以任意高维纠缠态为量子信道的受控隐形传态

目的是利用高维量子纠缠态为量子信道，讨论未知单粒子态的受控隐形传输问题。以三维量子纠缠态为信道，提出一个二维任意单粒子态的受控隐形传输协议。提出了以任意[d]-维量子纠缠态为量子信道，[t]-维任意单粒子态的隐形传输协议[(t相似文献   

准周期量子动力系统的数值求解

本文提出了研究准周期量子动力系统的计算方法.传统计算方法通常使用大的周期系统来近似计算准周期系统,这会产生丢番图逼近误差.我们的方法将准周期系统在高维周期结构中表示和计算,这样不仅可以避免丢番图逼近误差,而且可以将周期系统的高效算法,比如快速Fourier变换直接运用到新的算法中.我们将算法用于计算具有准周期势的线性薛定谔方程和准周期初值的非线性薛定谔方程.数值结果表明了算法的可靠性和高效性,并可以用于研究包含Anderson局域化、非线性光子准晶在内的准周期量子行为.     

基于M-C 的高维SEA 方法

针对高维指标的系统效能分析(system effectiveness analysis,SEA)方法的应用难点,在系统数值仿真的基础上研究高维性能指标联合概率密度函数拟合,通过将联合概率密度函数应用于计算高维数值积分的蒙特卡罗平均值方法中,得到一种解决SEA中高维性能指标效能分析的蒙特卡罗数值方法,并用实例进行验证评估。结果表明：该方法是有效、实用的,能为SEA方法中涉及高维指标的分析提供一种行之有效的方法。     

基于预测数据特征的空气质量预测方法

采用LightGBM预测模型对空气质量预测问题进行研究,提出并设计一种基于预测性特征的空气质量预测方法,有效地预测北京市区内未来24 h核心表征空气质量的PM_2.5质量浓度。在构建预测方案过程中,分析训练数据集特性开展数据清洗,利用随机森林与线性插值相结合的方法,解决数据大量缺失以及噪声干扰问题;提出使用预测性数据特征方法,同时设计相关统计特征,提高预测结果的准确性;采用滑窗机制挖掘高维时间特征,增加数据特征数量级;对预测模型的工作性能和结果进行详细分析,并结合基线模型进行对比评价。试验结果表明,基于预测性特征结合采用LightGBM预测模型的方案具有更高的预测精度。     

一种改进的K-means聚类方法在惯导系统中的应用

为了提高高维数据聚类精度,提出了一种基于数据分布规律的K-means聚类方法。通过K-means聚类粗略寻找高维数据分布规律,构造不同的自适应因子对聚类数据进行综合K-means聚类精度校正。将所提出方法应用于平台惯导系统标定数据聚类中,计算结果表明该方法可以很好的对加速度计标定数据进行聚类和评价,具有较好的实际应用价值。     

BEC信道下高维核矩阵极化码的精确设计

针对高维核矩阵极化码的设计问题,将二进制擦除信道(BEC)下的2×2核矩阵极化码的设计方法推广至高维核矩阵极化码。基于l-公式证明了当原始信道为BEC信道时,单步位信道同样为BEC信道;获得了单步位信道的擦除概率多项式,从而可以递归计算位信道的擦除概率;依据最后一层位信道的擦除概率选择出信息位集合和冻结位集合(极化码)。仿真结果表明,基于BEC信道下设计高维核矩阵极化码的方法优于高斯近似方法设计的相对应的高维核矩阵极化码,并且优于同等码长和码率下的原2×2核矩阵极化码。