XiaoMi-AI文件搜索系统
World File Search System定量比较
https://dx.doi.org/10.12785/ijcds/120166 独立混合可再生能源的最佳经济规模
收到日期：2021 年 2 月 21 日，修订日期：2020 年 2 月 20 日，接受日期：2022 年 3 月 29 日，发布日期：2022 年 9 月 30 日 摘要：本文利用不同的进化优化算法，研究了印度库鲁克谢特拉社区独立式 (HRES) 的最佳经济规模。在优化过程中，将光伏 (PV)、风力涡轮机 (WT)、电池和柴油发电机 (DEG) 等不同子系统的数量视为感兴趣的变量，以净现值成本、回收期、计算成本和平准化能源成本 (LCOE) 作为绩效衡量标准。通过对结果的分析，可以确定与粒子群优化 (PSO)、引力搜索算法 (GSA)、灰狼优化器 (GWO) 和组合 PSO-GSA 算法提供的解决方案相比，鲸鱼优化算法 (WOA) 提供的解决方案在 LCOE、净现值和回收期方面表现最佳。对这些算法的相对性能进行了定性和定量比较和对比，不仅突出了研究结果，而且突出了从经济角度对独立 HRES 进行最佳定型（根据问题陈述），还突出了其他性能指标，例如收敛时间、计算成本和复杂性。模拟在 MATLAB 软件中执行。关键词：经济定型、HRES、LCOE、独立、优化算法
使用3D模型对不同电线材料进行体内定量评估的创新设备
正畸弓形材料在我们时代正在迅速变化。由于尚未找到理想的弓形线材料，因此评估包括工作范围在内的不同拱门的最有效特性及其对根部吸收的影响仍然是未满足的临床需求。不幸的是，大多数临床研究都缺乏对受试者和力量的标准化。先前未尝试针对不同正畸拱门的工作范围进行标准化的体内定量评估及其对根吸收的影响。这是第一个在标准化的口腔设计中定量比较和评估这些特性的研究。在这项工作中，将10个上门牙之一的一个样品随机选择，其中一个使用Cuniti电线接收25克式力的力，而控制侧则接收了与NITI相同数量的力。CBCT是在强制使用之前和之后进行的，以比较工作范围和根吸收。结果表明，组之间的工作范围有显着差异，该组偏向于Cuniti中的较大位移（p <0.05）。因此，这种新颖的方法可以为基于机械效应的标准测量值开辟新的途径，以实验正畸电线材料。，我们可以解决由于临床研究中缺乏标准化引起的正畸社区中目前存在的许多矛盾结果。因此，我们能够对两种临床有价值材料的工作范围进行可靠，准确的MEA验证。
使用概率分歧模型的EEG综合数据生成
脑电图（EEG）在大脑计算机界面（BCI）领域中起着重要作用，由于其非侵入性，低成本和易用性，因此是公众广泛采用的广泛采用的选择。该技术通常与深度学习技术结合使用，其成功在很大程度上取决于用于培训的数据的质量和数量。为了解决从单个参与者获得足够的脑电图数据的挑战，同时最大程度地减少用户的精度并保持准确性，本研究提出了一种用于数据增强的先进方法：使用Di ai ti usion差异概率模型，生成合成的EEG数据。合成数据是由情绪标记的EEG记录的电极频率分布图（EFDM）生成的。为了评估生成的合成数据的有效性，与实际脑电图数据进行了定性和定量比较。这项研究开辟了一个可以访问和通用的工具箱的开放式源工具箱的可能性，该工具箱可以在时间和频率维度上处理和生成数据，而与所涉及的频道数量无关。最后，提出的方法可以通过实现无隐私问题的大型，公开可用的合成EEG数据集来创建大型，公开可用的合成EEG数据集，从而对更广泛的神经科学研究领域产生潜在影响。
使用乘数的交替方向方法（ADMM）
摘要 - 为了有效地参与住宅需求侧资源并确保分配网络的有效运行，我们必须克服按大规模控制和协调住宅组件和设备的挑战。为了克服这一挑战，我们提出了一种分布式可扩展的算法，该算法具有三级层次信息交换体系结构，用于管理住宅需求响应计划。首先，制定了集中优化模型，以最大程度地提高社区社会福利。然后，通过将原始问题分解为公用事业级别和房屋级别的问题，以分布式的方式以分布式的方式解决了这种集中式模型。不同层之间的信息交换仅限于主要剩余（即供需不匹配），拉格朗日乘数以及每个房屋的总负载，以保护每个客户的隐私。模拟研究是在IEEE 33总线测试系统上与605个住宅客户进行的。结果表明，所提出的方法可以节省客户的电费并减少公用事业级别的峰值负载，而不会影响客户的舒适性和隐私。最后，对分布式和集中算法的定量比较显示了拟议的基于ADMM的方法的可伸缩性优势，并为未来的研究工作提供了基准测试结果。
人类病毒基因组重建计算方法的比较评估
病毒序列的日益普及导致了许多优化的病毒基因组重建工具的出现。鉴于新工具的数量在稳步增加，识别能够在准确性和计算资源之间取得平衡的功能性和优化工具以及每种工具提供的功能变得非常复杂。在本文中，我们调查了用于人类病毒基因组重建的开源计算工具（包括流程），确定了这些工具之间的具体特性、特点、相似之处和不同之处。为了进行定量比较，我们基于病毒数据创建了一个开源重建基准。该基准测试是使用合成数据集和真实数据集执行的。对于前者，我们评估了使用具有模拟突变率、污染和线粒体 DNA 包含以及不同覆盖深度的不同人类病毒对重建过程的影响。我们还使用真实数据集评估了每个重建程序，以展示它们在现实场景中的表现。评估指标包括重建前后基因组之间的同一性、归一化压缩半距离和归一化相对压缩，以及重建基因组的长度、每个工具所花费的计算时间和资源的指标。该基准完全可重现，可在 https://github.com/viromelab/HVRS 免费获取。
一种新颖的方法，用于对常规香烟烟雾和加热烟草的颗粒物进行定量分析
在可燃香烟（CCS）和加热的烟草产物（HTPS）的气溶胶中存在的颗粒物和可溶物是在液体水中收集的。，这些液体的数量，大小，大小，大小，成分和其他物质（pm）的素料（pm）中的collectectectection（tem-eDx）。HTPS样品中的颗粒物浓度低于LD定量的极限，并且仅来自香烟的样品显示出高于此限制的颗粒物浓度。TEM分析表明，液体样品（来自香烟和HTPS实验）都包含颗粒物，主要由碳（C）和氧（O）组成，也包括无机元素的痕迹。TEM电子束会导致源自HTP的颗粒物蒸发，但不是从香烟中得出的颗粒物，突出了两个系统中颗粒物的不同性质，即HTPS气溶胶中存在的液体颗粒物和香烟中的固体颗粒物烟雾。为气溶胶中存在的颗粒物的定量比较方案已在每个样品中使用了16张TEM图像，从颗粒物和粒度范围的量的角度来确认重要差异。因此，HTPS气溶胶样品的颗粒物量比香烟烟雾低一个数量级。
比较光伏水抽水的水箱和电池储存
摘要：光伏水泵系统（PVWP）是改善低收入农村地区的家庭水通道的有前途解决方案。但是，使他们对当地社区更负担得起的负担很大。我们在这里开发了一种比较方法，以评估具有水箱存储的广泛使用的PVWPS架构的相关特征，以及与电池库而不是储罐存储的几乎不使用PVWPS架构。通过技术经济优化进行定量比较，目的是最大程度地降低PVWP的生命周期成本，并限制了对当地居民和地下水资源可持续性的水需求满意度的限制。旨在支持决策者为国内供水项目选择最合适的存储空间。我们在布基纳法索（Burkina Faso）的农村村庄应用了该方法。结果表明，具有电池的优化PVWP的生命周期成本为24.1k美元，而如果使用水箱，则为$ 31.1k。此外，如果使用电池，请注意，减少对地下水资源的影响减少，并更大的模块化适应不断发展的水需求。但是，由于必须定期更换电池并充分替换电池，因此PVWPS的财务可及性仅在可持续和有效的电池可持续性，维护和电池的回收设施时才可以增加。
散射发射概况技术，用于准确，快速评估薄膜激光材料Nirav Annavarapu AB*，Iakov Gold
摘要：光学增益的准确测量对于筛选材料作为薄膜激光应用的可行活动介质至关重要。通常使用可变条纹长度（VSL）方法测量净模态增益，该方法在过去几十年中已经进行了广泛的研究。在这项工作中，我们提出了一种替代方法，我们将其命名为散射发射概况（SEP）方法，以测量净模态增益。它依赖于从泵条带照亮的膜表面散布的放大自发发射（ASE）的收集。通过使用适当的设置，新方法可以更快地测量净模态增益，同时提供更准确的增益值。在本文中详细介绍了提取净模态增益的设置和算法，并在铅卤化物钙钛矿膜上进行了证明。显示了条纹长度对测量增益值的影响。通过两种不同的钙钛矿膜进行的增益测量，通过自旋涂层或热蒸发制造，确认了SEP方法的广泛适用性。最后，我们显示了SEP方法与VSL测量值的定量比较，并突出了每种方法的优点和缺点。
传感器
摘要：本文旨在记录和分析想象运动过程中大脑运动区诱发的伽马波段活动 (GBA) (30–60 Hz)，并使用简化脑电图 (EEG) 将其与实际运动过程中相同区域记录的活动进行定量比较。使用 EEG (Cz 通道) 从 12 名健康志愿者受试者获得大脑活动 (基础活动、想象运动任务和实际运动任务)。使用平均功率谱密度 (PSD) 值分析 GBA。事件相关同步 (ERS) 是根据基础 GBA (GBAb)、想象运动的 GBA (GBAim) 和实际运动的 GBA (GBAac) 的 PSD 值计算的。右手和左手的平均 GBAim 和 GBAac 值明显高于 GBAb 值 (p = 0.007)。在想象运动和实际运动期间，平均 GBA 值之间没有显著差异（p = 0.242）。想象运动（ERSimM (%) = 23.52）和实际运动（ERSacM = 27.47）的平均 ERS 值没有显著差异（p = 0.117）。我们证明了 ERS 可以提供一种有用的方法来间接检查由随意运动（想象运动和实际运动）激活的神经运动回路的功能。这些结果作为概念证明，可以应用于生理学研究、脑机接口以及认知或运动病理的诊断。
scdtl：基于深度转移学习的单细胞RNA-seq插定使用散装细胞信息
摘要。动机：单细胞RNA示例（SCRNA-SEQ）的增长量使研究人员能够研究细胞性质和基因表达曲线，从而在单细胞水平上提供了转录组的高分辨率视图。但是，SCRNA-Seq数据中通常存在的辍学事件仍然是下游分析的挑战。尽管已经开发了许多研究来恢复单细胞表达曲线，但它们的性能有时会受到不完全利用基因之间的固有关系而受到限制。结果：为了解决这个问题，我们提出了一种基于深度转移学习的方法，称为SCDTL，称为SCDTL，用于通过探索大量的RNA序列信息来推出SCRNA-Seq数据。SCDTL首先使用Denoising AutoCododer（DAE）训练批量RNA-Seq数据的插补模型。然后，我们应用了一个域的适应体系结构，该结构在批量基因和单细胞基因域之间构建图形，该结构将大量归档模型学到的知识转移到SCRNA-Seq学习任务。此外，SCDTL采用了1D U-NET DeNoising模型的并行操作，以提供不同粒度的基因表示，从而捕获了Scrna-Seq数据的粗糙和精细特征。在最后一步中，我们使用跨通道注意机制来融合从转移的散装螺旋桨和U-NET模型中学到的效果。在评估中，我们进行了广泛的实验，以证明基于SCDTL的方法可以在定量比较和下游分析中优于其他最新方法。联系人：zhangd@szu.edu.cn或tianj@sustech.edu.cn