XiaoMi-AI文件搜索系统
World File Search System原始模型
减少微电网能源管理系统的计算负担
摘要 — 随着可再生能源技术的进步和成本的下降，微电网正成为一种有吸引力的分布式发电方式，既适用于孤立社区，也适用于与现有电网系统集成。然而，由于规模小，微电网可能存在财务限制，这使得它们无法使用商业软件来优化资产控制。开源优化求解器是一种可行的替代方案，但会增加计算时间。这项工作开发了一个优化框架，用于住宅微电网内的经济调度，并要求使用开源求解器。为了减少计算时间，采用了一种通过松弛来减少整数变量的方法。测试模拟使用来自阿拉巴马州胡佛市真实微电网的设备参数，该微电网也存在本文研究的软件限制。还从微电网收集了负载和光伏 (PV) 功率的季节性数据。使用松弛方法的多种变体成功缩短了计算时间，同时获得了与原始模型相似或更好的解决方案质量。
俄勒冈州的基于消费的温室气体排放
•Daniel Redick，Mia Weitz，Jenna Throckmorton，Katie Romano，Elizabeth Elbel，Peter Spendelow，Michele Shepperd，Bill Peters，Christa McDermott和Jaclyn Palermo，俄勒冈州环境质量部。 •罗比·安德鲁（Robbie Andrew）和格伦·彼得斯（Glen Peters），西塞罗国际气候研究中心，奥斯陆，挪威。 •美国环境保护局Vincent Camobreco，大气保护办公室。 •美国运输局统计局美国运输部的约瑟夫·麦吉尔（Joseph McGill）。 •波特兰市规划与可持续性局。 •萨拉·米姆（Sara Mihm），摩特诺玛县（Multnomah County）。 •莱恩县公共工程，废物管理部。 •本顿县的詹·布朗（Jen Brown）。 •Corvallis学区509J的Kathy Feser和Alexis Torres Diaz。 •本德拉松学校杰基·威尔逊（Mueller）。 DEQ还希望感谢斯德哥尔摩环境研究所，该研究所创建了用于估计俄勒冈州基于消费的排放的原始模型，以及该州的环境质量委员会和气候行动委员会（以前是全球变暖委员会）来支持这项工作。•Daniel Redick，Mia Weitz，Jenna Throckmorton，Katie Romano，Elizabeth Elbel，Peter Spendelow，Michele Shepperd，Bill Peters，Christa McDermott和Jaclyn Palermo，俄勒冈州环境质量部。•罗比·安德鲁（Robbie Andrew）和格伦·彼得斯（Glen Peters），西塞罗国际气候研究中心，奥斯陆，挪威。•美国环境保护局Vincent Camobreco，大气保护办公室。•美国运输局统计局美国运输部的约瑟夫·麦吉尔（Joseph McGill）。•波特兰市规划与可持续性局。•萨拉·米姆（Sara Mihm），摩特诺玛县（Multnomah County）。•莱恩县公共工程，废物管理部。•本顿县的詹·布朗（Jen Brown）。•Corvallis学区509J的Kathy Feser和Alexis Torres Diaz。•本德拉松学校杰基·威尔逊（Mueller）。DEQ还希望感谢斯德哥尔摩环境研究所，该研究所创建了用于估计俄勒冈州基于消费的排放的原始模型，以及该州的环境质量委员会和气候行动委员会（以前是全球变暖委员会）来支持这项工作。
心理免疫能力清单
简介：心理免疫是指一个人应对心理风险因素的潜力，以及促进和维持心理健康和福祉。其测量方法是PSY Chological Immune Contuctory（PICI），它似乎具有良好的心理测量参数。尽管在各种外国研究中使用翻译版本，但作者没有发现验证其FAC TOR结构或可靠性的研究。目的：在本文中，我们的目标是介绍斯洛伐克的PICI飞行员验证的结果。Slovak版本的PICI有望具有与原始版本相当的心理测量属性。方法：我们从19至35岁的213个医疗保健Stu凹痕（162名女性和51名男性）的研究样本中收集了数据（M = 21.18; SD = 2.81），并通过使用DWLS估算方法验证了使用结构方程建模（SEM）的库存内部结构。通过与人格特征，精神病理学症状，首选的Cop Int策略和特质情绪智力相关的个人因素的收敛有效性进一步验证。结果：二阶确认性分析的结果表明原始模型对我们的数据的可接受拟合。还支持观察到的个体心理免疫因素的收敛有效性。结论：Slovak版本的PICI显示出有希望的心理属性。该研究是对斯洛伐克标准化的参考。尽管如此，建议在代表性样本中进一步验证。
脑振荡的光谱图
功能活性与大脑结构接线之间关系之间关系的数学建模很大程度上是使用具有区域性参数的非线性和生物物理详细的数学模型进行的。这种方法为我们提供了丰富的多稳态动力学曲目，但大脑可以显示，但在计算上是要求的。此外，尽管微观水平上的神经元动力学是非线性和混乱的，但尚不清楚是否需要此类详细的非线性模型来捕获新兴的中介体（区域人口合奏）和宏观（整个大脑）行为，这在很大程度上是确定性的，并且在很大程度上是确定性的和可重复的。的确，基于光谱图理论的最新建模工作表明，没有区域变化参数的分析模型可以捕获经验磁性频率光谱以及Alpha和Beta频段的空间模式。在这项工作中，我们展示了基于基于静止健康受试者的磁脑摄影记录获得的频谱的改进，基于频谱理论的模型。我们根据经典的神经质量模型重新重新制定了光谱图理论模型，因此提供了更具生物解释的参数，尤其是在局部规模上。我们证明，在比较模型频谱的光谱相关性并从磁脑摄影记录中获得的光谱相关性时，该模型的性能优于原始模型。该模型在预测经验α和β频带的空间模式方面也表现出色。
调整后的 Marsh 临床有效性评估...
靶控输注 (TCI) 是普遍认可的麻醉药物给药技术。1 这些泵根据基于多室乳头模型（由多指数方程组成）的药代动力学-药效学 (PK-PD) 模拟来给药。2 对于丙泊酚，目前 TCI 泵采用 Marsh 3 和 Schnider 4 参数集，其包含三室模型和附加的效应位室。TCI 泵提供 Marsh 模型的两种变体中的一种或两种，即 (i) 最早的 TCI 泵（Diprifusor-Marsh）中编入的原始 Diprifusor 参数集 3 或 (ii) 调整后的 Marsh 模型。5 这两个参数集除了 k e0 速率常数（该参数决定了药物在血液和效应位之间的转移速率）之外完全相同。 Diprifusor-Marsh 模型 3 采用了 0.26 min -1 的 ak e0 ，这说明丙泊酚在血液和效应部位之间的转移速度相对较慢。因此，使用原始模型模拟的丙泊酚推注剂量预测效应部位浓度的峰值时间为 4.5 分钟。Diprifusor-Marsh 模型在数学上是不正确的，因为它采用了另一项研究的 k e0 。6 后续研究表明
![arxiv：2411.06843v1 [cond-mat.dis-nn] 2024年11月11日](/simg/g:\will\search\icon\source\1\12fa99981ba77bd65fefec04b03db1d3c22d2298.webp)
arxiv：2411.06843v1 [cond-mat.dis-nn] 2024年11月11日
移动边缘（MES）将扩展阶段与局部阶段分开，是安德森本地化中最关键的概念之一。在一维准膜系统中，只能使用广义自偶联理论，阿维拉的全球理论或重新归一化组方法来构建具有精确ME的少数模型。那么，一个有趣的问题是，我们可以通过可解决的MES实现更多的物理模型吗？在这里，我们发现了由周期性站点和准膜站点构成的一类Quasiperiodic网络模型中的隐藏自偶性。虽然原始模型没有自偶性，但在整合了周期性地点后，具有依赖能量潜力的有效的哈密顿量将具有这种双重性，从而产生MES。文献中研究的镶嵌模型是最简单的准网诺式模型。很长一段时间以来，这些模型中的MEs被认为来自缺乏自我二重性，我们表明它们实际上来自隐藏的自偶性。最后，我们将此想法扩展到更多的网络模型，并用隐藏的双重性明确确定其确切的MES。这些模型中的预测可以使用实验中的光学波导阵列和电路来实现。这项工作中提出的新模型可以极大地提高我们对安德森过渡中ME的理解。
嵌入式系统上心脏病机器学习分类的分析
摘要 — 心脏病已成为全球主要的健康问题，影响着全球数百万人。这种情况在医疗设施有限的发展中国家尤为严重。这种医疗保健障碍导致心脏病死亡率增加。早期诊断心血管疾病可以挽救生命。然而，个人医疗级设备价格昂贵，对于生活在这些地区的人们来说并不容易获得。以可承受的价格向这些社区提供同等水平的医疗服务非常重要。我们的研究旨在调查机器学习模型在低成本嵌入式系统上的性能。本研究将评估该模型在诊断心血管疾病方面的准确性、运行时间和整体性能。结果将帮助我们确定在低成本嵌入式系统中使用机器学习模型对心血管疾病进行分类的可行性。选定的机器学习模型已经过训练、修改并编译到嵌入式系统中。该模型根据预处理的输入数据返回分类结果。收集了多个指标来衡量模型和嵌入式系统的性能。初步结果很有希望，准确度与原始模型相似。如果这些结果在多次试验中得到证实，那么预计嵌入式系统上用于分类心血管疾病的机器学习模型将具有实用性，有助于向发展中国家提供负担得起的医疗服务。索引词——神经网络、机器学习、诊断、心电图
大脑结构的多变量模式分析预测功能结果
摘要背景：认知训练干预措施（CT）后的认知收益与精神分裂症患者（SCZ）的功能改善有关。但是，观察到很大的个体变异性。在这里，我们评估了大脑结构特征的敏感性，以在单个学科层面预测基于听觉的认知训练（ABCT）的功能响应。方法：我们使用支持向量机（SVM）建模的全脑多变量模式分析（MVPA）来识别灰质（GM）模式，这些模式（GM）模式预测了SCZ患者在单个受试者水平的ABCT 40小时后“较高”与“较低”功能。通过通过样本外跨验证分析（OOCV）应用原始模型来评估SVM模型的概括能力，以从经历了50个小时的ABCT的独立样本中看不见的SCZ患者。结果：全脑GM体积的模式分类预测，在随访时预测了“较高”与“较低”功能，其平衡精度（BAC）为69.4％（灵敏度为72.2％，特异性66.7％），通过嵌套交叉验证确定。神经解剖模型可推广到一个独立队列的BAC为62.1％（灵敏度为90.9％，特异性为33.3％）。结论：尤其是，在SCZ参与者ABCT之后，单个受试者水平的颞上回，丘脑，前扣带回和小脑的区域中的基线GM体积更大。
人工智能对服务质量和顾客满意度的影响
摘要：这项研究强调了人工智能 (AI) 及其应用对约旦银行提供的服务质量、客户满意度的重要性。本研究论文全面回顾了关于人工智能的众多新兴应用及其对银行业的影响的文献。对现有文献进行了严格的研究，以检验人工智能在银行业的应用。人工智能通过提供信用评分检查、系统故障预测、紧急警报系统、欺诈检测、网络钓鱼网站检测、流动性风险评估、客户忠诚度评估和情报系统，通过减少员工工作量，改善了数百万客户和员工的银行体验。一份问卷收集了约旦银行业 270 名消费者的数据。SPSS 程序使用探索性因子分析对样本数据进行统计评估，以确定服务质量和客户满意度。结果表明，更新后的 SERVQUAL 模型提取了五个子量表，而不是原始模型中的八个。提取的子量表有形性、保证性、可靠性、响应性和同理心。根据这项研究，人工智能在统计上与服务质量和客户满意度相关。作者认为，更新后的 SERVQUAL 模型有助于解决银行业的客户满意度问题。研究结果表明，约旦银行业对人工智能的需求对客户同样重要；因此，应该根据客户的要求和偏好在虚拟代理和人工代理之间实现最佳平衡。此外，这项研究还发现了在银行业使用人工智能的实际意义，特别是与约旦客户感知相关的意义。关键词：- 银行业、人工智能、客户体验、服务质量
内部邪恶：通过休眠硬件Trojans的机器学习后门
摘要 - 后门对机器学习构成了严重威胁，因为它们会损害安全系统的完整性，例如自动驾驶汽车。虽然已经提出了不同的防御来解决这一威胁，但他们都依靠这样的假设：硬件加速器执行学习模型是信任的。本文挑战了这一假设，并研究了完全存在于这样的加速器中的后门攻击。在硬件之外，学习模型和软件都没有被操纵，以使当前的防御能力失败。作为硬件加速器上的内存有限，我们使用的最小后门仅通过几个模型参数偏离原始模型。为了安装后门，我们开发了一个硬件特洛伊木马，该木马会处于休眠状态，直到在现场部署后对其进行编程。可以使用最小的后门来配置特洛伊木马，并仅在处理目标模型时执行参数替换。我们通过将硬件特洛伊木马植入商用机器学习加速器中，并用最小的后门来证明攻击的可行性，以使其对交通符号识别系统进行编程。后门仅影响30个模型参数（0.069％），后门触发器覆盖了输入图像的6.25％，但是一旦输入包含后门触发器，它就可以可靠地操纵识别。我们的攻击仅将加速器的电路大小扩大了0.24％，并且不会增加运行时，几乎不可能进行检测。鉴于分布式硬件制造过程，我们的工作指出了机器学习中的新威胁，该威胁目前避免了安全机制。索引术语 - 硬件木马，机器学习后门。