XiaoMi-AI文件搜索系统
World File Search System非线性的
从神经数据中推断出随机的低级复发性神经网络
计算神经科学的核心目的是将大量神经元种群的活性与潜在的动态系统联系起来。这些神经动力学的模型理想情况下应既可以解释又适合观察到的数据。低级复发性神经网络（RNN）通过具有可拖动动力学表现出这种解释性。但是，尚不清楚如何最佳地拟合低级别的RNN与由对潜在随机系统进行嘈杂观察的数据组成的数据。在这里，我们建议与随机的低级RNN一起使用各种顺序蒙特卡洛方法。我们在由连续和尖峰神经数据组成的几个数据集上验证了我们的方法，在该数据集中，我们获得的尺寸潜在动力学比当前方法的当前状态较低。此外，对于具有分段线性非线性的低级模型，我们展示了如何有效地识别单位数量中多项式而不是指数成本的所有固定点，从而分析了针对大型RNN的推断动力学分析。我们的方法都阐明了实验记录的基础动力系统，并提供了一种生成模型，其轨迹与观察到的可变性相匹配。
使用ONS评估经济速度更快
除了对公共卫生的损害和人类生命的巨大损害外，Covid-19的大流行还震惊了几乎每个国家的经济结构。影响（而且在许多情况下）大于2007/2008经济危机。但是，由于政策制定者的反应，对财务状况的影响持续了很长时间。然而，学术研究人员和行业从业人员目前正在辩论大流行期间如何进行经济预测以及从这种外源经济冲击中学到的教训。特别是Foroni等。（2020）使用美国数据利用金融危机和大流行期间经济衰退之间的相似性。采用混合频率模型（MIDAS和UMIDAS）表明，在流行期间调整与现金危机期间和预测错误的数量相似的量和预测似乎会产生改善的结果。Huber等。 （2020）专注于欧元区国家，通过合并回归树来开发非线性的混合频率VAR框架，并利用它们建模异常值并将信号从噪声中解散的能力。 他们发现相对于线性混合频率VAR基准测试的现象性能的改进。 最近，Goulet Colombe等人。 （2021）专注于线性和非线性机器学习方法，并研究了经济预测的收益，在某些情况下，与简单的AR基准相比，结果导致了40-50％的结果。 但是，这只是方法和建模的问题吗？Huber等。（2020）专注于欧元区国家，通过合并回归树来开发非线性的混合频率VAR框架，并利用它们建模异常值并将信号从噪声中解散的能力。他们发现相对于线性混合频率VAR基准测试的现象性能的改进。最近，Goulet Colombe等人。（2021）专注于线性和非线性机器学习方法，并研究了经济预测的收益，在某些情况下，与简单的AR基准相比，结果导致了40-50％的结果。但是，这只是方法和建模的问题吗？上述研究将焦点放在了方法论方面，并讨论了获取模型的新方法，这些模型可以部分改善给定的基准模型，并在经济不确定性增加时帮助研究人员。我们是否应该将所有研究力量投资于大流行期间应该（或可以）使用的方法论？上述问题激发了我们与文献中持续的辩论保持距离，从复杂的方法论中退后一步，并重新考虑任何建模中最重要的成分，即数据。如果适当的数据集
FEMA：针对大样本全脑成像数据的快速高效混合效应算法
图 1 分箱对固定效应参数估计的均方误差 (MSE) 的影响。我们模拟了 2000 个具有 5 个固定效应（10,000 个观测值）的成像变量。然后，使用 20 个不同的箱值，我们使用 FEMA 估计参数并计算参数估计的平均（超过 50 次重复）平方误差。面板 (a) 中的黑色虚线表示五个固定效应中的每一个的总 MSE（跨 2000 个成像变量），而橙色实线表示五个固定效应的总 MSE 的平均值。我们观察到最小总 MSE 在箱值为 100（由绿线表示）时，而箱值为 20（由紫线表示）显示出可比的 MSE；面板 (b) 显示每个箱值所需的计算时间（跨 50 次重复取平均值）；箱值为 20（紫线）的计算时间是箱值为 100（绿线）所需计算时间的一小部分。请注意，两个面板的 x 轴都是非线性的。
量子细胞自动机
摘要。我们制定了一种由量子设备阵列组成的细胞自动机 (CAS) 计算新范式——量子细胞自动机。这种范式中的计算是边缘驱动的。输入、输出和功率仅在 c 阵列的边缘传输；不需要直接向内部细胞传输信息或能量。这种范式中的计算也是使用基态进行计算。该架构的设计使得阵列的基态配置受输入确定的边界条件的影响，产生计算结果。我们提出了使用由量子点组成的双电子细胞来实现这些想法的具体方法，这在当前制造技术范围内。细胞中的电荷密度沿两个细胞轴之一高度极化（对齐），暗示了双态 CA。一个细胞的极化通过库仑相互作用以非常非线性的方式在相邻细胞中引起极化。量子细胞自动机可以执行有用的计算。我们表明，与门、或门以及反相器可以构建并互连。
χ（3）混合非线性光子学
摘要：光学非线性过程在广泛的应用中是必不可少的，包括超快激光器，显微镜和量子信息技术。在不同的非线性过程中，二阶效应通常不堪重负，除了中心对称系统，二阶易感性在其中消失了，从而允许使用第三阶非线性。在这里，我们演示了一个混合光子平台，可以灵活地调整二阶和三阶敏感性之间的平衡。通过用原子上稀薄的钨化装饰超高的二氧化硅微腔，我们观察到腔体增强的第二谐波产生和汇总频率产生，并以连续波激发的功率水平仅为几百微米。我们表明，可以通过仔细选择二维材料的大小和位置来实现单个设备中二阶和三阶非线性的共存。我们的方法可以推广到其他类型的腔体，从而释放具有对新应用的非线性敏感性的混合系统的潜力。关键字：二维材料，超高Q微腔，第二谐波一代，非线性光学元件，过渡金属二核苷
腔内时空偏移
摘要。光学元面具有无与伦比的灵活性，可以通过下波长的空间分辨率操纵光场。将元面耦合到具有强光学非线性的材料可能允许超快时空光场调制。但是，到目前为止所证明的大多数元整口是线性设备。在这里，我们在实验上证明了同时使用单层等离子式肩面与纤维激光腔中的Epsilon-Near-Zero（ENZ）材料强耦合。虽然元表面的几何阶段被用来将激光器的横向模式从高斯束转换为带有轨道角动量的涡旋束，但通过Q -Switching过程，ENZ材料的巨大非线性可饱和吸收使脉冲激光产生。在激光腔中直接整合时空跨表面可能为开发具有量身定制的空间和时间剖面的微型化激光源铺平了道路，这对于多种应用来说是有用的，例如超级分辨率成像，高密度光学存储，高密度光学储存以及三维激光射击光刻。
使用深度学习
edubillililavanya565@gmail.com摘要：由于人脑的复杂性，人类生成的思想和信号是非平稳和非线性的。因此，困难的部分是创建一个可以从人脑中提取更深入见解的系统。一旦获得了这些更深的见解，BCI应用程序将更有效地发挥作用。被称为脑部计算机界面的设备允许其用户仅通过大脑活动与计算机进行通信，这通常通过脑电图（EEG）检测到。在这项工作中研究了在大脑计算机界面（BCIS）中使用深度学习的方法。审查先前有关大脑计算机界面（BCIS）的研究结果以及它们如何与深度学习方法一起工作是研究的主要目标。它通过使用深度学习来研究BCIS中信号处理，特征提取和分类的方式。该研究的目的是对目前该部门的创新和改进状态进行详尽的审查。阐明使用深度学习对BCIS关键字的可能优势和困难：深度学习，计算机，大脑语言，脑电图和脑部计算机界面
![arxiv：2501.09380v1 [cs.cr] 2025年1月16日](/simg/g:\will\search\icon\source\5\53ee5f48138db1a74ce31aaf47a7548b04e739c6.webp)
arxiv：2501.09380v1 [cs.cr] 2025年1月16日
布尔功能在许多加密原始素中起着主导作用。它们在哈希功能[13,5]甚至对称块加密[21]中特别使用。这些功能将一定数量的变量作为输入，以返回唯一的布尔值二进制值。蜂窝自动机规则可以视为布尔函数。某些蜂窝自动机规则具有有趣的加密性能，相对于传递给它们的输入而言，无需生成伪随机或混沌输出。这些规则可以产生非线性的输出，并且完全独立于将其作为输入传递给它们的位。它们可用于加密应用，例如哈希或阻止加密。使用这些规则避免了针对密码原语的已知攻击，例如线性密码分析[1]。对这些混乱功能的第一项研究是由Wolfram在1983年进行的，后者发现了30条具有3个变量的规则[20]。从那时起，就提出了许多布尔函数的分类[17,2]。许多科学论文研究了布尔功能在密码学中的使用[6]。尤其是在细胞自动机中使用布尔函数来构建哈希函数[10,9,24]，或流和封闭密码[16,11]。
![arxiv：2308.08289v4 [Physics.optics] 2024年6月26日](/simg/g:\will\search\icon\source\1\1a7e12cad1364277f714511341760acee1039422.webp)
arxiv：2308.08289v4 [Physics.optics] 2024年6月26日
电控制的光子电路对具有很大的能源效率和量子信息处理能力的信息技术有望。然而，典型光子材料的弱非线性和电响应是两个关键挑战。因此，已经对杂交电子光电系统（例如半导体激子 - 孔子体）进行了深入研究，因为它们的潜力允许更高的非线性和电气控制，到目前为止的成功率有限。在这里，我们展示了偶极性二利机的电场波导体系结构，该体系允许增强且可控制的极性非线性，从而实现了电反射的反射开关（镜像）和偶极极光利的晶体管。Polariton晶体管通过压缩稀释的偶性二极化脉冲，表现出非常强大的偶极相互作用，从而显示出封锁和抗块。使用一个简单的密度依赖性极化场来解释大型非线性，该电场非常有效地筛选外部电场，与固定偶极子相比，非线性的数量级增强。我们预测，在这种设备中，单个极性级别的量子封锁是可行的。
薄膜设备开发和技术
抽象的薄膜材料可以获得显着的优势，并且与笨重的对应物相比，具有根本不同和可调的材料特性。结合了超薄二维（2D）和常规半导体材料的特性，可以开发新的设备概念，尤其是用于传感应用。这种关联描述了如何合并常规的半导体和2D物质处理平台和技术。结合了材料特性的精确调整，合并技术可以实现高度非线性的光子传感器和系统，这些传感器和系统可利用特定于材料的益处为广泛的应用范围。除了为设备和系统开发提供几乎独立的构建块外，技术还可以进一步合并，还可以利用常规测量表征来提取材料属性。作为设备示例，用于增强感应应用的异质结构光电视，非线性无定形硅和用于光学范围的光电烯光电镜以及3D成像以及用于增强的读出电路电路的增强式读取电路和薄膜磁带，并与The Storate-enter-ens-ens-ext-exter-the-Art一起进行了讨论。