XiaoMi-AI文件搜索系统
World File Search System不精确
犹豫模糊隶属函数估计下生物质供应链网络设计的可能性规划方法
摘要：通过从专家那里获取知识来识别隶属函数是许多模糊数学规划模型的重要因素。同时，犹豫模糊集理论作为一种已知且流行的现代模糊集，通过在集合下分配一些离散隶属度，可以适当地处理决策问题中的不精确信息。因此，犹豫模糊隶属函数 (HFMF) 估计可以帮助数学规划方法的用户在连续空间问题中提供强大的解决方案。因此，本研究提出了一种基于贝塞尔曲线机制的可能性规划方法来估计 HFMF。在可能性规划方法的过程中，提出了一个优化模型来调整贝塞尔曲线的主要参数，目标是最小化经验数据和拟合 HFMF 之间的 SSE)。之后，通过提出一种新的生物质供应链网络设计问题数学模型来检查所提方法的效率和适用性。最后，提供了关于生物质供应链网络设计的计算实验和验证程序，以仔细检查所提出方法的验证和确认。
不完美经典数据的量子读出 - IRIS
摘要：由于错误和写入过程的不完善，在物理支持中对经典数据的编码可以达到某种程度的精度。此外，由于系统的物理或化学不稳定性，存储数据可能会随着时间的推移而发生一定程度的退化。任何读出策略都应考虑到这种自然的不确定性程度并将其影响降至最低。光学数字存储器就是一个例子，其中信息被编码为一组细胞的两个反射值。使用纠缠的量子读取已被证明可以增强理想光学存储器的读出，其中两个级别是完美表征的。在这项工作中，我们分析了存储器构造不完善的情况，并提出了一种优化的量子传感协议，以在存在不精确写入的情况下最大限度地提高读出精度。所提出的策略在现有技术下是可行的，并且对检测和光学损失具有相对稳健性。除了光学存储器之外，这项工作还对生物系统中的模式识别、分光光度法以及从透射/反射光学测量中提取信息的任何情况都有影响。
关于“模糊...
随着信息技术的发展，基于模糊的系统在计算智能上很流行，并应用于信息科学，数学，控制工程和消费电子等领域。尤其是在消费电子领域中，基于模糊的系统有助于基于数据和知识的建模，并处理具有数量和定性复杂性的现实世界问题，并在维度和不确定性中处理。基于模糊的系统与消费电子设备的婚姻将以人们与设备互动的方式进行革命。从基于细微的因素调整温度的智能恒温器中，以了解语言的微妙之处的语音助手，基于模糊的系统为我们的小工具带来了类似人类的理解和适应性。处理不确定性和不准确的能力为更个性化，高效和以用户为中心的体验铺平了道路。随着消费电子领域的不断发展，其与模糊逻辑的集成将发挥更大的重要作用，预计会扩展，从而提供更智能和以用户的解决方案。因此，当传统的二元逻辑无法处理不精确或不确定的信息时，基于模糊的系统是宝贵的。
![arXiv:2002.04207v1 [ed.IV] 2 月 11 日](/simg/g:\will\search\icon\source\2\24b0be80f7ffd05615a53ff11a45e2fea5309180.webp)
arXiv:2002.04207v1 [ed.IV] 2 月 11 日
纹理和边缘为图像识别提供不同的信息。边缘和边界编码形状信息，而纹理则体现区域的外观。尽管卷积神经网络 (CNN) 在计算机视觉和医学图像分析应用中取得了成功，但主要只学习纹理抽象，这通常会导致边界描绘不精确。在医学成像中，专家手动分割通常依赖于器官边界；例如，为了手动分割肝脏，医生通常首先识别边缘，然后填充分割蒙版。受这些观察的启发，我们提出了一个即插即用模块，称为边缘门控 CNN (EG-CNN)，可与现有的编码器-解码器架构一起使用来处理边缘和纹理信息。EG-CNN 学习在编码器中强调边缘，通过辅助边缘监督预测清晰的边界，并将其输出与原始 CNN 输出融合。我们在两个公开可用的数据集 BraTS 19 和 KiTS 19 上评估了 EG-CNN 与各种主流 CNN 在脑肿瘤和肾脏语义分割方面的有效性。我们展示了添加 EG-CNN 如何持续提高分割准确性和泛化性能。
模拟微生物群中的主宿内动力学
微生物群是人类和动物有机体细菌的主要储层。它是众多共生物种的家园，其中一些物种可能是感染的来源，例如金黄色葡萄球菌[1]。虽然越来越了解微生物群的组成和特性，但由于种类繁多的物种及其相互作用，它们的动态仍然难以建模。广义Lotka Volterra（LV）模型特别有趣，因为它允许模拟大量相互作用的微生物种群。但是，校准该模型需要丰富的数据，而量化微生物群组成的经典元基因组分析仅提供“频率”数据，即目前每个人群的比例。目前，为了解决这个问题，使用了总微生物群丰度的不精确代理[2]，或者对系统进行了强有力的假设，例如，假设总丰度是固定的[3]。在不使用此类假设的情况下将此模型应用于微生物群数据是一个关键挑战： - 我们在频率数据上以分析表征LV模型的可识别性条件。- 我们在分析上证明了这种可识别性在一般情况下是可能的，而无需强大的假设。- 我们通过对微生物动力学的仿真分析来验证这一结果。
使用“azigrams”显示声纳浮标的生物声学方向信息
AN/SSQ-53 定向频率分析和记录 (DIFAR) 声纳浮标是一种消耗性设备，可以沿两个正交水平轴推导出声粒子速度以及声压。通过此信息，只需一个紧凑型传感器便可计算出低频声源的方位角。估算这些传感器方位角的标准方法是通过传统的波束形成（即添加加权时间序列），但得到的“心形”波束模式不精确、计算成本高，并且对于弱信号容易受到方向性噪声污染。这里演示了一种替代乘法处理方案，该方案计算声信号的“有效强度”以获取噪声场作为时间和频率函数的主要方向性。此信息可以方便地显示为“方位图”，类似于频谱图，但使用颜色来表示方位角而不是强度。来自多个位置的数据证明了这种方法，无需对原始信号进行解复用即可进行计算。Azigram 已用于帮助诊断声纳浮标问题、提高可检测性和估计低信噪比信号的方位。Azigram 还可以增强对定向噪声场中嵌入信号的检测和潜在分类。V C 2019 美国声学学会。https://doi.org/10.1121/1.5114810
高温环境下涡流测距传感器的开发
传感器是控制回路不可或缺的一部分，可以调节制造过程和监控产品。它们需要精确地按照规格执行，并在预期的使用寿命内可靠地运行。随着工作温度的升高，主要挑战包括设备性能下降、测量不精确、长期漂移和滞后。为了满足日益增长的工业高温需求，这项工作涉及开发 200 ◦ C 基准的涡流传感器。传感器系统应该在单个载体中实现，包括传感器和相关电路。这项工作报告了系统的概念设计、合适组件的研究、适当的组装和连接技术以及测试系统的制造和相关测试。为了简洁起见，本文集中介绍系统的概述和主要功能，而不是介绍开发过程的概念细节。由于仅文献调查就包括一百多个来源，因此详细信息将在项目报告中介绍，并将在最终论文中总结。此外，还提出了预测 200 ◦ C 时传感器行为的特定模拟模型。将测试系统的测量结果与模拟结果进行比较，以便通过迭代改进创建微型原型。
在部分（间隔顺序）信息下进行排序∗
摘要。在本文中，我们研究了如何有效地订购一组不精确的点。在一个维度上，一组点的顺序是它们从低到高的排序顺序。预处理模型中的一组不精确点由一组n个不确定性区域r = {r 1，r 2，。。。r n}和一组n点p = {p 1，p 2，。。。p n}，使每个ri∈R都有一个相关点pi∈P。在一个维度中，集合R是一组间隔，该间隔诱导部分顺序，以使基础真实点P的总顺序p扩展了该部分顺序。我们展示了如何预处理r引起的部分顺序，以便在点集P下，我们可以在不确定性区域最佳时间中揭示基础总顺序。特别是，我们用一个措施来参数重叠的程度，我们称之为r的歧义，我们证明r的歧义是对点p进行分类所需时间的下限。本文可以看作是部分信息下排序的几何变体，这是计算机科学中的一个研究主题。
通过模型预测控制的高速公路坡道计量的增强学习
摘要 - 在对有效的城市和高速公路运输系统需求越来越紧迫的背景下，这项工作探讨了通过使用创新方法来嵌入坡道Metering Control的问题，以嵌入强化强化学习（RL）在模型预测控制中（MPC）框架（MPC）框架中，通过使用创新方法来增强交通流量的协同作用。通过制定代表交通状况，控制措施的可变性以及对排队最大车辆数量的限制的合适阶段成本功能，将控制问题作为RL任务提出为RL任务。基于MPC的RL方法利用MPC最佳问题作为RL算法的函数近似，但提议学习有效地控制坡度并满足其约束，尽管系统模型中的不确定性和可变需求。模拟是在基准小规模高速公路网络上进行的，以将所提出的方法与其他最新控制方法进行比较。结果表明，从具有不精确模型并且调整不当的MPC控制器开始，所提出的方法学能够有效地学习改善控制政策，从而减少网络中的拥塞并满足约束，从而产生优于其他控制器的改进性能。
为什么 EMC 抗扰度测试不足以保证功能安全
简介 数字处理能力的成本以及固态功率转换的成本正在持续下降。因此，电子设备越来越多地用于涉及安全、安全相关和安全关键的应用中，特别是在工业、商业、医疗和运输控制和自动化应用中。这些电子设备的精确度和可靠性是功能安全所关注的问题。所有电子技术在其工作环境中受到电磁 (EM) 干扰时，本质上都容易出现不精确、故障甚至永久性损坏。现代电子设备中硅片尺寸的持续缩小使其功能更强大、成本更低 - 但是这种缩小及其相关的较低工作电压使设备更容易受到电磁干扰 (EMI)。由于数字、开关模式和无线技术的使用越来越多，环境中电磁干扰的强度和频率范围日益恶化。再加上电子设备对 EMI 的敏感性不断增加，电子设备的可靠性本身也在下降，这对功能安全产生了重要影响。EMC 标准和法规是围绕频谱控制问题制定的，并且（一般来说）不会试图解决安全问题。安全标准和法规通常对 EM 的覆盖范围很差