XiaoMi-AI文件搜索系统
World File Search System多阶
unex-rl：通过单向执行加强多阶段推荐系统的长期奖励
近年来，人们对Utiz Liz Liz Liz Liz Liz Formenting学习（RL）的兴趣越来越高，以优化推荐系统中的长期奖励。由于工业推荐系统通常被设计为多阶段系统，因此同时优化多个阶段时，具有单个代理的RL方法会面临挑战。原因是不同阶段具有不同的观察空间，因此不能由单个代理建模。为了解决这个问题，我们提出了一种新型的基于单向执行的多代理增强学习（UNEX-RL）框架，以重新获得多阶段建议系统中的长期奖励。我们表明，单向执行是多阶段推荐系统的关键功能，为多机构增强学习（MARL）的应用带来了新的挑战，即观察依赖性和级联效应。为了应对这些挑战，我们提供了级联信息链（CIC）方法，以将依赖性观测值与动作依赖性观察结果分开，并使用CIC有效地训练UNEX-RL。我们还讨论了UNEX-RL的实际差异技术。fi-Nelly，我们显示了UNEX-RL对公共数据集和具有超过1亿用户的在线推荐系统的有效性。特别是，UNEX-RL揭示了用户使用时间的0.558％与单一AGENT RL算法相比，在线A/B实验中的使用时间为0.558％，强调了UNEX-RL在工业推荐系统中的效率。
可解释的MEG的多阶级解码
磁脑电图（MEG）和脑电图（EEG）数据的多变量模式分析（MVPA）是了解大脑如何代表和区分不同刺激的宝贵工具。识别刺激的时空特征通常是这些分析的关键输出。此类分析主要使用线性，成对的滑动窗口解码模型进行。这些允许相对易于解释，例如通过估计解码准确性的时间课，但解码性能有限。另一方面，通常用于大脑计算机接口（BCI）应用程序的完整时期多类解码模型可以提供更好的解码性能。然而，此类模型的解释方法已经设计了较少的类别。在本文中，我们提出了一种将多类，完整的时期解码模型与监督维度降低相结合的方法，同时仍然能够使用置换功能重要性来揭示时空和光谱特征的贡献。至关重要的是，我们引入了一种进行监督维度降低的方法，以优化分类任务的神经网络中的输入特征，从而实质上改善了性能。我们使用图像演示文稿在3个不同的多类任务-MEG数据集上演示了该方法。我们的结果表明，该方法始终达到比滑动窗口解码器的峰精度更高的精度，同时估计MEG信号中相关的时空特征。
引用发布版本（APA）：Tahir，M。U.，Sangwongwanich，A.，Stroe，D.-I。，＆Blaabjerg，F。（2023）。优化的多阶段常数电流C
已经提出了各种方法来减少锂离子电池（LIBS）的充电时间。多阶段常数电流（MSCC）充电技术已在各种提出的方法中获得了潜在的解决方案。进行了一项研究，以研究MSCC充电技术对LIB的影响。具体来说，这项研究的重点是使用电荷状态（SOC）作为充电期间的阶段过渡标准的方法。使用Taguchi正交阵列（OA）来识别MSCC技术每个阶段的最佳充电电流。该研究探讨了相等和不平等的权重策略的实施，以获得最佳的充电模式。将实验结果与标准恒定电流恒定电压（CC-CV）充电方法进行了比较，其中MSCC方法可以有效地减少充电时间。但是，与CC-CV方法相比，MSCC充电方法导致温度略有升高。此外，MSCC充电方法的能源效率比CC-CV方法低0.5％。尽管如此，MSCC充电仍具有快速电动汽车（EV）充电应用的潜力。
基因网络揭示了质量核心期间的干细胞状态收敛，并在多阶段皮肤致癌中发展为恶性肿瘤
在致癌过程中（11 - 13）。在小鼠中，已经鉴定出许多不同的干细胞标记，这些标记通过在上皮内重新室内隔室来促进体内平衡（14，15）。也已提出在正常皮肤中的某些干细胞在几种肿瘤类型（9，16）中充当癌症干细胞（CSC），以LGR5（17），LGR6（17），LGR6（18），Twist1（19），Sox2（Sox2（20）和Pitx1和Pitx1（21））。确定过渡期间出现的细胞塑性； 20
引用发布版本（APA）：Tahir，M。U.，Sangwongwanich，A.，Stroe，D.-I。，＆Blaabjerg，F。（2023）。多阶段常数curre
摘要 - 多阶段常数电流（MSCC）充电策略旨在增强锂离子电池（LIBS）的性能。因此，本文研究了MSCC充电效果对LIB性能参数的效果，包括充电时间，充电/放电的容量，充电能源效率以及最高/平均温度升高。基于不同的当前速率的2.6 AH锂铁磷酸锂（LFP）的锂离子电池以不同的当前速率进行五阶段的MSCC充电。根据传统的CCCV充电方法评估了MSCC充电方法对LIB性能参数的影响。实验发现表明，MSCC技术可以将充电时间减少13.3％，同时保持相似的充电/放电和充电能源效率为CCCV方法，在3.5 c充电速率下，最大温度升高1.4％。MSCC充电技术可用于电动汽车应用程序和其他需要高充电率的同时保持安全性的应用程序中的快速充电LIB。
考虑多种极端天气事件的弹性导向多阶段自适应配电系统规划
摘要 —气候变化可能会增加一个地区遭受多重极端天气事件袭击的风险，这给可再生能源渗透率不断提高的时代配电系统规划人员带来了重大挑战。迫切需要规划方法更加灵活，并允许在未来进行自适应调整，以对冲极端天气事件情景中的高度不确定性。在这项工作中，我们提出了一种考虑多种极端天气事件的弹性导向配电系统规划方法。开发了一种多阶段混合随机稳健公式，不仅可以为初始投资建模决策，还可以为响应特定极端事件的自适应投资和紧急运营建模决策，同时考虑长期和短期不确定性。我们的模型通过一种新颖的渐进式对冲算法求解，该算法嵌入了嵌套列和约束生成方法。案例研究证明了所提出的方法在制定灵活且经济实惠的规划决策以保护配电系统免受多种极端天气事件的影响方面的优势。
使用易腐烂的商品在多阶段供应链中管理库存水平和牛仔效应：一种新的分布式模型预测控制方法
多阶段SC的MPC技术通常会根据三种不同的对照档案（集中式，分散和分布式）进行。前两个在（Alessandri等，2011），（Fu等，2014）中进行了讨论，（Fu等，2016），（Mestan等，2016），（Perea-Lopez等，2003）。集中式方法的主要限制是：数值综合性，计算成本，不愿共享信息。分散的方法没有这些弊端，但会导致性能丧失，因为控制剂彼此独立地决定控制措施。因此，兴趣最近集中在分布式MPC（DMPC）（Fu等，2019），（Fu等，2020）（Kohler等，2021）。上述论文并未考虑到库存系统中的不在项目的存在。另一方面，如果未考虑易腐商品的影响，则会观察到供应链系统的严重退化。易腐烂商品库存水平的集中式MPC已在（Hipolito等，2022； Lejarza and Baldea，2020）中进行了研究。这些后一篇论文假定了一个完全已知的恶化因素。然而，在实际情况的压倒性部分中，这种简化的信息无法满足（Chaudary等，2018）。
字母A 25GB/S RX前端具有多阶段线性均衡器和65nm CMOS技术的3-TAP投机DFE
摘要这项工作提出了RX前端结构，该结构用于25 GB/S高速链路的通道均衡。此设计包括两个部分，即线性均衡器和决策反馈均衡器。线性均衡器由可变增益放大器，连续时间线性均衡器和输出缓冲液组成，后者在Nyquist频率周围提供19 dB峰值增益。在缓冲区后将带有投机性水龙头的半率决策反馈均衡器被级联，以消除残留的符号间干扰。电路布局在65 nm CMOS中设计的0.005 mm 2面积，其功率消耗为96 MW，低于1.2 V电源。设计用于均衡FR-4背板通道，其中插入损失在12.5 GHz时达到35 dB。结果表明，接收器信号的电压率和时间边距分别达到10 -12的BER。关键词：RX前端，线性均衡器，决策反馈均衡器，背板渠道，插入损失，BER分类：集成电路
考虑可再生能源出力不确定性及电力市场机组有效备用计算的多阶段鲁棒清算模型
随着我国碳政策的推进，以风电、太阳能为主的可再生能源比重不断提高，给电力系统备用带来更大挑战。由于我国电力系统的复杂性，采用分区备用的方法保证系统稳定运行难度很大。现有的备用计算结果中，机组备用会受到电网安全约束的制约，导致系统运行风险。为了在不突破安全约束的情况下高效获取机组备用，本文提出了一种可供工程实施的有效备用计算方法。该方法进一步利用箱式稳健优化算法进行安全约束机组组合，保证可再生能源的消纳，确保电力系统的稳定性和备用效率。此外，安全约束经济调度采用数据驱动的稳健随机优化算法，优化电力系统的经济性。该多阶段稳健优化模型具有良好的可扩展性，符合我国电力系统备用调度的进程。基于中国某省实际运行数据和IEEE 300节点系统的仿真分析，验证了所提模型和理论的正确性和可行性。
考虑网络重构的城市电网储能系统多阶段双层规划模型
可再生能源 (RES) 的大规模接入和负荷的快速发展导致城市电网 (UPG) 频繁出现输电拥塞。输电系统运营商通常执行高压配电网 (HVDN) 重构以缓解输电拥塞。然而，由于负荷和可再生能源变化很快，HVDN 重构可能会频繁进行。这可能会造成严重的安全问题。储能系统 (ESS) 为缓解输电拥塞提供了一种有效的方法。如果储能系统安装和操作得当，只需进行少量的 HVDN 重构即可缓解 UPG 的输电拥塞。因此，本研究提出了一个用于储能系统优化配置的多阶段双层规划模型。上层模型旨在最大化 HVDN 的年综合收益，下层模型则侧重于最小化运营成本。在实际测试系统上进行的仿真结果验证了所提出的方法在缓解传输拥塞的同时具有降低投资和运营成本的巨大潜力。