基于CQT和梅尔频谱的带有人声的音乐风格转换方法

近年来,生成对抗网络在图像风格迁移领域中表现优秀,然而其在音乐领域表现一般.现有的音乐风格迁移对带有人声的音乐的风格迁移效果不佳.为了解决这些问题,首先提取音乐的CQT特征和梅尔频谱特征,然后采用CycleGAN对CQT特征和梅尔频谱的联合特征做风格迁移,再通过WaveNet声码器来对迁移后的谱图进行解码,最终实现了带有人声的音乐的风格迁移.在公开数据集FMA上对所提模型进行评估,符合要求的音乐的平均风格迁移率达到了94.07％.与其他算法相比,该方法所产生的音乐的风格迁移率和音频质量都优于其他算法.     

基于卡诺图的三变量可逆逻辑综合算法

提出了一种基于卡诺图的可逆逻辑综合算法,该算法可以快速地求解带垃圾位的可逆逻辑综合问题。大量特定的可逆逻辑门都不可避免地带有一定的垃圾位, 如果使用真值表、置换群等经典可逆逻辑综合算法求解这些带垃圾位的可逆逻辑门,则因无法获得全局状态而很难得到结果。根据卡诺图的特点,将可逆逻辑问题分解为多个变量分别求解,无需关心全局状态。提出的卡诺图可逆逻辑综合算法 根据在卡诺图上的邻接性将3变量可逆逻辑问题划分为5个等价类;对每个等价类分别进行计算,在常数时间内解决了带垃圾位的可逆逻辑综合问题。     

基于NCP门库的一维量子行走可逆逻辑电路

本文提出了基于NCP门库的一维量子行走可逆逻辑电路设计方案.根据一维量子行走的特点,电路被划分为投掷硬币和S操作两个部分;文章详细分析一维量子行走,对其行为数学建模,巧妙利用可控加减电路实现了S操作.目前对于量子行走算法的研究多数局限于数学理论和数理解析层面,在量子电路理论层面对量子行走算法的研究为数不多.本文利用原始递归给出了一维量子行走中每一步在量子电路理论层面上的数学表达式;提出的可逆逻辑电路描述了一维量子行走的最基本操作,并且将其使用模块化表示,使一维量子行走算法的研究从理论到实现上前进了一步.     

基于量子计算的用户识别算法

本文提出了基于量子算法的快速用户识别算法.当代社会进入互联网时代后,大量的信息充斥在网络上,许多有价值的信息被隐藏在Weblog中,大数据分析的一项任务就是通过对Weblog的分析得到用户行为模式等重要的信息,在这之前必须要做的是对用户进行识别.以往对用户识别算法的研究较为侧重在准确度方面,识别的速度尚不能令人满意.本文基于Grover搜索算法提出了扩展记录模式和非扩展记录模式的两种快速IP地址搜索算法,将搜索的查询复杂度进行了二次加速.     

迭代次数自适应的Grover算法

本文提出了利用相位门自动控制Grover搜索算法迭代次数的算法．Grover搜索算法最终得到目标分量的概率非常依赖于酉算子迭代的次数．迭代次数的计算依赖于目标分量的数量．因此当目标分量数未知时,该方法无法以高概率测量到目标分量．在以往的解决方案中需要较高的Oracle查询复杂度才能以一定概率得到目标分量的数量．本文提出了一种通过判断叠加态相位正负性,可自动控制Grover搜索算法迭代次数的方法．只需要添加一个判断相位的门电路,仅增加一次Oracle查询次数就可以精确的在最优迭代次数时停止Grover搜索算法,在搜索空间较小时可比原算法有更大的概率得到目标分量．     

多值逻辑量子置换门的酉矩阵表示

理论上量子可逆电路不存在能量耗散问题,因此量子计算系统对环境产生的负面影响可以达到最低.多值逻辑量子置换门是构建多值逻辑量子电路的基本单元.该文从数学的角度研究多值逻辑量子置换门的酉矩阵,提出了一种构造多值逻辑量子置换门酉矩阵的方法,并对其正确性进行了讨论.在此基础之上,又给出了构造混合多值逻辑量子置换门酉矩阵的框架,利用此框架可以方便地构造任何混合逻辑量子置换门的酉矩阵.酉矩阵是量子门的数学模型,可以清晰地反映出量子门的数学性质.研究量子门的酉矩阵对验证量子门的正确性和可靠性,分析量子状态在电路中的演化过程及发展趋势具有一定的意义.     

基于多目标扩展通用Toffoli门的量子比较器设计

利用多目标扩展通用Toffoli门,提出了经典量子信息比较器的设计构造方法,并对其正确性进行了理论证明,在此基础之上,给出了量子比较器在简单搜索问题中的一个应用。与其它同类量子比较器相比,此比较器通过减少使用辅助位来节约相关量子资源;通过设置多目标扩展通用Toffoli门的控制条件,使得在比较出结果后剩余的门不再起作用,从而提高了运行效率,降低了出错率,增强了比较器的鲁棒性。     

基于战场热点图的MOBA类游戏战术分析研究

随着电子竞技产业不断发展,除了经验、天赋、技巧等决胜因素外,数据分析对MOBA游戏的胜负手影响越来越大。针对某些MOBA类游戏无法直接通过接口获得准确数据的问题,提出根据官方提供的热点图来对核心人物的位置数据进行预处理,利用原型聚类算法思想的PNN(Probabilistic Nearest Neighbor)算法对热点图进行战术分析,最后以概率的形式导出战术:对战方核心人物去往战场核心点的移动概率。本算法加入了加权距离以改善KNN利用欧氏距离计算样本点之间差异的不足,并利用最小二乘法来取得最优的常数解;同时对所有的距离数据进行归一化处理,提高了算法准确度。最终实验表明了所提方法预测战场核心人物去往核心点的概率的有效性。