XiaoMi-AI文件搜索系统
World File Search System子群
计算机科学中的BSchon（12244001）
该模块着重于两个计算智能范例，即进化计算和群智能。在进化计算范式中，将研究达尔文进化的算法模型，包括遗传算法，遗传编程，进化策略，进化编程，差异进化，文化算法和共同进化。将在自然界中发现的社会生物的群体智能范围算法模型中进行研究，包括蚂蚁算法和粒子群优化。这些算法将主要在复杂的优化问题的背景下进行研究，包括多目标优化，动态环境，约束和查找多个解决方案。假定的先验知识包括良好的编程技能和微积分中的本科模块。
NIH S10共享仪器赠款
a。我们概述了所需仪器的独特优势以及我们用户组可用的当前仪器的局限性。表A.1提案中列出了经典集合（批量）FRET实验的技术MFD-FRET的许多属性。b。，我们为新用户使用拟议的仪器提供了令人信服的理由，并概述了用户的远视和培训。2。仪器的检测策略否定了单分子检测的优势。这无疑是不正确的，因为结合了下面提到的不同信号的各种图，并在提案中进一步解释了，因此可以分别分析均匀的分子群，从而解决不均匀性的来源，例如不完整的标记stoichionementry和交换结构状态。3。另一种与所请求的乐器相似的乐器已经在宾夕法尼亚州校园里。
有限非阿贝尔简单群的应用......
摘要。有限简单群理论是一个（尚未开发的）领域，可能会提供有趣的计算问题和在密码学环境中有用的建模工具。在本文中，我们回顾了有限非阿贝尔简单群在密码学中的一些应用，并讨论了该理论明显占主导地位的不同场景，提供了相关定义，使密码学家和群论学家都能理解这些材料，希望能够促进这两个（非分离的）社区之间的进一步互动。特别是，我们研究了基于各种群论因式分解问题的构造，回顾了群论哈希函数，并讨论了使用简单群的完全同态加密。在此背景下还简要讨论了隐藏子群问题。
优化的自适应MPC用于自动驾驶汽车的横向控制
摘要 - 自治车辆是解决大多数运输问题的解决方案，例如安全性，舒适性和效率。转向控制是实现自动驾驶的主要重要任务之一。模型预测控制（MPC）是该任务的效果控制器之一，因为其最佳性能和处理约束的能力。本文提出了用于路径跟踪任务的自适应MPC控制器（AMPC），并提出了一种改进的PSO算法，以优化AMPC参数。使用查找表方法在线实现参数改编。通过模拟评估了提出的AMPC性能，并将其与经典的MPC和Pure Pursuit控制器进行了比较。索引项 - 自主车，优化，模型预控制，自适应控制，粒子群优化。
博士维沙卡·丘拉西亚
• Chourasia, V.、Pandey, S. 和 Kumar, S. (2022)。使用基于 AI 的混合信任管理在车辆延迟容忍网络中实现可靠的数据交换。国际通信系统杂志，35 (11)，e5197 (SCIE) • Chourasia, V.、Pandey, S.、Chaurasiya, R. 和 Kumar, S. (2023)。使用基于定制二进制粒子群优化的优化投掷箱部署来提高车辆延迟容忍网络中的交付率。并发与计算：实践与经验，35 (1)，e7427 (SCIE) • V ishakha Chourasia、Sudhakar Pandey、Sanjay Kumar，“优化投掷箱部署以提高 VDTN 的交付率和间接成本绩效。”无线个人通信 129 (3)，1939-1960。 (SCIE，影响因子：1.601) 其他期刊：
使用价格控制和人工智能的大规模发电厂中的储能系统的规模和管理
摘要：预计储能系统将在将可再生能源增加到电气系统中的整合中起着基本作用。它们已经用于发电厂中的不同目的，例如吸收间歇性能源的影响或提供辅助服务。因此，必须进行研究和尺寸的方法，以使储存可行和预示项目的发电厂进行管理和尺寸。在本文中，提出了一种管理方法，其中使用粒子群优化来达到最大值。将此方法与专家系统进行了比较，证明前者可以在尊重类似规则的同时取得更好的结果。该论文进一步提出了一种大小方法，该方法使用上一篇方法使发电厂尽可能地提示。最后，通过模拟测试了两种方法以显示其潜力。
使用 PSO 优化微电网电池容量...
摘要 电力用于各行各业的各种活动。近年来，电力需求迅速增长，因此有必要采用更高效的发电方法。可再生能源和微电网为发电提供了综合的替代解决方案。在微电网系统中，储能设备是重要方面之一。电池是电力系统中广泛使用的一种储能技术，因此，必须确定其合适的容量才能开发有效的系统安装。在本研究中，电池容量的大小优化被建模为使用粒子群优化/PSO算法最小化微电网电池容量，同时考虑系统的孤岛运行以有效安装电池。结果表明，可以获得最佳电池容量，并且开发的计算模型为所研究的系统提供了令人满意的结果。关键词：电池、微电网、储能系统、PSO算法
Pradipta Kumar Mishra、Suresh Chandra Satapathy* 和 Minakhi 使用基于优化的深度卷积神经网络对 MRI 脑肿瘤图像进行分割
摘要：脑图像分割应该准确完成，因为它有助于预测致命的脑肿瘤疾病，从而可能控制事先知道的恶意脑图像片段。通过脑肿瘤分割程序可以提高脑肿瘤分析的准确性。早期的 DCNN 模型不考虑学习实例的权重，这可能会降低分割过程的准确性。考虑到上述观点，我们提出了一个框架，使用基于群体智能的算法（如遗传算法（GA）、粒子群优化（PSO）、灰狼优化（GWO）和鲸鱼优化算法（WOA））来优化 DCNN 模型的网络参数，例如权重和偏差向量。模拟结果表明，WOA 优化的 DCNN 分割模型优于其他三种基于优化的 DCNN 模型，即 GA-DCNN、PSO-DCNN、GWO-DCNN。
新兴的重生技术在未来的道德中的影响
摘要。机械收缩和心脏放松在评估健康和患病的心脏功能方面起着重要作用。me-chanical模式由复杂的非线性3D变形组成，这些变形在受试者之间存在很大变化，很难观察到2D图像，这会影响心脏结果的预测准确性。在这项工作中，我们旨在通过一种新颖的几何深度学习方法来捕获心脏周期的末端舒张期（ED）和末端相结合（ES）阶段的3D双脑膜变形。我们的网络由一个编码器编码器结构组成，该结构直接与轻度点云数据一起使用。我们最初是由由主体混合种群组成的成对和ES点云对训练我们的网络，目的是准确预测ES输入的ED输出以及ED输入的ES输出。我们使用Chamfer距离（CD）来验证网络的性能，并发现ED和ES预测可以通过从英国生物银行队列的数据集中的平均CD进行1.66±0.62 mm来实现，其基础体素尺寸为1。8×1。 8×8。 0 mm [8]。 我们从预测中得出结构性和功能性临床指标，例如肌肉拨号质量，心室体积，射血分数和中风量，并发现平均平均值偏离其各自的金标准1.6％和可比标准偏差的平均偏差。 最后，我们显示了我们方法在数据集中特定子群之间捕获变形差异的能力。8×1。8×8。0 mm [8]。我们从预测中得出结构性和功能性临床指标，例如肌肉拨号质量，心室体积，射血分数和中风量，并发现平均平均值偏离其各自的金标准1.6％和可比标准偏差的平均偏差。最后，我们显示了我们方法在数据集中特定子群之间捕获变形差异的能力。
含有水力泵的潮汐弹幕的微电网的最佳操作
摘要 - 为了在N沿海和岛屿地区提供所需的负载，可以将潮汐弹幕整合到微电网中。为了从潮汐，潮汐弹幕中产生电力，在海边和储层之间通过装有涡轮机发电的水槽移动水。在操作阶段，产生的潮汐弹幕取决于涡轮机，凹槽和水力泵的数量。因此，为了最大程度地提高潮汐弹幕的产生能量，可以通过启发式优化技术获得最佳数量的涡轮机，凹槽和水泵。由于潮汐水平的变化，潮汐弹幕的产生能力会随着时间而变化。因此，利用了其他可再生资源，例如光伏设备，电池，基于燃料的生成单元和网格连接的微网络模式。在这项研究中，完成了由潮汐弹幕，光伏单元，电池和燃油基生成单元组成的微电网的两阶段最佳操作。在第一阶段，确定与潮汐弹幕有关的最佳数量的涡轮机，凹槽和水泵，以最大程度地提高研究期间的潮汐单位产生的能量。在第二阶段，微电网的剩余负载由光伏设备，电池，基于燃料的生成单元和主网络提供。为此，确定了微电网和主电网之间燃料基植物的产生能力和功率，以最大程度地降低微电网的工作成本。使用粒子群优化方法优化了运营成本，包括基于燃料的生成单位的运营成本，主电网和微电网之间交换功率的成本以及负载减少的惩罚。数值结果列出了不同优化算法，粒子群方法在潮汐弹幕研究方面表现最好。对于经过研究的微电网，潮汐弹幕的最大产生能量为25.052 MWH，微电网的最低工作成本为39868 $。