XiaoMi-AI文件搜索系统
World File Search System加权和
近十年来，乌克兰和世界各地的危险自然现象和重大人为灾难的数量稳步增加。
提出了利用算法冗余度解决 TV3-117 飞机发动机自动控制系统 (ACS) 可靠性提高问题的方法。研究的目的是开发测量通道故障诊断算法和内置于 ACS 的线性自适应机载发动机模型 (LABEM) 输入参数的应对算法。介绍了 LABEM 的基本数学原理。静态模型基于单个发动机的油门特性。油门特性是在维修后的验收测试或运行“竞赛”中获得的。燃气涡轮发动机的低级动态线性数学模型是通过状态空间法获得的。通过模型实际实施算法冗余度的技术和理论困难与发动机状态空间的高维性有关，该维性明显高于机载测量参数向量的维数。存在识别传感器故障并用建模信息替换值的问题。故障检测和隔离算法的必要性是合理的。为了提高燃油回路输入信息的可靠性，采用了集成故障检测和隔离逻辑的卡尔曼滤波算法来测量通道。介绍了基于卡尔曼滤波器的计量针阀回路传感器通道测量故障检测和隔离算法。该算法基于计算残差平方加权和 (WSSR) 的故障特征，并将其与选定的阈值进行比较。发动机台架试验和 MatLab 仿真的实践结果表明，基于所提算法的 TV3-117 航空发动机 ACS 具有较高的可靠性和质量。
考虑多种类和多技术的电动汽车电池新型可持续逆向物流网络设计
摘要：随着新能源汽车市场的扩大，电动汽车电池进入大规模退役潮，战略层面的设施选址与配置决策和战术层面的多产品流与多技术选择决策被集成为可持续逆向物流网络（SRLN）。本文考虑多种废旧电动汽车电池（WEVB）和多种回收技术，以经济成本最小和碳排放最小为目标，构建了WEVB的多级SRLN模型。为了求解该模型，将模糊集理论应用于约束的等价变换，采用非交互式和交互式方法求解多目标规划（MOP），并提出带优先级控制的交互式模糊规划来寻找该模型的全局最优解。最后，数值实验证明了所提模型和求解方法的可行性和有效性。实验结果表明，考虑碳排放的SRLN模型在略微增加初始网络建设成本的情况下，能够显著降低网络的碳排放，从而有效平衡经济与环境目标。在非交互式求解中，Lp-metric方法的偏差指数低于加权和方法；在交互式求解中，本文提出的优先级控制方法在实际解数和CPU时间方面均优于TH方法，在搜索和找到最优解方面表现出良好的性能。所提模型和方法可为有限信息不确定环境下的WEVB SRLN提供理论基础和技术支持。
玻尔兹曼机与费曼路径积分的类比
摘要：机器学习对科学、技术、健康以及计算机和信息科学等多个领域产生了重大影响。随着量子计算的出现，量子机器学习已成为研究复杂学习问题的一种新的、重要的途径。然而，关于机器学习的基础存在着大量的争论和不确定性。在这里，我们详细阐述了一种称为玻尔兹曼机的通用机器学习方法与费曼对量子和统计力学的描述之间的数学联系。在费曼的描述中，量子现象源于路径的优雅加权和（或叠加）。我们的分析表明，玻尔兹曼机和神经网络具有相似的数学结构。这允许将玻尔兹曼机和神经网络中的隐藏层解释为路径元素的离散版本，并允许对机器学习进行类似于量子和统计力学的路径积分解释。由于费曼路径是对干涉现象和与量子力学密切相关的叠加原理的自然而优雅的描述，这种分析使我们能够将机器学习的目标解释为通过网络找到路径和累积路径权重的适当组合，从而累积地捕获给定数学问题的 x 到 y 映射的正确属性。我们不得不得出结论，神经网络与费曼路径积分有着天然的联系，因此可能提供了一种被视为量子问题的途径。因此，我们提供了适用于玻尔兹曼机和费曼路径积分的通用量子电路模型。
季度零售电子商务销售额第三季度...
调查描述 零售电子商务销售额是根据月度零售贸易调查 (MRTS) 中用于估计初步和最终美国零售额的相同样本估算的。美国零售额预估是根据 MRTS 样本的子样本估算的，该子样本的规模不足以衡量零售电子商务销售额的变化。采用分层简单随机抽样方法选择大约 10,800 家零售公司（不包括食品服务），然后对其销售额进行加权和基准测试，以代表超过 200 万家零售公司的全部范围。MRTS 样本基于概率，代表所有从事北美行业分类系统 (NAICS) 定义的零售活动的雇主公司。覆盖范围包括所有零售商，无论他们是否从事电子商务。在线旅行服务、金融经纪人和交易商以及票务销售机构不属于零售，也不包括在总零售或零售电子商务销售额估计中。非雇主通过与之前的年度调查估计进行基准测试来表示，其中包括基于行政记录的非雇主销售额。电子商务销售额包含在每月总销售额估计中。MRTS 样本会持续更新，以考虑新的零售雇主企业（包括通过互联网销售的企业）、企业倒闭以及零售业务领域的其他变化。公司每月都会被要求报告电子商务
使用深度编码器-解码器卷积神经网络预测经颅磁刺激引起的脑电场
摘要 — 经颅磁刺激 (TMS) 是一种非侵入性、有效且安全的神经调节技术，可用于诊断和治疗神经和精神疾病。然而，大脑组成和结构的复杂性和异质性对准确确定关键大脑区域是否接收到正确水平的感应电场提出了挑战。有限元分析 (FEA) 等数值计算方法可用于估计电场分布。然而，这些方法需要极高的计算资源并且非常耗时。在这项工作中，我们开发了一个深度卷积神经网络 (DCNN) 编码器-解码器模型，用于从基于 T1 加权和 T2 加权磁共振成像 (MRI) 的解剖切片实时预测感应电场。我们招募了 11 名健康受试者，并将 TMS 应用于初级运动皮层以测量静息运动阈值。使用 SimNIBS 管道从受试者的 MRI 开发头部模型。将头部模型的整体尺寸缩放至每个受试者的 20 个新尺寸尺度，形成总共 231 个头部模型。进行缩放是为了增加代表不同头部模型尺寸的输入数据的数量。使用 FEA 软件 Sim4Life 计算感应电场，将其作为 DCNN 训练数据。对于训练好的网络，训练和测试数据的峰值信噪比分别为 32.83dB 和 28.01dB。我们模型的关键贡献在于能够实时预测感应电场，从而准确高效地预测目标脑区所需的 TMS 强度。
阵风预览 H2 和 H∞ 控制的风洞研究...
5.4 在 1.4Hz 激励下 4 ◦ 阵风激发的机翼根应变时间历史... 54 5.5 H 2 闭环机翼根应变对阵风激励的响应时间历史... 55 5.6 H 2 闭环外侧副翼偏转对阵风激励的时间历史 55 5.7 H 2 闭环内侧副翼偏转对阵风激励的时间历史... 56 5.8 阵风激励下 H ∞ 闭环翼根应变响应的时间历史 56 5.9 阵风激励下 H ∞ 闭环外侧副翼偏转的时间历史 57 5.10 阵风激励下 H ∞ 闭环内侧副翼偏转的时间历史 57 5.11 加权和加权翼根应变的 Bode 幅值图 . . . . . . . . . 59 5.12 采样时间为 0 . 01 s 的 H 2 合成 . . . . . . . . . . . . . . . 59 5.13 采样时间为 0 . 01 s 的 H ∞ 合成 . . . . . . . . . . . . . . . . . . . . . . . 60 5.14 标准化翼根应变对标准化阵风激励的响应的 Bode 图 60 5.15 标准化外侧副翼对标准化阵风激励的响应的 Bode 图 61 5.16 标准化内侧副翼对标准化阵风激励的响应的 Bode 图 61 5.17 H 2 闭环翼根应变对阵风激励的响应时间历史 . 62 5.18 H 2 闭环外侧副翼偏转对阵风激励的时间历史 62 5.19 H 2 闭环内侧副翼偏转对阵风激励的时间历史 . 63 5.20 H ∞ 闭环翼根应变对阵风激励的响应时间历史 63 5.21 H ∞ c 的时间历史
分析未来的气候变化 - 蓝色 - 尼尔 -
摘要。气候变化已成为当今世界上最具威胁性的问题之一，其全球背景及其对环境和社会经济驱动力的反应。然而，不同的一般循环模型（GCM）和粗空间分辨率之间的巨大不确定性使得直接使用GCM的输出很难，尤其是在区域规模上可持续水管理的尤其是对降低降压技术的需求。This study aims (i) to evalu- ate the comparative performance of two widely used sta- tistical downscaling techniques, namely the Long Ashton Research Station Weather Generator (LARS-WG) and the Statistical Downscaling Model (SDSM), and (ii) to down- scale future climate scenarios of precipitation, maximum temperature ( T max ) and minimum temperature ( T min ) of the Upper Blue Nile River basin at finer空间和时间尺度适合进一步的水文影响研究。卡尔和验证结果表明，降尺度技术（LARS-WG和SDSM）均显示出可构成的综合和良好的模拟能力，可以模拟当前的局部气候变量。仅通过同样加权和变化的统计指数的权重进行进一步的定量和定性比较性能评估。评估结果表明，使用CANESM2 CMIP5 GCM的SDSM能够再现更准确的长期平均每月降水量，但Lars-WG在捕获整个数据范围内每天的极端事件和每日预启动的分布方面表现最佳。六个选定的多模型CMIP3 GCM，即HADCM3，GFDL-CM2.1，ECHAM5-OM，CCSM3，MRI-CGCM2.3.2和CSIRO-MK3 GCMS，用于降低缩放的气候
探索基于深度学习的大脑MRI-TO-CT合成中的对比度概括
背景：已提出合成计算机断层扫描（SCT），并越来越多地采用以实现基于磁共振成像（MRI）的放射疗法。深度学习（DL）最近证明了从固定MRI采集中生成准确的SCT的能力。但是，由于模型概括不良，MRI方案可能会随着时间的推移而随着时间的流逝而变化或不同。目的：研究域随机化（DR）以增加脑SCT生成DL模型的概括。方法：收集了95例接受RT患者的CT和相应的T 1加权MRI，带有 /无对比度，T 2加权和FLAIR MRI，考虑到可以研究概括的未见序列的能力。“基线”生成对抗网络进行了 /没有天赋序列的训练，以测试模型在没有DR的情况下的性能。基于SCT的剂量计划的图像相似性和准确性对CT进行了评估，以选择针对基线的表现最佳的DR方法。结果：基线模型在FLAIR上的性能最差，平均绝对误差（MAE）= 106±20.7 HU（平均值±σ）。在MAE = 99.0±14.9 HU的DR模型中，Flair上的性能显着提高，但仍然不如基线 + Flair模型的性能（MAE = 72.6±10.1 HU）。同样，对于DR VS基线，获得了γ速率的提高。结论：DR提高了仅在获得的MRI上训练的未见序列上的图像相似性和剂量准确性。DR使模型更加稳健，从而减少了在未见序列上应用模型时重新训练的需求，并且无法进行重新训练。
脊髓多发性硬化症。反转恢复磁共振在检测液体衰减磁共振成像中的低灵敏度
目的：确认液体衰减反转恢复 (FLAIR) 相较于传统快速自旋回波 MR 成像在检测脊髓多发性硬化症 (MS) 方面的预期优势。方法：前瞻性研究了 15 名已知患有脊髓和大脑 MS 的受试者。使用 1.5-T MR 系统上的相控阵线圈对整个脊髓进行成像。矢状 T1 加权和快速自旋回波质子密度和 T2 加权图像之后是快速 FLAIR 图像。改变 FLAIR 参数以优化病变的显著性，最佳反转时间 (TI) 范围为 2400 至 2600。三位放射科医生比较了快速自旋回波和 FLAIR 图像之间的病变显著性和检测率，并达成共识。结果：FLAIR 技术在所有情况下均能有效抑制脑脊液 (CSF) 信号并减少 CSF 脉动和截断伪影。较短的成像参数（重复时间为 4000 至 6000，TI 为 1500 至 2000）一致降低了所有受试者的病变明显性。在使用较长参数（重复时间为 8000 至 11000，TI 为 2400 至 2600）成像的 5 名受试者的 11 个脊髓病变中，有 3 个在 FLAIR 图像上未显示，4 个在 FLAIR 图像上不太明显，4 个在 FLAIR 图像上显示相同或更好。结论：尽管快速 FLAIR 成像在抑制 CSF 信号和减少成像伪影方面取得成功，但在检测脊髓 MS 病变方面似乎并不可靠。
针对脑铁累积性遗传性神经退行性疾病的精准治疗
伴有脑铁沉积的神经退行性疾病 (NBIA) 是一组罕见但极具破坏性的遗传性神经系统疾病，其共同特征是认知和运动能力逐渐下降，以及基底神经节铁沉积增加。婴儿和儿童期最常见的疾病是β-螺旋桨蛋白相关神经退行性疾病 (BPAN)、泛酸激酶相关神经退行性疾病 (PKAN)、磷脂酶 A 2 相关神经退行性疾病 (PLAN) 和线粒体膜蛋白相关神经退行性疾病 (MPAN)。还报道了其他几种不太常见的 NBIA 疾病，目前已提出 15 种伴有脑铁沉积的神经退行性疾病的单基因病因。这些疾病具有共同的神经放射学特征，即在特定的 MR 序列上基底神经节信号低强度，这可显示磁共振磁敏感现象，表明矿化过度（T2 加权、T2* 加权、磁敏感度加权和回波平面成像 b0 扩散成像数据集）[1]，一些疾病还与尸检分析中的铁积累等神经病理学发现有关。随着时间的推移，越来越明显的是，这些放射学特征与广泛的神经系统和神经退行性疾病有关，包括线粒体细胞病、遗传性肌张力障碍（例如由 KMT2B 和 VPS16 突变导致的肌张力障碍）和溶酶体疾病（GM1 神经节苷脂沉积症、α 岩藻糖苷沉积症）[2–5]，尽管对于其中许多疾病，尚未报道与尸检研究的相关性。因此，对 NBIA 疾病的准确分类仍不确定。