Error Tolerance in Constructing Cluster States

We consider the problem often encountered in constructing large cluster states, that is, the σx measurements in the depolarizing noise, and present a regulation to calculate the error propagation and the accumulation. Rohde et al. first pointed out the question [Phys. Rev. A 75 （2007） 010302（R）]. A quantitative analysis is given on the disadvantage influence of the probabilistic gate and noisy environment on the construction of two-dimensional （213） scalable cluster states. Positivity of partial transpose criteria is used to predict whether the final state is distillable or not. A critical value on the error tolerance in constructing cluster states is determined, which could be used as a test-bed for successful construction of scalable 2D cluster states. Furthermore, our quantitative analysis would also be helpful to find optimal approach to suppress the noise accumulation.     

Bidirectional Mapping between a Biphoton Polarization State and a Single-Photon Two-Qubit State

How to manipulate （operate or measure） single photons efficiently and simply is the basic problem in optical quantum information processing. We first present an efficient scheme to transform a biphoton polarization state to a corresponding single-photon state encoded by its polarization and spatial modes. This single-photon state carries both the information of the controlled and target photons. It will make the realization of bipartite positive- operator-valued measurements efficiently and simply. Moreover, the inverse transformation from the single-photon state back to the corresponding biphoton polarization state is also proposed. Using both the transformations, the realization of the arbitrary two-qubit unitary operation is simple with an M-Z interferometer. All the schemes are feasible with the current experimental technology.     

基于油液原子光谱多维时间序列模型的机械磨损状态监测研究

提出了一种利用润滑油原子光谱分析技术对机械磨损状态进行监测的新方法。对磨合期润滑油原子光谱数据建立多维时间序列模型并视为标准模型,将新数据通过此模型后得到残差并选择残差方差阵元素作为新数据所属磨损状态的特征。然后,利用主成分分析法对高维特征进行降维,提取前三个主成分构成对应磨损状态的特征向量。最后,利用欧式距离度量对测试样本进行分类,达到了对机械磨损状态识别的目的。利用上述方法,通过对某型履带车辆发动机台架实验的光谱数据进行分析,对发动机磨损状态进行了有效识别,从而证明了所提方法的有效性。结果表明,将多维时间序列模型引入油液光谱分析技术,能够实现光谱信息的有效融合,提高机械磨损状态监测的准确性。     

基于改进Adaptive Lasso的多工序制造过程关键质量特性识别

为解决多工序制造过程关键质量特性识别中存在的质量特性间具有多重相关性以及数据高维度, 小样本等问题,本文采用主成分回归改进Adaptive Lasso方法并融合状态空间思想和Bootstrap方法实现多工序过程关键质量特性识别。首先引入状态空间思想构建多工序过程关键质量特性识别模型,然后利用Bootstrap方法重构样本,扩大样本量;进而采用改进Adaptive Lasso方法识别关键质量特性,并通过仿真验证改进Adaptive Lasso方法与Lasso,Adaptive Lasso和岭回归方法在质量特性间不同相关度下识别的有效性;最后通过实例说明改进Adaptive Lasso的具体应用过程,仿真及实例结果显示,改进Adaptive Lasso方法对多工序过程有良好的关键质量特性识别能力,特别当质量特性间有较强相关性时显著优于其它两种方法。     

足球机器人在多运动状态中的角色建模与Petri网控制策略

RoboCup是研究动态环境中的机器人自主决策的典型平台。针对5v5标准平台组足球比赛角色行为的多态性,采用面向对象方法建模并设计不同的策略,减少了程序设计的复杂度和降低了逻辑推理难度。同时考虑上层策略是比赛成功的关键,提出一种在B-Human框架下能够兼顾多种比赛环境信息的多状态Petri网建模策略。该方法通过建立精确的数学模型,实现了机器人运动中的各状态协调运行,在SimRobot仿真平台下与基本状态机模型相比,减少了任务规划时间和提高了成功率。最后在标准平台组足球赛场中验证了该策略的可行性和正确性。     

基于多因素的卡尔曼滤波模型在滑坡变形预测中的应用

分析了滑坡变形预测模型的研究现状.考虑到滑坡的变形主要受到降雨及温度等因素的影响,建立基于时效分量、降雨分量和温度分量的多因素变形预测模型,然后将基于多因素的变形预测模型的模型参数看作带有动态噪声的状态向量,建立基于多因素的卡尔曼滤波模型,以基于多因素的卡尔曼滤波模型为基础,对滑坡的变形进行预测.由于基于多因素的卡尔曼滤波模型在卡尔曼滤波过程中,模型的参数不断发生变化,从而增强了模型适应观测数据的能力,提高了模型的拟合精度和预测精度.实例计算表明用基于多因素的卡尔曼滤波模型对滑坡的变形进行预测,其预测误差较小,预测效果较为理想.     

学生学习状态的统计分析——以《概率论与数理统计》为例

以问卷调查所获得的数据为依据,采用SPSS软件包,首先通过对应分析研究课堂理解、作业完成情况和听课状况与学生的学习状态的相关性,然后通过多项logistic回归分析这三个变量对学习状态具体影响结果,最后根据期末考试的成绩研究学习状态与学生成绩的相关性.     

交叉口交通状态精细化判别方法研究

针对目前交叉口交通状态判别方法不能有效识别溢流、车辆慢行等的问题,提出了一种交叉口交通状态精细化判别方法。首先对交叉口的物理空间组成进行分解,分解为各方向路段和内部冲突区域两部分;其次,利用计算饱和度方法对各方向路段的交通状态进行判别;利用绿灯结束时刻剩余车辆累积车头时距与间隔时间之比对内部冲突区域的交通状态进行判别;最后,采用综合交通状态判别方法实现交叉口交通状态的精细化判别,并利用实际采集的数据对方法进行仿真验证。仿真结果表明:所建立的方法可以更精细的对交叉口交通状态进行判别。     

关于两种活化熵△≠rS(θ)m(c(θ))和△≠rS(θ)m(P(θ))的讨论

用热力学方法处理过渡状态理论的艾林方程,选择两种不同参考点作为标准态,得出两个不同的计算公式,两种类型的活化自由能、活化焓、活化熵意义数值不同,对于理想气体的反应,两种类型的活化焓相等,活化熵不等,但两种活化熵之间存在定量关系式:△≠rSθm(Pθ)=△≠rSθm(cθ) (n-1)Rln[Pθ/RTcθ].     

扫描电路引论

本文综述了补偿状态和非线系数曲线中的跳变等有关扫描电路的新论要点。