XiaoMi-AI文件搜索系统
World File Search System博士论文
化学工程博士论文锂离子电池在固定储能中的性能和退化
电气化是我们创建可持续能源系统和减少对化石燃料依赖的最有前途的战略。平衡的电网系统是电气化社会的支柱，它分配来自可再生能源的电力并为我们的车辆、工业和电子产品提供动力。锂离子电池是固定和移动储能的关键技术，应仔细考虑其最佳利用。各种退化机制都会导致锂离子电池性能下降。因此，电池研究的一个关键领域是检测和表征这些机制并预测它们对电池性能的影响。本文研究了电池在电池储能系统 (BESS) 应用中的性能。研究问题涵盖不同类型的电网平衡服务、评估电池健康状态 (SOH) 的方法以及导致容量和功率衰减的机制。结合基于物理的建模和电化学技术，并将结果结合起来以更好地理解退化及其后果。
张磊 2011 年博士论文结题 - 研究探索者
................................................ . ……………………………… ...................................... 123
2024/2025 学年博士论文主题 学习计划：机器与设备设计
博士论文 论文指导老师 部门 1. 运输物体的隔振系统 摘要：运输物体的隔振系统涉及尽量减少传递到运输物体或运输工具中的人员的振动的问题。解决方案以支撑装置的结构为中心，该结构允许控制运输物体与车架连接的刚度和阻尼。此要求对于针对不平坦道路引起的瞬时运动激励解决系统的最佳调节是必要的。博士论文将设计隔振系统的导向机构、弹性和阻尼元件。将对其进行在工作条件下的行为模拟并优化动态参数。论文还将解决所选隔振系统的设计及其功能样品的生产。
分子，细胞和发育生物学
MCDB荣誉学位获得者Ethan Joshua Aubert，暨劳德顾问：Michael Klymkowsky博士论文：“对AI感到满意：关于学生使用，影响力和意见的研究。” Shane Ryan Brelinsky，Summa cum Laude Advisor：Nausica Arnoult博士论文：“ C-Circles量化证明HP1α促进了ALT活性。” Shelby Danielle Brown，Magna cum Laude顾问：Brian Dedecker博士论文：“通过工程化的Cleistogamy增加了生物安全的转基因甘氨酸最大作物。” Samantha Grace Cotto，Magna cum Laude顾问：Charles Hoeffer博士论文：“在DP16唐氏综合症模型小鼠的海马中，确定表达Parvalbumin的通用损失。” Isabella Stacy Elkinbard，Summa cum Laude Advisor：David Barth博士论文：“在分析创伤性脑损伤后功能缺陷的性差异时，考虑发情循环。” Abhignya Kuppa，Magna Cum Laude顾问：Kenneth Wright博士论文：“益生元饮食对人类昼夜节律夹带的影响。”MCDB荣誉学位获得者Ethan Joshua Aubert，暨劳德顾问：Michael Klymkowsky博士论文：“对AI感到满意：关于学生使用，影响力和意见的研究。” Shane Ryan Brelinsky，Summa cum Laude Advisor：Nausica Arnoult博士论文：“ C-Circles量化证明HP1α促进了ALT活性。” Shelby Danielle Brown，Magna cum Laude顾问：Brian Dedecker博士论文：“通过工程化的Cleistogamy增加了生物安全的转基因甘氨酸最大作物。” Samantha Grace Cotto，Magna cum Laude顾问：Charles Hoeffer博士论文：“在DP16唐氏综合症模型小鼠的海马中，确定表达Parvalbumin的通用损失。” Isabella Stacy Elkinbard，Summa cum Laude Advisor：David Barth博士论文：“在分析创伤性脑损伤后功能缺陷的性差异时，考虑发情循环。” Abhignya Kuppa，Magna Cum Laude顾问：Kenneth Wright博士论文：“益生元饮食对人类昼夜节律夹带的影响。”Ayla Louise Nack，总裁顾问：Greg Odorizzi博士论文：“表征适配器蛋白复合物3及其与细胞蛋白的相互作用。”史蒂文·哈里森·奥克斯（Steven Harrison Oakes），顾问顾问：托马斯·珀金斯（Thomas Perkins）博士论文：“使用单分子原子力显微镜探测的人β-心肌球蛋白的杆臂的纳米力学。” Molly Jeanne Ricker，Magna cum Laude顾问：Gia Voeltz博士论文：“研究线粒体动态蛋白的募集顺序。” Ciara Ashton Schaepe，Magna cum Laude顾问：Lisa Hiura博士论文：“ Prairie田鼠的成对邦德形成的发展。” Shreya Shrestha，Summa cum Laude顾问：Nausica Arnoult博士论文：“端粒异染色质在调节端粒长度维持和稳定性中的作用。” Elena J. Statham，Summa cum Laude顾问：Brian Dedecker博士论文：“工程大豆（Glycine Max）来生物合成alpha-lactalbumin。” Fathima Zahra Thehey，摘要顾问：Chris Link博士论文：“研究hipsc衍生的神经元细胞系中的tau功能，以模拟神经退行性疾病。” Anika Ruth Tomlinson，Summa cum Laude Advisor：Melanie Peffer博士论文：“生物学的不同子域可能会影响模拟的真实科学询问的实践。” Angel W. Zhang，Summa cum Laude Advisor：Vignesh Kasinath博士论文：“单核体和不同二核体构建体的爵士介导的染色质修饰的相互作用。” colorado.edu/mcdb
蛇绿岩杂岩中铬铁矿的成因和演化...
本博士论文须遵守 Recognition-NoCommercial 4.0 许可证。知识共享西班牙。本博士论文已获得致谢 - 非商业 4.0 许可证的许可。知识共享西班牙文。本博士论文已获得 Creative Commons Attribution-NonCommercial 4.0 许可。西班牙许可证。
Giannini, A. (2023)。人工智能系统的犯罪行为和责任。[博士论文，马斯特里赫特大学，
1 人工智能系统有能力做出社会普遍认为是“犯罪”的行为。 2 人工智能系统缺乏（犯罪）主体性——以及这种主体性的感觉。 3 未来人类可能会对人工智能系统产生符合规范的行为期望（即“规范期望”）。 4 刑法并不是解决人工智能相关伤害的正确答案，尽管在一定程度上直接追究人工智能系统的责任可能是有用的。 5 人们对机器人有更高的道德标准：当机器人出现故障时，他们会更多地责怪机器人而不是人类。 6 “刑法是一种古老的多年生植物，无处不在”（Hall，1962 年）。 7 人工智能系统的出现并不是刑法理论唯一一次不得不应对新科学发展的“冲击”。 8 讨论新型人工智能主体的刑事责任带来了对人类刑事责任的开拓性观点。 9 人工智能无法与人类的愚蠢相提并论。 10 我学得越多，知道的就越少。
计算机科学博士论文：通过人类反馈提高强化学习的样本效率
随着人工智能的快速发展，这项技术已经走出工业和实验室，进入了人们的日常生活。一旦人工智能和机器人代理进入日常家庭，它们就需要能够考虑人类的需求。借助诸如强化学习人类反馈 (RLHF) 之类的方法，代理可以通过学习奖励函数或直接基于其反馈优化策略来学习理想的行为。与受益于互联网规模数据的视觉模型和大型语言模型 (LLM) 不同，RLHF 受限于所提供的反馈量，因为它需要额外的人力投入。在本论文中，我们研究如何减少人类提供的反馈量，以减轻他们在估计奖励函数时的负担，同时又不降低估计值。我们从基于偏好的学习角度研究了反馈的信息量和效率之间的根本权衡。为此，我们介绍了多种方法，这些方法可以分为两类：隐式方法，无需额外的人力投入即可提高反馈质量；显式方法，旨在通过使用更多反馈类型来大幅增加信息量。为了隐式地提高偏好反馈的效率，我们研究如何利用主动学习 (AL)，通过变分自编码器 (VAE) 从已学习表征的不同聚类中策略性地选取样本，从而提高样本的多样性。此外，我们利用偏好对之间的独特关系，通过在 VAE 的潜在空间上进行插值来执行数据合成。虽然隐式方法具有无需额外工作量的优势，但它们仍然存在偏好本身所能提供的信息量有限的问题。轨迹偏好的一个局限性是没有折扣，这意味着如果一条轨迹是偏好的，则假设整个轨迹都是偏好的，从而导致偶然的混淆。因此，我们引入了一种称为亮点的新反馈形式，让用户在轨迹上显示哪些部分是好的，哪些部分是坏的。此外，利用 LLM，我们创建了一种方法，让人类通过自然语言解释他们的偏好，以推断哪些部分是偏好的。总体而言，本论文摆脱了互联网规模数据的假设，并展示了如何通过较少的人工反馈实现一致性。
计算机科学中的博士论文提高了从人类反馈中学习的样本效率
随着人工智能的快速发展，该技术已从工业和实验室环境中转移到了日常人的手中。一旦AI和机器人代理人被安置在日常家庭中，就需要考虑到人类的需求。使用诸如从人类反馈（RLHF）中学习的方法，代理可以通过学习奖励功能或直接基于其回馈来优化策略来学习理想的行为。与互联网规模数据受益的视觉模型和大型语言模型（LLM）不同，RLHF受到提供的反馈量的限制，因为它需要额外的人为努力。在本文中，我们研究了如何减少人类提供的反馈数量，以减轻奖励功能而不会降低估计值时减轻负担。我们从基于偏好的学习角度来解决反馈的信息和效率之间的基本权衡。在这方面，我们介绍了可以分为两组的多种方法，即在没有额外的人类努力的情况下提高反馈质量的隐式方法，以及旨在通过使用其他反馈类型来大幅增加信息内容的明确方法。为了暗中提高偏好反馈的效率，我们研究如何利用主动学习（AL）来通过从差异自动编码器（VAE）中从差异化表示中挑选出差异的群集来提高样品的多样性。此外，我们还利用了优先对对通过在VAE的潜在空间上插值执行数据综合之间的独特关系。虽然隐式方法具有不需要额外努力的好处，但它们仍然遭受单独提供的信息提供的有限信息。对轨迹的偏好的一个局限性是没有折扣，这意味着如果首选轨迹，则为整个轨迹是首选，导致休闲混乱。因此，我们引入了一种称为“亮点”的新形式的反馈形式，该反馈使用户可以在轨迹上显示，哪一部分是好的，哪一部分不好。此外，利用LLMS创建了一种让人通过自然语言解释其偏好的方法，以推断出哪些部分是首选的。总的来说，本论文远离了互联网规模数据的假设，并展示了我们如何从人类较少的反馈中实现一致性。
博士生奖学金（全日制）
联系方式 请将博士论文题目发送至 Chun.Chan@xjtlu.edu.cn（西交利物浦大学主要导师的电子邮箱），邮件主题为博士论文题目。主要导师的简历链接如下：http://www.xjtlu.edu.cn/en/faculty/ChunChan
采用环保材料进行工作场所设计，减少员工压力，提高员工工作效率
这篇开放获取论文由 DigitalCommons@EMU 的硕士论文、博士论文和研究生毕业论文项目免费提供给您。它已被 DigitalCommons@EMU 的授权管理员接受，并被纳入硕士论文和博士论文。如需更多信息，请联系 lib-ir@emich.edu。