查看“WikiEdge:ArXiv速递/2025-04-22”的源代码

== 摘要 ==
* '''原文标题'''：TinyML for Speech Recognition
* '''中文标题'''：面向语音识别的微型机器学习
* '''发布日期'''：2025-04-22 19:00:40+00:00
* '''作者'''：Andrew Barovic, Armin Moin
* '''分类'''：cs.SD, cs.AI, eess.AS
*'''原文链接'''：http://arxiv.org/abs/2504.16213v1
'''中文摘要'''：我们训练并部署了一个[[量化]]的[[一维卷积神经网络]]模型，用于在资源高度受限的[[物联网]][[边缘设备]]上进行[[语音识别]]。这在各种[[物联网]]（[[IoT]]）应用中非常有用，例如[[智能家居]]和为老年人及残障人士提供的[[环境辅助生活]]等。在本文中，我们首先创建了一个包含超过一小时[[音频数据]]的新[[数据集]]，这不仅支持了我们的研究，也将对该领域的未来研究有所帮助。其次，我们利用[[Edge Impulse]]提供的技术来提升[[模型性能]]，并在我们的数据集上实现了高达97%的[[准确率]]。为了验证，我们使用[[Arduino Nano 33 BLE Sense]][[微控制器]]板实现了[[原型]]。该[[微控制器]]板专为[[物联网]]和[[人工智能]]应用设计，非常适合我们的目标使用场景。虽然现有研究大多集中于有限的[[关键词集]]，但我们的模型可以处理23个不同的[[关键词]]，从而实现复杂[[命令]]的识别。

== 摘要 ==
* '''原文标题'''：Long distance contributions to neutral $D$-meson mixing from lattice QCD
* '''中文标题'''：中性$D$介子混合的长距离贡献：来自格点QCD的研究
* '''发布日期'''：2025-04-22 18:26:48+00:00
* '''作者'''：Matteo Di Carlo, Felix Erben, Maxwell T. Hansen
* '''分类'''：hep-lat, hep-ph
*'''原文链接'''：http://arxiv.org/abs/2504.16189v1
'''中文摘要'''：中性[[D介子]]混合的研究为[[粲夸克]]领域的长程效应提供了独特探测手段，其中[[标准模型]]的贡献主要由[[非微扰效应]]主导。本工作探讨了在[[格点QCD]]框架下运用[[谱重构技术]]计算[[D^0-\bar{D}^0混合]]长程贡献的可行性。在概述粲夸克区中性介子混合的普适形式理论后，我们重点研究混合振幅的确定以及无量纲参数$x = \Delta m_D / \Gamma_D$和$y = \Delta \Gamma_D /(2 \Gamma_D)$——这两个参数分别表征[[D介子]]质量本征态之间的质量差与宽度差。我们详细讨论了所需的理论与计算框架，包括[[ΔC = 1弱哈密顿量]]中[[四夸克算符]]的定义与[[重整化]]，以及运用[[方差缩减技术]]计算相关[[关联函数]]的策略。为提取混合振幅，我们探索了从[[格点关联函数]]重构[[谱密度]]的方法，并对达到物理意义尺度（即展宽宽度足够小以获得物理有效结果）所需数据质量进行了初步评估。本研究为未来基于[[第一性原理]]精确测定[[D介子混合]]的长程贡献奠定了理论基础。