XiaoMi-AI文件搜索系统
World File Search System参数优化
无人机光无线技术前沿进展
摘要：随着无人机在材料、通信等相关技术的不断成熟，近年来无人机产业发展迅速。为应对多样化的新兴业务形态，第五代（5G）网络提供的数据传输规模、终端连接数、高可靠、低时延、高传输速率等的爆发式增长将为无人机产业发展注入新的活力。本文将光无线技术引入无人机平台，理论与实际应用相结合，阐述了“天、地、海”四个方面实现强大宽带通信链路的诸多研究进展和关键技术。重点讨论了链路建模、参数优化、实验测试，以及不同应用场景下无人机采用光无线链路配置的现状。同时，基于无人机光无线技术现状，对存在的技术问题和未来的研究方向进行了探讨。
WC-17CO CERMET零件的可行性，激光粉床融合
cermet是由陶瓷加固和金属基质组成的复合材料。激光粉床融合（L-PBF）是一种添加剂制造（AM）技术。目前的论文介绍了使用WC-17CO粉末L-PBF对CERMET零件的可行性研究。结果表明，L-PBF过程的参数优化允许生产实心WC-17CO部分。结构分析显示出明显的孔隙率（1.41％）和较小的样品中存在小规模的裂纹。通过髋关节（热等位压）进行后处理，显着改善了制造零件的结构。孔隙率变得非常低（0.01％），XRD相分析显示易碎的W 2 C相位。磨料磨损和硬度测试表明，加上制造零件的性能与粉末烧结产生的参考零件相当。该研究成功证明了制造耐磨损的Cermet零件的可能性
Chedrawi 和 Haddad：人工智能驱动的组织中准人类的崛起，终极
人工智能 (AI) 技术正在彻底改变每个行业，旨在复制人类的能力，包括学习和适应能力、感官理解和交互、推理和规划、程序和参数优化、自主性、创造力以及从大量多样化数字数据中创造知识的能力 (Yeung, 2018)。今天，人工智能 (AI) 在组织中的应用已显著增长 (Zaza et al., 2019)，学术界和工业界也越来越多地对其进行探索 (Riera & Ijimia, 2019)。事实上，我们正在目睹无数新数字技术不断取代正在使用的技术的例子，这种现象被称为技术转型和定制信息系统 (IS) (Doolin & McLeod, 2017 ; Tarhini et al., 2018; Thakurta et al., 2018)；然而，许多公司仍在努力实现“数字化转型” (Barthel & Hess, 2020)。
使用机器学习预测心血管疾病
摘要 —心血管疾病 (CVD) 是全球主要死亡原因之一。早期诊断和干预对于降低与这些疾病相关的风险至关重要。在本研究中，我们提出了一种基于机器学习的系统，使用极端梯度提升 (XGBoost) 技术预测心血管疾病。我们采用随机搜索的特征选择和超参数优化来提高模型的准确性。通过交叉验证评估模型的性能，并与其他算法进行比较，包括 K 最近邻 (KNN)、朴素贝叶斯、支持向量机 (SVM) 和随机森林。实验结果表明，我们基于 XGBoost 的模型优于其他算法，准确率为 98%，ROC 曲线下面积为 0.98。索引词 —心血管疾病、机器学习、XG-Boost、特征选择、超参数调整、随机搜索、交叉验证、预测模型、算法比较。
激光束稳定系统“紧凑”
•转向镜和检测器之间的光距离：对于较大距离的精度较高。因此，应选择较大的距离。第一个转向镜应靠近波动源。•光束直径：具有相同的激光束位置的绝对变化，较小的直径会导致4 QD象限的功率差异更强，因此会导致更陡峭的控制信号。这就是为什么直径较小的激光束可以以较高的精度定位。•强度：检测器的分辨率进一步取决于击中敏感区域的强度。这可以通过适当的光学过滤器选择和电子方式进行优化（另请参见第5.5节）来改变。•重复率和脉冲持续时间：可以针对不同的激光参数优化控制器带宽。较高的带宽导致更快的反应，因此在快速波动的情况下，精度更高。
提高 EEG 可解释性的三个简单步骤...
摘要 机器学习对脑电图 (EEG) 数据进行分类的研究为各种神经和精神疾病的诊断和预后提供了重要视角，但此类系统的临床应用率仍然很低。我们在此提出，将 EEG 机器学习研究转化为临床应用的大部分困难源于其技术报告中的一致不准确性，这严重损害了其通常很高的性能要求的可解释性。以 EEG 研究中使用的一类主要机器学习算法——支持向量机 (SVM) 为例，我们重点介绍了模型开发的三个重要方面（规范化、超参数优化和交叉验证），并表明，虽然这 3 个方面可以成就或破坏系统的性能，但令人震惊的是，绝大多数研究文献中都没有记录它们。对模型开发的这些方面进行更系统的描述构成了三个简单的步骤，以提高 EEG-SVM 研究的可解释性，并最终提高其临床应用。
电力系统暂态稳定性评估的人工智能技术
摘要：可再生能源的高渗透率，加上传统发电厂的退役，导致电力系统惯性下降。这对电力系统的暂态稳定性产生了负面影响。本文旨在回顾人工智能在电力系统暂态稳定性评估中的应用现状，重点介绍不同的机器、深度学习和强化学习技术。回顾涵盖数据生成过程（来自测量和模拟）、数据处理流程（特征工程、拆分策略、降维）、模型构建和训练（包括集成和超参数优化技术）、部署和管理（包括用于检测偏差和漂移的监控）。回顾特别关注在标准基准测试用例上显示出良好结果的不同深度学习模型。回顾的最终目的是指出不同方法的优缺点，提出现有模型面临的当前挑战，并展望未来可能的研究机会。
Leymann, Frank、Truger, Felix、Weder, Benjamin 和 Yussupov, Vladimir}，title = {Quokka：基于工作流执行的服务生态系统
量子计算利用量子力学现象（如叠加和纠缠），能够以更高的精度、更省时省能的方式解决各种问题。然而，量子算法依赖于多个预处理和后处理任务，这些任务通常需要在传统硬件上执行，例如数据准备、结果分析和参数优化。由于目前可用的噪声中型量子 (NISQ) 设备容易出错，当今大多数量子算法都被设计为所谓的变分量子算法 (VQA) [2]。VQA 交替在量子设备上执行参数化量子电路和通过评估执行结果的质量来经典优化量子电路参数。此外，量子设备不适合许多传统任务，例如数据持久化或可视化，这使得它们成为补充传统计算机的特殊协处理器。因此，量子应用本质上是混合的，必须从经典和量子的角度以及它们的集成的角度进行设计[4]。
基于替代的量子优化...
变异量子算法是一类旨在用于近期量子计算机的技术。这些算法的目的是通过将问题分解为大量浅量子电路来执行大量量子计算，并通过经典的操作和每个电路执行之间的反馈补充。提高这些算法性能的一条途径是增强经典优化技术。鉴于经典计算资源的相对轻松和丰富的能力，有足够的机会这样做。在这项工作中，我们介绍了使用很少的实验测量来学习替代模型的替代模型，然后使用这些模型进行了参数优化，而不是原始数据。我们使用基于内核近似的替代模型来证明这一想法，通过该模型，我们使用嘈杂的量子电路结果批处理重建了各种成本函数的局部贴片。通过应用于量子近似优化算法和分子的基态制备，我们证明了基于替代物的优化优于常用算法的常用优化技术。
从...
这项研究的动机是生产Rothmannia longiflora的脱脂种子蛋糕的生物乙醇及其物理/化学特性的分析。为最大乙醇屈服基底参数优化了发酵过程；温度，pH和酵母浓度。统计分析表明，pH和温度是影响乙醇产量的最具影响力的参数。在以下最佳条件下观察到11.14 g/cm 3的最大乙醇产量； pH为6，温度为30 O C，酵母浓度为2％。生产的乙醇进行了燃料特性分析。使用FT -IR分析进行了衍生的生物乙醇的结构研究，并确认乙醇的特征带为3369.52 cm -1、2918.5和2844.0 cm -1。发现生物乙醇的某些燃料特性与ASTM标准和常规乙醇的特性一致。这项研究表明，Rothmannia longiflora种子蛋糕的生存能力是生产生物乙醇的有前途的原料。