XiaoMi-AI文件搜索系统
World File Search System动态建模
b'摘要\xe2\x80\x94准确估计充电状态 (SOC) 对于储能应用中电池管理系统 (BMS) 的有效和相对运行至关重要。本文提出了一种结合卷积神经网络 (CNN)、门控循环单元 (GRU) 和时间卷积网络 (TCN) 的新型混合深度学习模型，该模型结合了 RNN 模型特征和电压、电流和温度等非线性特征的时间依赖性，以与 SOC 建立关系。时间依赖性和监测信号之间的复杂关系源自磷酸铁锂 (LiFePO4) 电池的 DL 方法。所提出的模型利用 CNN 的特征提取能力、GRU 的时间动态建模和 TCN 序列预测强度的长期有效记忆能力来提高 SOC 估计的准确性和鲁棒性。我们使用来自 In\xef\xac\x82ux DB 的 LiFePO4 数据进行了实验，经过处理，并以 80:20 的比例用于模型的训练和验证。此外，我们将我们的模型的性能与 LSTM、CNN-LSTM、GRU、CNN-GRU 和 CNN-GRU-LSTM 的性能进行了比较。实验结果表明，我们提出的 CNN-GRU-TCN 混合模型在 LiFePO4 电池的 SOC 估计方面优于其他模型。'
b'摘要\xe2\x80\x94准确估计充电状态 (SOC) 对于储能应用中电池管理系统 (BMS) 的有效和相对运行至关重要。本文提出了一种结合卷积神经网络 (CNN)、门控循环单元 (GRU) 和时间卷积网络 (TCN) 的新型混合深度学习模型，该模型结合了 RNN 模型特征和电压、电流和温度等非线性特征的时间依赖性，以与 SOC 建立关系。时间依赖性和监测信号之间的复杂关系源自磷酸铁锂 (LiFePO4) 电池的 DL 方法。所提出的模型利用 CNN 的特征提取能力、GRU 的时间动态建模和 TCN 序列预测强度的长期有效记忆能力来提高 SOC 估计的准确性和鲁棒性。我们使用来自 In\xef\xac\x82ux DB 的 LiFePO4 数据进行了实验，经过处理，并以 80:20 的比例用于模型的训练和验证。此外，我们将我们的模型的性能与 LSTM、CNN-LSTM、GRU、CNN-GRU 和 CNN-GRU-LSTM 的性能进行了比较。实验结果表明，我们提出的 CNN-GRU-TCN 混合模型在 LiFePO4 电池的 SOC 估计方面优于其他模型。'
ModelAgem E Contole de Uma Bateria Integrada AO Consercor buck-bul-bund n〜ao inversor
摘要：这项工作研究了与非反向降压转换器集成的电池储能系统的结构。动态建模以及控制器的设计，目的是克服在市场上广泛传播的模型中存在的缺点。到此为止，开发了转换器的详细建模，以获得传输功能以及用于调整控制器的简化建模。使用PLECS软件中的模拟和在循环中的硬件平台上验证了该系统，在该平台上观察到其操作模式的灵活性和可靠性。恢复：este trabalho研究Arquitetura de um sistema de Armazenamento de Energia em baterias Integrado com um Compersor buck-buck-boost n〜ao倒置。desenvolve-se uma Modelagem dinˆamica，al´em dos projetos dos dos controladores，com intuito de sanar os Infornientes存在no Modelo difundido no mercado。para isso，'e desenvolvida tanto a Modelagem detalhada do consermor，fim de se obter as fim的fun这些转移量，Quanto a Modelagem sinflificada，Utilizada nos nos nos ajustes dos dos Controladores。valya的do sistema。
![arXiv:2101.11761v1 [physics.soc-ph] 2021 年 1 月 28 日](/simg/g:\will\search\icon\source\b\bb55f2b3fb20d620dbc385f0c2eb1d882afe9421.webp)
arXiv:2101.11761v1 [physics.soc-ph] 2021 年 1 月 28 日
近二十年来，网络科学蓬勃发展，从复杂系统组成成分的异构相互作用模式的角度对统计物理学、计算机科学、生物学和社会学等多个领域产生了影响。作为随机和半随机连通性的范式，逾渗模型在网络科学及其应用的发展中起着关键作用。一方面，与逾渗理论密切相关的概念和分析方法（如巨簇的出现、有限尺寸缩放和平均场方法）被用于量化和解决网络的一些核心问题。另一方面，对逾渗理论的洞察也促进了对网络系统的理解，例如鲁棒性、流行病传播、重要节点识别和社区检测。同时，网络科学也给渗流理论本身带来了一些新问题，如强异质系统的渗流、超越两两相互作用的网络拓扑转变、相互连接的巨簇的出现等。到目前为止，渗流理论已经渗透到网络科学的结构分析和动态建模研究中。理解渗流理论将有助于网络科学许多领域的研究，包括网络前沿中尚待解决的问题，如超越两两相互作用的网络、时间网络和网络的网络。本文旨在概述这些应用，以及网络系统渗流转变的基本理论。
Jurnal Sylva Lestari
抽象的森林碳动态建模用于估算匈牙利的短旋转碳库存生物能源种植园，对于更好地理解黑色蝗虫（Robinia pseudoacacia）和Poplar（Populus sp。）大气中的二氧化碳固执。研究目的是估算潜在的碳库存，并描述地面上方和下方的短旋转型生物能源种植园的碳分布。各种来源用于获取用于开发森林碳动态模型的参数化数据。CO2FIX建模v.3.2在数据分析中用于估计生物质，土壤，收获的木料和生物能源室中的碳库存。建模已经存在了45年。在这项研究中，模拟期结束时黑色蝗虫和杨树的总碳库存分别为64.13和131.08 mgc.ha -1。黑色蝗虫和杨树上方和地下的平均碳分配分别为0.76、19.76、1.80和21.67 mgc.ha -1。总而言之，在短旋转旋转式生物能源种植园中，杨树的表现优于黑色蝗虫。地面碳分配下方的分配要比地面上方高得多。因此，应通过环保土壤管理在地下分配下进行更多关注。
利用野外视频对情境化世界模型进行预训练，以进行强化学习
利用大型和多样化数据集的无监督预训练方法已在多个领域取得了巨大成功。近期研究已针对基于模型的强化学习 (MBRL) 研究了此类无监督预训练方法，但仅限于特定领域或模拟数据。本文中，我们研究了使用丰富的自然视频预训练世界模型的问题，以便高效学习下游视觉控制任务。然而，自然视频具有各种复杂的情境因素，例如错综复杂的背景和纹理外观，这妨碍了世界模型提取共享的世界知识以更好地概括。为了解决这个问题，我们引入了情境化世界模型 (ContextWM)，它明确地分离情境和动态建模，以克服自然视频的复杂性和多样性，并促进不同场景之间的知识转移。具体来说，我们精心实现了潜在动力学模型的上下文化扩展，通过引入上下文编码器来保留上下文信息并赋能图像解码器，从而促使潜在动力学模型专注于关键的时间变化。我们的实验表明，搭载 ContextWM 的野外视频预训练可以显著提升 MBRL 在机器人操控、运动和自动驾驶等多个领域的采样效率。代码可从以下代码库获取：https://github.com/thuml/ContextWM。
论经济均衡的稳定性与演化
摘要。在商品交换的经济模型中，市场价格和由此产生的代理人持有量的均衡可以响应商品的少量增加和减少，通过略微调整价格和持有量来独特地重建自身。即使个体代理人只对某些商品感兴趣，而对其他商品的偏好为零，只要某种商品对所有代理人来说都是不可或缺的，并且能够有效地充当货币，均衡的稳定性特性就会持续存在。关于边际效用的假设涉及效用函数的凹度而不仅仅是准凹度，有助于建立这一点，并导致一种新的均衡愿景，其中价格和持有量不是静态的。相反，它们根据基于效用的定律以单侧微分方程的形式随时间不断演变。动态建模开辟了广泛的可能性，其中需要持续调整的持有量变化可能由消费、生产、税收或补贴等影响因素驱动。然后，商品可以不仅仅是用于立即处置的商品。因为任何时刻的均衡都有过去和未来，所以货币尤其可以作为一种商品承载价值，并自然而然地进入偏好。在这些发展中，凸分析和变分分析等工具被用来扩展和重新调整经济均衡理论中的稳定性结果，而此前，经济均衡理论只能依靠微分分析。
神经影像学
静息状态大脑动力学的动态建模本质上依赖于用于模型推导和验证的经验神经影像数据。然而，对于磁共振成像流程以及模型中涉及的结构和功能连接组，仍然没有标准化的数据处理。因此，在本研究中，我们讨论了结构连接 (SC) 的扩散加权数据处理参数如何影响由 SC 指导的全脑数学模型的验证结果。为此，我们引入了一组模拟条件，包括用于提取 SC 的全脑纤维束成像 (WBT) 的不同数量的总流线、基于功能和解剖大脑特性的皮质分区以及不同的模型拟合模式。本研究的主要目的是探索模型验证的质量如何随着考虑的模拟条件而变化。我们观察到结构连接组的图论网络属性会受到不同纤维束成像密度的影响，并且与模型性能密切相关。我们还发现，WBT 的总流线的最佳数量会因不同的脑图谱而异。因此，我们提出了一种基于网络属性和来自多个 WBT 条件的最佳参数配置来改进模型性能的方法。此外，可以将受试者群体分层为具有不同行为的子组，这些行为是由不同的 WBT 密度引起的，这样就可以针对各个受试者和脑分区的数据处理提出不同的建议。
调查伊朗克尔曼沙省绿叶蔬菜供应链中食物减少干预措施的潜在影响
摘要：尽管越来越担心满足世界未来的粮食需求，但仍然有大量的粮食损失和浪费（FLW），尤其是关于水果和蔬菜。对于克尔曼哈省（Kermanshah Province），绿叶供应货物（LVSC）内的效率低下，导致每年39％的叶蔬菜浪费令人震惊。尽管有几项研究提出了减轻这种废物的策略和建议，但这些干预措施对减少FLW的实际影响尚未得到彻底检查或量化。使用系统动态建模，本研究提供了一种新颖的方法来量化干预措施对减少废物的影响。量化结果显示，在生产阶段减少了四种关键干预措施：生物（31.2％）和非生物压力控制（14.4％），改善的教育服务（23.2％）以及获得优质的投入（15.2％）。此外，结果表明，LVSC中的早期因素在确定后期废物积累方面起着至关重要的作用。包装设施和冷供应链基础设施的改进，以及在市场阶段利益相关者之间更好的协调和信息共享，大大有助于减少浪费。此外，对家庭食品购物的有效计划被强调是在消费阶段最大程度地减少废物的关键策略。这种整体方法着重于供应链各个阶段的动作的相互联系，及其对减少叶蔬菜的总体废物的综合作用。
Trabajo FindeMáster-Riuma校长
滑动是一种运动系统，其特征是独立驾驶地面车辆的平行胎面。转弯需要向每个胎面命令不同的旋转速度，这激发了内部胎面在转弯中刹车的外部胎面，相反，该胎面被外部拖动。因此，外胎面滑动，即，它的进展要小于其旋转速度给出的位移，并且内部滑动，即它的旋转速度比预期的要多。当车辆在现场转动时，理想情况下，胎面速度相反，两个胎面上都会滑动。仅当两个胎面都具有相同的旋转速度时，不会发生滑动或打滑（在直线运动期间）。可以使用轨道或几个机械链接的轮子建造滑动车辆的胎面。主要区别在于它们与地面的接触斑，轨道比车轮要大得多，从而导致摩擦更高，并且在不规则的地形上具有更好的牵引力[1]。每侧的车轮数通常在两到四个之间变化，是胎面的行为，距离更接近轨道。由于它的机械简单性和高可操作性，载人[2]和无人驾驶[3]地面车辆通常都采用了滑动运动。滑动移动机器人的现场应用包括检查[4]，采矿[5]，农业[6] [7]，搜救[8]和林业[9]等。尽管如此，这种机制意味着高功率要求[10] [11]，并使动态建模更加复杂[12] [13]。此外，在倾斜的地形上运行[14] [15]，
使用系统动态的可持续性
摘要：在供应链管理（SCM）中，在每个阶段都具有复杂性和不确定性，从原材料阶段到最终用户的商品和服务流。计算机建模和仿真是检查供应链操作问题的一种特别有用的方法，因为它可以解决具有挑战性且耗时分析的操作复杂性。制造公司担心在制造过程中浪费宝贵的时间和资产；原材料，人力资本或物理基础设施的估计不准确，不仅会导致制造单元的货币损失，而且对环境有害。本文的目的是证明可持续供应链管理（SSCM）中的系统动态建模（SDM）可以应用于服装制造，以优化材料，人工和设备的使用。利用系统动力学（SD），制造单元可以通过减少材料，人工和设备的使用来改善可持续性，从而减少能源使用。在我们的文献综述中，我们没有确定使用SDM制造衬衫制造的供应链模拟的任何研究。我们选择衬衫制造以演示模型，因为其相对简单的制造过程。在我们的研究中，我们得出结论，SDM模拟是优化服装制造中材料，人工和设备的有效方法。这将导致更具可持续性的制造过程，因为该模型在无风险环境中模拟了不同的制造供应链方案，从而最大程度地减少了废物和资源。此外，来自Stella®模型的输出可以用作随后的生命周期评估（LCA）模型的输入，以确定定量环境影响。