XiaoMi-AI文件搜索系统
World File Search System验证阶段
一种用于电网形成逆变器系统的新型电源硬件在环接口方法：预印本
摘要 — 电网形成 (GFM) 逆变器系统的功率硬件在环 (PHIL) 仿真有助于测试极端场景，例如并网到离网的转换和没有刚性电网的孤岛微电网运行。据作者所知，文献中的大多数研究都集中于电网跟踪逆变器系统的 PHIL 仿真。只有少数研究关注 GFM 逆变器，而这些研究具有挑战性且存在问题，尤其是对于大功率应用而言。本文提出了一种新颖的 PHIL 仿真平台，可实现大功率 GFM 逆变器系统的接口。本文提出了虚拟 GFM 逆变器的概念，作为所提出的 PHIL 接口的一部分。在 PHIL 接口中添加虚拟 GFM 逆变器扩展了传统的理想变压器模型 (ITM) 方法，使其能够克服现有 ITM 方法的不稳定性问题。在验证阶段，使用所提出的接口方法对三相、480 V、125 kVA GFM 逆变器系统进行了 PHIL 实验。结果证实，所提出的 PHIL 仿真方法对于 GFM 逆变器系统性能良好且稳定。关键词 — 下垂控制、电网形成逆变器、基于 ITM 的接口方法、电力硬件在环仿真。
深度学习辅助脑肿瘤检测
最近，由于症状的复杂性和模糊性，疾病诊断的不确定性不断增加和蔓延，导致诊断过程不可靠和不可靠。由于 MRI 扫描中的肿瘤检测主要取决于专家的经验，误诊将导致不准确的治疗，并可能造成严重的后果。本文介绍了脑肿瘤检测服务，作为患者和专家的辅助功能。本文重点研究了基于云的多医学诊断服务框架下的自动 MRI 脑肿瘤检测。所提出的 CNN 辅助深度架构包含两个阶段：特征提取阶段和检测阶段。在将数据注入模型进行训练之前，应用轮廓检测和二值分割来提取感兴趣的区域并减少不必要的信息。脑肿瘤数据来自 Kaggle 数据集，经过预处理和增强阶段后，包含 2062 例病例，其中 1083 例为肿瘤，979 例为非肿瘤。训练和验证阶段使用不同大小的图像完成，图像大小在 (16, 16) 到 (128,128) 之间。实验结果显示检测准确率为 97.3%，灵敏度为 96.9%，特异性为 96.1%。此外，使用这种类型的图像的小过滤器可确保更好、更快的性能，并实现更深入的学习。
脑电图信号的分析和分类
摘要。 div>脑电图信号（EEG）的分析已成为研究在不同的认知和运动任务中研究大脑活动的强大工具。 div>在这项研究中，该技术用于分析10名J´ovenes参与者的数据，他们进行了运动想象范式，以控制一种称为HAND OF HOPER（HOH）的机器人型（HOH），以恢复心血管疾病患者的康复患者。 div>信号的获取是在训练和验证阶段进行的。 div>训练数据用于校准称为滤波器库公共空间模式（FBCSP）的人工智能模型，以提取特征和线性区分分析（LDA）作为分类器。 div>随后，对信号进行了频率分析，该频率分析估计了放松和想象任务之间的频谱功率以及频域中这些信号之间的相关性。 div>除了信号的检测时间外，SLICE验证数据还用于评估参与者移动'robalotica'tortesis的产率和能力。 div>结果表明，与弛豫状态相比，在运动想象力中，在α和theta波段的C3和CP3通道的光谱功率上存在不同步，这表明在其上激活了运动皮层，该均具有所用电极的位置。 div>
分布式的Merlin-Arthur合成量子状态及其应用
量子状态的产生和验证是量子信息处理的基本任务，伊朗人，Natarajan，Natarajan，Nirkhe，Rao和Yuen [CCC 2022]，Rosenthal和Yuen和Yuen [ITCS 2022]，Metger和Yuen，Metger和Yuen [focs 2023] [focs 2023]遵守了任期状态的统治状态。本文从量子分布式计算的角度研究了这一概念，尤其是分布式量子Merlin-Arthur（DQMA）协议。我们首先在一条线上引入一项新型任务，称为州生成，带有分布式输入（SGDI）。在此任务中，目标是生成量子状态u | ψ⟩在该行的最右边节点，其中| ψ⟩是在最左节点处给出的量子状态，u是一个单位矩阵，其描述分布在线的节点上。我们为SGDI提供了DQMA协议，并利用此协议来构建Naor，Parter和Yogev [Soda 2020]研究的集合平等问题的DQMA协议，并通过显示此问题的经典下限来补充我们的协议。我们的第二个贡献是DQMA协议，基于Zhu和Hayashi [物理评论A，2019]的最新工作，以在没有量子通信的网络的相邻节点之间创建EPR对。作为此DQMA协议的应用，我们证明了一个一般结果，显示了如何将任意网络上的任何DQMA协议转换为另一个DQMA协议，在该协议中，验证阶段不需要任何量子通信。
外部时间计量
目前欧洲卫星无线电导航系统项目“伽利略”的开发由一个向欧盟交通运输专员负责的组织领导，该组织称为“全球导航卫星系统监管局”(GSA)，“全球导航卫星系统”是“全球导航卫星系统”的缩写。 2007 年 1 月，GSA 取代了欧盟委员会和欧洲航天局 (ESA) 之间的联合承诺，即伽利略联合承诺 (GJU)。位于巴黎天文台的 LNE-SYRTE 是由公司和欧洲国家计量研究所 (INM) 组成的财团 Fidelity 的成员，该财团自 2005 年 6 月以来一直与 GJU 签订合同，今天又与 GSA 签订合同，用于创建外部时间计量服务提供商的原型，称为伽利略时间服务提供商（GTSP）[1]。该联盟在第 2 章中进行了描述，GTSP 原型的作用在第 3 章中进行了描述。它必须在伽利略的在轨验证阶段（原计划于 2008 年初进行的在轨验证 (IOV)）期间提供时间计量元素系统的参考时标、伽利略系统时间 (GST) 必须由直接属于伽利略的时钟在内部生成。另一方面，GTSP 必须提供以协调世界时 (UTC) 模 1 秒为基础的 GST 控制参数，因此相当于国际原子时 (TAI)，以保持这两个较低尺度之间的差距。
对SHA-3的实际故障攻击损害了Kyber和...
摘要 - ML-KEM和ML-DSA是基于NIST标准的基于晶格后的加密算法。在这两种算法中，K ECCAK是广泛用于得出敏感信息的指定哈希算法，使其成为攻击者的宝贵目标。在故障注射攻击领域，很少有针对K ECCAK的作品，并且尚未完全探讨其对ML-KEM和ML-DSA安全性的影响。因此，许多攻击仍未发现。在本文中，我们首先确定k eccak的各种故障漏洞，这些漏洞通过在实用的循环锻炼模型下操纵控制流来确定（部分）输出。然后，我们系统地分析了错误的K ECCAK输出的影响，并提出了六次针对ML-KEM的攻击，以及针对ML-DSA的五次攻击，包括钥匙恢复，签名伪造和验证旁路。这些攻击涵盖了关键产生，封装，拆卸，签名和验证阶段，使我们的计划成为第一个应用于ML-KEM和ML-DSA的所有阶段。在嵌入式设备上运行的PQClean库的ML-KEM和ML-DSA的C实现中，提出的攻击已验证。实验表明，可以在ARM Cortex-M0+，M3，M4和M33微处理器上使用具有低成本电磁断层注射设置的ARM Cortex-M0+，M3，M4和M33微处理器，可实现89的成功率。5％。一旦断层注射成功，所有提议的攻击都可以通过100％的概率成功。
分布式Merlin-Arthur量子态合成及其应用
量子态的生成和验证是量子信息处理的基本任务，最近由 Irani、Natarajan、Nirkhe、Rao 和 Yuen [CCC 2022]、Rosenthal 和 Yuen [ITCS 2022]、Metger 和 Yuen [QIP 2023] 在状态合成这一术语下进行了研究。本文从量子分布式计算，特别是分布式量子 Merlin-Arthur (dQMA) 协议的角度研究了这一概念。我们首先在线上介绍一项新任务，称为具有分布式输入的状态生成 (SGDI)。在这个任务中，目标是在线的最右边节点生成量子态 U | ψ ⟩，其中 | ψ ⟩ 是在最左边节点给出的量子态，U 是一个酉矩阵，其描述分布在线的各个节点上。我们为 SGDI 提供了一个 dQMA 协议，并利用该协议为 Naor、Parter 和 Yogev [SODA 2020] 研究的集合相等问题构建了一个 dQMA 协议，并通过展示该问题的经典下限来补充我们的协议。我们的第二个贡献是基于 Zhu 和 Hayashi [Physical Review A, 2019] 的最新研究的 dQMA 协议，用于在没有量子通信的情况下在网络的相邻节点之间创建 EPR 对。作为此 dQMA 协议的一个应用，我们证明了一个通用结果，该结果展示了如何将任意网络上的任何 dQMA 协议转换为另一个 dQMA 协议，其中验证阶段不需要任何量子通信。
通过深度强化学习和行为博弈论进行驾驶员建模
I. 引言人们对自动驾驶汽车 (AV) 的安全问题仍然存在，需要解决这一问题才能成功融入日常交通 [1]。除了真实的交通测试外，计算机模拟的交通环境还可用于加速验证阶段并引入各种各样的交通场景，这些场景可能需要几个小时的驾驶才能遇到 [2]–[4]。为了获得可靠的模拟结果，人类驾驶员模型应以合理的精度展示类似人类的驾驶行为。文献中提出了几种对人类驾驶员进行建模的方法。[5]–[7] 中的马尔可夫模型和 [8] 和 [9] 中的支持向量机用于预测驾驶员行为。[10]–[12] 中也将神经网络用于此目的。用于对驾驶员行为进行建模的其他工具包括动态贝叶斯网络 [13]、高斯过程 [14]、[15] 和逆强化学习 (RL) [16]、[17]。还提出了博弈论驾驶员模型。例如，在 [18] 中，Stackelberg 游戏用于对高速公路驾驶进行建模，但没有考虑由多个动作组成的动态场景。Stackelberg 游戏也用于 [19]，它考虑了多动作场景。但是，一旦玩家数量增加到 2 以上，计算就会变得非常复杂。[20] 提出了一种博弈论逆 RL 方法，用于预测两个驾驶员之间的相互作用，同时假设周围车辆的预定义策略。这种方法对于
在复杂的半...
水文模型已成为研究解决各种环境和水资源问题的复杂流域的水文过程的重要工具。本研究的重点是使用土壤和水评估工具（SWAT）在突尼斯中部的Merguellil流域进行建模。SWAT模型是一种物理建模工具，开发了用于预测水文过程的物理建模工具，并有充分记录是资源水管理的有效工具。这项研究的主要目的是评估SWAT模型在模拟中央半干旱突尼斯梅尔基利尔流域内的每月水文过程时的表现。该模型的校准是从2002年到2011年进行的，随后进行了2012年至2017年的验证。灵敏度分析确定了关键参数，包括曲线数，坡度长度和有效的水力传导率，是最敏感的。研究结果表明，该模型在校准和验证阶段期间根据拟合优度标准表现出令人满意的性能。在校准和验证期内，NASH – utcliffe效率（NSE）分别为0.65和0.41。确定系数（R²）和克林格 - 古普塔效率（KGE）均等于0.7，用于校准的标准偏差比（RSR）小于或等于0.6。偏差百分比（PBIA）表明该模型在校准期间高估了排放量 +23.5％。此外，Merguellil流域中的径流表现出显着的时空变异性，受到其环境的复杂性和异质性的显着影响。
基于混乱理论和细胞自动机的使用的使用
通过公共渠道交换大量信息已成为日常发生，这种情况在可能发生网络攻击的情况下会产生巨大的风险，并激发学术和科学界制定新的强大安全计划。该研究的目的是使用数学和人工智能工具来提出新的安全计划。下面介绍了用于文本的加密货币算法的设计和实现。所采用的方法包括使用细胞自动机检测载体图像的边缘，利用颜色对比度的多样性以及Tinkerbell混沌吸引子生成两个伪随机序列：一种用于加密方案，而另一个用于选择载体图像的边缘像素图像的边缘像素图像隐藏。此外，还包括一个验证阶段，其中接收器提供了一个代码以确认未更改stegoimage。使用Diffie-Hellman算法在发件人和接收方之间共享系统密钥。对所提出的算法进行了一系列地理和加密性能测试，包括熵分析，均方根误差（MSE），相关系数，关键敏感性，峰值信号 - 噪声比（PSNR），归一化的根平方误差（NRMSE）以及结构相似性指数（SSI）。将PSNR，MSE和SSI测试的结果与科学基准进行了比较，揭示了与信息安全标准保持一致的指标。最后，由于学术练习的结果，对加密货币算法进行了整合，其指标使其可能适用于现实世界中的环境。