J。Pipher和J. Silverman引入的。然后，NTRU的开发人员对NTRU做出了贡献，该开发人员通过对参数优化[2]表示为基于环和公共密钥加密方法。在2003年，他们引入了NTRU标志[3]，i。例如，NTRU的数字签名版本。同年，他们与另一个团队进行了演讲，分析了NTRU的解密错误[4]。J. H. Silverman在2003年在一个环中发表了一份有关可逆多项式的技术报告[5]。在2005年，J。H. Silverman Ve W. Whyte发表了一份技术报告，该报告分析了NTRU解密中的错误概率[6]。此外，发表了有关提高参数的安全级别的文章[7]的创始团队在网站www.ntru.com上发布了相关报告。ntru对基于量子计算机的攻击及其速度具有悄然抵抗。保护这种抗药性基础的基本原因是找到一个晶格向量，该晶格向量的长度最小，功能最小的问题是找到最接近私钥的晶格点进入高维晶格的问题[8]。与其他公共密钥密码系统不同，针对这些基于量子的攻击的NTRU密码系统的庇护结构使它更加有趣，并且每天都在发展。最初由Coppersmith等人制作了对NTRU密码系统的一些全尺度非破坏性攻击的一些例子。在1997年[9]。然后由Ho ff Stein等人提出了与此攻击的E ff ects一起消失的新参数。2003年[10]。作为攻击[11]的另一个例子，直到今天，它一直提高了更强大，当前和新的参数以及对NTRU密码系统的解决方案，从而组织了一项攻击，以分裂DI FF [12]。代表详细的读数，可以看出[13-15]对于不同类型的攻击类型，相反，对于提出的新参数和新系统，可以看到[16-18]。
审计和会计中的人工智能和区块链
审计和会计中的人工智能和区块链：文献综述 ANETA ZEMÁNKOVÁ 财务会计和审计系 布拉格经济大学 W. Churchill Square 1938/4, 130 67 布拉格 3 捷克共和国 aneta.zemankova@vse.cz 摘要：- 本文旨在介绍人工智能在审计和会计中的应用，重点介绍当前流行的区块链技术。由于其创新性，该领域不断变化，大公司投入巨额资金以实现人工智能在审计和会计中的广泛应用。本文的主要目标是对受益于人工智能实施的审计任务进行分析，包括风险评估。另一个目标是分析区块链技术及其在审计中的影响。本文的很大一部分内容侧重于基于区块链技术的智能合约和智能审计程序。本文最实际的目的是评估四大会计师事务所（四大领先的审计和会计咨询公司）开发的当前应用程序和审计工具。论文的主要结果包括概述了基本审计任务，证明了人工智能在审计中的重要性，以及在审计中使用区块链的主要影响，特别是提高效率和完整性、降低错误概率，同时也创造了基于持续保证的新一代审计。最后，本文的实际结果是总结了四大会计师事务所最新开发的人工智能工具和创新。 关键词：人工智能、会计、审计、专家系统、审计任务、审计风险、四大会计师事务所、区块链、智能合约 1 引言——人工智能 人工智能目前是增长最快的领域之一。根据领先的研究和咨询公司 Gartner, Inc. 进行的 2019 年 CIO 调查，实施人工智能的企业比例在过去四年中增长了 270%。更重要的是，这一比例在过去一年中增长了两倍，从 2018 年的 25% 上升到 2019 年的 37% [1]。更确切地说，2019 年全球在人工智能方面的支出将达到 375 亿美元，预计到 2023 年将达到 979 亿美元 [2]。人工智能领域的起源可以追溯到 1956 年，与达特茅斯人工智能会议有关，确切地说是在这次会议的提议中，“人工智能”一词首次被使用。约翰·麦卡锡、马文·明斯基、克劳德·香农和纳撒尼尔·罗切斯特发起了一项关于人工智能的研究，该研究基于这样的假设：“学习的每个方面或智能的任何其他特征原则上都可以如此精确地描述，以至于机器可以模拟它” [3]。达特茅斯会议重点讨论了人工智能的不同方面
Juho Andelmin：电动汽车的最佳路线Jimmy......
2014 年： Juho Andelmin：电动汽车的最佳路线 Jimmy Forsman：评估合作伙伴渠道模型中的国际软件扩展选项 Raul Kleinberg：评估概率风险分析中时间相关现象的影响 Ville Koponen：根据智能卡数据估算公共交通的使用情况 Mikko Kotilainen：研究船冰致负荷的统计建模 Lasse Lindqvist：具有共同疾病的捕食者-猎物系统分析 Harri Mäkelin：基于统计学习的预测性维护中罕见事件的分类 Outi Pönni：使用扩展逻辑回归对能源生产的风速预测进行后处理 Olli Rentola：使用归因模型分析在线广告效果 Anton von Schantz：使用细胞自动机方法对出口拥堵进行建模 2013 年： Mikko Harju：模拟元建模中动态贝叶斯网络的自动构建 Rasmus Hotakainen：根据核电站的运行经验估计人为错误概率 Noora Hyttinen：经验对从事故报告中提取知识的影响 Juha Kännö：北欧电力市场的短期价格预测模型 Tuomas Lahtinen：均等交换方法中的路径依赖性 Pekka Laitila：改进排名节点在贝叶斯网络条件概率引出中的使用 Eerno Niemenmaa：使用不同的认知无线电场景计算电信市场模型中的纳什均衡 Tony Nysten：短期销售预测的制定和传达 Joonas Ollila：环境决策中的投资组合建模 Lars Östring：用于生产和维护市场特定标准配置的产品开发过程模型 Kaisa Parkkila：信用组合的风险价值分析 Heikki Puustinen：具有多目标网络优化和仿真的军用飞机路线 Vendla Sandström：实时资源管理和活动控制 - 从推送和拉动视角 Ville Viitasaari：海运远期运费建模 2012： Karin Ahlbäck：使用环境价值流图降低制造业的能源消耗 Jari Alahuhta：使用多级模型评估薪酬保密的影响 Yrjänä Hynninen：口腔保健服务提供商的效率分析 Ilkka Leppänen：Stackelberg 游戏中的廉价谈话和合作 Ilkka Mansikkamäki：基于直方图的签名用于检测保修欺诈 Juha Nuutinen：健康产品零售中的消费者选择模型 Taneli Silvonen：核电站被动自催化氢复合器的可靠性分析 Otto-Ville Sormunen：芬兰湾化学品油轮碰撞的泄漏估计 Martti Sutinen：社交机器人的基于情感的自适应决策模型 Lauri Talvikoski：短期负荷使用分析和季节性时间序列方法进行预测 Juha Törmänen：系统智能清单 Heikki Vesterinen：船舶性能分析的统计回归模型 2011：Gillis Danielsen：优化热中子探测新技术 Olli Eskola：用于分析不对称战争策略的贝叶斯游戏 Aira Hast：评估芬兰国家温室气体减排行动的风险和成本效益 Janne Junes：使用模拟模型比较道路路面维护策略 Juha-Matti Koljonen：通过简单规则和本地信息提高信噪比 Teppo Luukkonen：急救医学服务模拟和优化模型 Joni Nurmentaus：呼叫中心到达人数的战术预测。 Jirka Poropudas：篮球评分和预测的卡尔曼滤波算法 Osmo Salomaa：基于可达性的目的地和出行方式选择仿真模型 Antti Savelainen：利用加速度计从脑电图中检测运动伪影 Tero Tyrväinen：动态流程图方法中的风险重要性度量和常见原因故障 2010：Lassi Ahlvik：波罗的海经济有效的营养物减排 Lars Baarman：计算热化学平衡 Reda Guerfi：不准确参数对辐射剂量评估的影响 Lauri Haapamäki：识别网络中的商业模式 Aapo Huovila：使用多标准模型方法评估工作区性能 Lauri Hyry：客户质量感知和忠诚度与全球公司销售额之间关系的统计分析 Väinö Jääskinen：人类睡眠阶段转变 Tuomas Kervinen：一种用于估计北欧电力市场水电供应量的线性规划方法 Arttu Klemettilä：三方寡头垄断模型，用于评估认知无线电的经济影响 Juho Kokkala：防御战斗机的最佳分配 Marko Kotilainen：工业合作分析的复杂网络方法 Janne Laitonen：核安全监管控制中的风险跟进 Jari Liede：跨国公司的货币风险对冲 Mikko Loimula：使用两种方法评估洛维萨核电站房间的火灾风险 Mikko Luttinen：无限注德州扑克 - 现金游戏策略分析 Karl Johan Mangs：使用多变量方法对个人层面的迁移行为进行分类 Maija Mattinen：本地地磁活动的建模和预测 Eero Nevalainen：芬兰全球定位系统增强选项评估 Tuomas Nummelin：识别大额支付系统数据的行为变化 Tommi Pastinen：销售和物料管理中的预测系统 Timo Pekkala：管理利率衍生品投资组合市场风险的情景测试 Harri Räsänen：资本结构和估值——芬兰公司的横断面分析 Mauno Taajamaa：ICT 领域创新过程的加速 Jukka Ylitalo：资源与增长导向作为企业增长的预测因素 Jutta Ylitalo：海上事故频率建模 2009：Samuel Aulanko：岸边集装箱起重机的工作周期建模 Juho Helander：核电站风险研究中的主要不确定性因素 Tapani Hyvämäki：在维护故障检测中测试贝叶斯网络和基于密度的聚类 Juha-Matti Kuusinen：建筑物人流建模与预测 Topi Leisti：基于网络优化的造纸工业仿真模型构建 Matias Leppisaari：使用芬兰数据对死亡率进行随机建模 Mikko Loimula：使用两种方法评估洛维萨核电站房间的火灾风险 Jukka Luoma：系统思维过程中的系统智能 Pyry- Matti Niemelä：基准测试-mittaristo sosiaali- ja terveydenhuollon tuotannonohjaukseen Arto Niinistö：模拟带有风能、太阳能和燃气发电机的微电网管理 Ville-Veikko Niskanen：估算股票指数的流动性溢价 Matti Ollila：大学研究小组与其资金来源之间相互关系的效率分析 Jouni Pousi：基于效果的运营决策分析方法 Ismo Räisänen：运输问题、其解决方法及其在海上运输中的应用 Juha Saloheimo：在宽带网络故障管理过程中使用 Syslog 消息 Kimmo Söderholm：WSFS 中湖泊流出量的计算 Antti Toppila：电信公司标准化活动的资源分配模型 2008：Mikko Dufva：以成本效益的方式减少农业对水系统的负荷 Markus Ehrnrooth：金融市场质量飞跃分析 Antti Eloranta：外来汇率期权 Tanja Eronen：非定期存款估价与对冲 Michael Gylling：为消费品制造商设计全球供应链 Matti Heimonen：多人游戏中的收入生成模型 Ville Holma：信贷篮子定价中的系动词 Petri Holappa：工业批发商的采购优化 Jussi Kangaspunta：武器系统成本效益评估中的投资组合分析 Tommi Kauppinen：食品物质投入和营养价值的效率分析 Lauri Kovanen：预测企业违约概率 Anna Matala：火灾模拟的固相反应参数估计 Sampsa Ruutu：利用系统动力学预测国家海上运输需求和能力 Erkka Ryynänen：零售银行的客户细分 Topi Sikanen：火灾模拟中的火把散射建模 Atso Suopajärvi：水平不确定性的现象学建模2 核电站的概率安全评估 Maija Vanhatalo：多元建模在改进产品创建过程中的应用 Eeva Vilkkumaa：稳健投资组合建模中的群体决策支持方法 2007：Tommi Ekholm：气候变化缓解负担分担情景 Simo Heliövaara：火灾疏散中人类行为的计算模型 Erkka Jalonen：创新管理中的投资组合决策 Harri Järvinen：彩票投注和赌博游戏的功能和数学结构 Anssi Käki：报废备件采购中的预测 Kalle Korpiaho：研发中的项目组合管理；组织 Ilkka Kujamäki：跨国论文中的客户盈利能力评估 Kimmo Lehikoinen：风险价值系统回测过程的开发 Antti Malava：期权组合的波动风险建模 Teemu Mutanen：普适计算中的消费者数据和隐私 Juuso Nis sinen：评估信息对项目组合选择的影响 Mirko Ruokokoski：电梯群控中的整数优化 Timo Salminen：远期利率市场模型的校准 Sami Sirén：核电站允许停机时间的风险知情优化 Olli Stenlund：施工项目进度优化 Olli Väyrynen：通过多种财务比率识别被低估的股票