WikiEdge:ArXiv速递/2025-04-22

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。