一篇新的预印本介绍了量子卷积网络 (QCNN) 与路径签名核相结合，通过解决重参数化不变性来改进时间序列分类。另外，另一篇预印本详细介绍了 Orcaella 协议，该协议为用户提供了在快速的两消息延迟提交或能够处理 54% 的等价性但延迟增加的更具弹性的路径之间进行选择。 AI
影响 这些预印本引入了时间序列分析和分布式系统设计的新方法，可能影响这些领域的未来研究和开发。
排序理由 该集群包含两个不同的预印本，讨论了人工智能和分布式系统中的新方法。
在 Mastodon — fosstodon.org 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
QCNN with path signature kernels targets time series A new preprint pairs quantum convolutional networks with path signature kernels to tackle reparameterisation invariance in time series classification. https://www. notatechguy.com/qcnn-with-path -signature-kernels-targets-time-…
Orcaella protocol: choose fast commit or 54% fault tolerance New preprint Orcaella lets clients pick a fast 2-message-delay commit or a resilient path tolerating 54% equivocation at double the latency. https://www. notatechguy.com/orcaella-proto col-choose-fast-commit-or-54-fault…