XiaoMi-AI文件搜索系统
World File Search System层次结构
交换关联函数的层次结构在计算岩盐和闪锌矿半导体晶格热导率中的应用
晶格热导率（κL）是晶体固体的一个重要特性，对热管理、能量转换和热障涂层具有重要意义。基于密度泛函理论（DFT）的计算工具的进步使得能够有效利用基于声子准粒子的方法来揭示各种晶体系统的潜在物理原理。虽然高阶非谐性通常用于解释晶体中的异常传热行为，但DFT中的交换关联（XC）函数对描述非谐性的影响却在很大程度上被忽视了。XC 函数对于确定 DFT 描述固体和分子中电子/离子之间相互作用的准确性至关重要。然而，固体物理中大多数XC泛函主要侧重于计算只需要原子偏离平衡态很小位移（在谐波近似内）的性质，如谐波声子和弹性常数，而非谐性则涉及较大的原子位移。因此，对于XC泛函来说，在非谐性水平上准确描述原子相互作用更具挑战性。本研究采用多种XC泛函,如局部密度近似(LDA)、Perdew-Burke-Ernzerhof(PBE)、固体和表面的修正PBE(PBEsol)、优化的B86b泛函(optB86b)、修正的Tao-Perdew-Staroverov-Scuseria(revTPSS)、强约束和适当范数泛函(SCAN)、正则化SCAN(rSCAN)和正则化恢复SCAN(r2SCAN)以及不同的扰动阶数,包括谐波近似内的声子(HA)加三声子散射(HA+3ph)、用自洽声子理论计算的声子(SCPH)加三声子散射(SCPH+3ph)、SCPH声子加三声子和四声子散射,系统地研究了16种具有岩盐和闪锌矿结构的二元化合物的室温κL。 (SCPH+3,4ph)。结果表明，XC 函数与扰动阶表现出强纠缠，计算出的 κ L 的平均相对绝对误差 (MRAE) 受 XC 函数和扰动阶的强烈影响，导致误差抵消或放大。在 HA+3ph 级别的 revTPSS (rSCAN)、在 SCPH+3ph 级别的 SCAN (r 2 SCAN) 和在 SCPH+3,4ph 级别的 PBEsol (rSCAN) 中实现了最小 (最大) MRAE。在这些函数中，PBEsol 在最高扰动阶下表现出最高的精度。SCAN 相关函数表现出中等精度，但存在数值不稳定性且计算成本高的问题。此外，所有 XC 函数都识别出了四次非谐性对岩盐和闪锌矿结构中 κ L 的不同影响，这归因于这两种结构中不同的晶格非谐性。这些发现对于选择合适的泛函来描述非谐声子提供了有价值的参考，并为高阶力常数计算提供了见解，有助于开发更精确的固体材料XC泛函。
单细胞转录组学揭示了细胞层次结构和1
抽象动机：识别抗原表位在医疗应用中至关重要，例如免疫诊断试剂发现，疫苗设计和药物开发。计算方法可以补充低吞吐量，耗时和代价高昂的表位实验确定。当前可用的预测方法在预测表位上具有适度的成功，这限制了其适用性。表位预测可能会使多个表位位于相同的抗原上，并且完全不可用的实验数据更加复杂。结果：在这里，我们介绍了抗原表位预测程序ISPIPAB，该程序结合了来自两种基于特征方法的信息和一种基于对接的方法。我们证明，ISPIPAB的表现优于其每个分类器以及其他最先进的方法，包括专门为表位预测设计的方法。通过将预测算法与层次聚类相结合，我们表明我们可以有效捕获与可用的实验数据一致的表位，同时还揭示了未来实验研究的其他新颖目标。联系人：raji@yu.edu补充信息：可通过BioInformatics在线获得补充数据。
层次结构，分布式和大脑启发的物联网系统的学习
摘要 - 在本文中，我们提出了Edgehd，这是一种层次结构 - 意识到的学习解决方案，以高度分布，具有成本效益的方式进行在线培训和推断。我们使用受脑启发的高维（HD）计算作为关键启用器。HD计算在高维空间上执行计算任务，以模仿人类记忆的功能，例如数据间关系推理和信息聚集。EdgeHD利用高清计算有效地学习各个设备上的分类模型，并通过层次结构的IoT节点组合模型，而没有高通信成本。我们还提出了一种硬件设计，该设计可以加速低功耗FPGA平台上的EdgeHD。我们评估了各种现实分类应用程序的EdgeHD。评估表明，EdgeHD通过降低的通信提供了高度有效的计算。例如，与集中的学习方法相比，EdgeHD平均达到3.4×和11.7×（1.9×和7.8×）的加速和能量效率提高（推断）。，培训的沟通成本降低了85％，推理降低了78％。I. i ntroduction机器学习方法已被广泛用于为许多认知任务提供高质量。运行复杂的学习任务需要高计算成本来处理大量学习数据。一个常见的解决方案是将云和数据中心用作主要的中央计算单元。在物联网系统中，部署了大量嵌入式设备以从环境中收集数据并产生信息。然而，随着物联网（IoT）的出现，集中式方法面临着针对高性能计算的几个可扩展性挑战[1]，[2]，[3]，[4]，[4]，[5]，[6]。需要汇总部分数据才能执行IoT网络中的目标学习任务，例如家庭或城市规模。因此，它导致高潜伏期的高沟通成本，将所有数据点传输到集中式云。最近的研究工作研究了如何以分布式方式扩展学习任务，其中数据是从不同设备收集的。研究的主流通常被称为联邦学习[7]，[8]，[9]，[2]。例如，[10]中的研究在多个设备上训练一个中央深神经网络（DNN）模型，在这些设备中，每个设备的数据具有相同的功能集。但是，在物联网层次结构中有效学习仍然是一个悬而未决的问题。我们认识到以下技术挑战
层次结构融合为反应性机器人控制的推断
摘要 - 混乱，密集和染色环境中的运动产生是机器人技术中的一个核心话题，被视为多目标决策问题。当前的安全性和性能之间的权衡。一方面，反应性策略保证了对环境变化的快速响应，其风险次优行为。另一方面，基于计划的运动产生提供可行的轨迹，但是高计算成本可能会限制控制频率，从而限制安全性。为了结合反应性策略和计划的好处，我们提出了一种分层运动方法。此外，我们采用概率推理方法来形式化层次模型和随机优化。我们将这种方法视为随机，反应性专家政策的加权产品，在该策略中，计划用于适应任务范围内的最佳权重。这种随机优化避免了局部优点，并提出了可反应性计划，以发现混乱且致密的环境中的路径。我们在平面导航和7DOF操作中进行的广泛实验研究表明，我们提出的层次运动生成方法的表现优于近视反应性控制器和在线重新规划方法。其他材料可在https://sites.google.com/view/hipbi上找到。
供应链绩效测量带有供应链操作参考（SCOR）和分析层次结构过程（AHP），CV ABC Sukoharjo
CV ABC是一家从事食品制造业的公司，该公司成立于2021年在Sukoharjo Regency Gatak区的Trangsan村建立。在开发这种鱼片业务时，CV ABC在原材料到达过程中遇到了障碍。本研究旨在衡量SCM Megacu在SCOR和AHP方法中所包含的原理上的性能。SCOR用于分析从上游到下游的问题。AHP用于通过产生重量或优先级值来称重。研究结果已知，在测量供应链Kineja时，有几个指标的值低于90（优秀）。此测量的影响是在有问题的供应链中可以知道指标。知道什么指标是有问题的，然后提议通过重新计算绩效指标来改进。因此，预计性能指标将产生高于90（优秀）的值。
论量子比特 Clifford 层次结构中的群
这里我们研究了可以使用量子比特 Clifford 层次结构中的元素构造的酉群。我们首先提供半 Clifford 和广义半 Clifford 元素必须满足的必要和充分规范形式才能进入 Clifford 层次结构。然后我们对可以由这些元素形成的群进行分类。直到 Clifford 共轭，我们对 Clifford 层次结构中可以使用广义半 Clifford 元素构造的所有此类群进行分类。我们在附录中讨论了此分类的一个可能的小例外。这可能不是对量子比特 Clifford 层次结构中所有群的完整分类，因为目前尚不清楚 Clifford 层次结构中的所有元素是否都必须是广义半 Clifford。除了 Cui 等人发现的对角门群之外，我们还表明 Clifford 层次结构中还包含许多非同构（对角门群）广义对称群。最后，作为此分类的应用，我们研究了由本文列举的群的结构给出的横向门的限制，这可能具有独立的兴趣。
通过层次结构链进行加强学习
抽象的内在学习是离线加固学习（RL）来处理内线任务的一种有前途的方法，可以通过提供任务提示来实现。最近的著作表明，当将RL任务视为跨散点的顺序预测概率时，In-Actest RL可能会以反复试验的方式进行自我完善。尽管自我改善不需要梯度更新，但是当跨情节序列随着任务范围而增加时，当前的作品仍处于高计算成本。为此，我们提出了一个内在的决策变压器（IDT），以高级反复试验的方式实现自我完善。特定于IDT的灵感来自人类决策的有效层次结构，因此将序列重新构造为由高级决策组成，而不是与环境相互作用的低级动作。作为一个高级决策可以指导多步骤的低级动作，IDT自然会避免过度长序列并更有效地解决在线任务。实验结果表明，IDT超过了当前的内在RL方法，可以实现长胜压任务的最新任务。尤其是，我们的IDT的在线评估时间比D4RL基准中的基线快36倍，而在网格世界基准中，我们的IDT时间比基准的速度快27倍。
基于安全离线加固的层次结构生态驱动
（通讯作者电子邮件：zhangyahui@ysu.edu.cn（Yahui Zhang））摘要以及智能转换系统（ITS）和网络技术的快速发展，车辆可以访问更丰富的交通数据，为现在更有效的驱动控制铺平了道路。提出了一种专门针对混合电动卡车导航复杂多相交场景的新型分层生态驾驶策略。最初，模拟场景旨在模拟逼真的卡车遵循场景。随后，使用安全离线深层确定性政策梯度（SDDPG）算法制定了高层卡车跟随策略。此策略完全使用了领先的车辆和交通信号数据的见解。具体来说，考虑安全约束的逻辑判断模块已集成到培训处理中，以最大程度地减少碰撞风险。此外，设置了安全奖励功能，以指导代理学习更安全的动作。转移到下层，使用深厚的增强学习（DRL）技术提出了能量管理策略。引入了独特的奖励成型功能，以有效地指导学习过程。最终，与动态编程（DP）方法相比，提出的方法表明，省油速度为97.46％。关键字：混合动力卡车，卡车跟随，SDDPG，能源管理策略
![ISSN 1330-3651（印刷版），ISSN 1848-6339（在线版） https://doi.org/10.17559/TV-20240123001285 原创科学论文 基于多媒体数据分析和人工智能的智能体育教学跟踪系统 徐嘉辉*，齐大陆，刘爽 摘要：近年来，体育环境已经意识到身体和心理特征的重要性。体育工作人员、运动员和教练员已经表明，新的理论和治疗方法可用于增强心理。个人社会生活中的基本需求是城市公共体育。本文在均等化公共服务的基础上，提供了均等化公共体育的城市设施。国家一致的规则可以提供城市公共体育产品和服务，这些产品和服务对公民来说是基本的，考虑到他们的生计和娱乐需求。本文提出利用语义多层次结构方程模型（SMSEM）来评估城市公共体育服务的运动心理需求，目的是紧密围绕群众的体育需求，提高政府城市公共体育服务供给的质量和效率，推动城市体育休闲城市建设，让更多人享受城市公共体育，保障人民群众的基本体育权利。积极心理学的成长具有广泛的理论和应用领域，丰富了新的体育心理学理论和应用。心理监测与体育锻炼的关系最密切的是竞技体育领域。心理指导正朝着系统化、专业化的方向发展。在未来的应用中，从体育心理学中获得的成果更具适用性。关键词：人工智能；多媒体数据分析；语义；运动心理；城市公共体育1引言运动员的运动表现由心理、身体和社会因素来评价[1]。教练员认为，通过提高运动员的心理能力可以提高运动员的运动成绩[2]。心理干预对游泳、足球、垒球、滑冰、高尔夫和网球等多项运动的运动员表现有积极影响 [3]。高水平表现研究比较了不同的运动员，报告了成功运动员的理想心理特征，包括：焦虑的自我调节、高度集中、高度自信、焦虑控制、积极的运动关注和决心以及参与度 [4]。研究表明，运动员具有获得成功的敏锐心理能力 [5]。心理因素的相似性，多维结构和运动员表现的提高与心理技能和心理韧性密切相关[6]，即“自然或既定的心理优势”。一般来说，体育运动的多项要求都要求运动员比对手表现得更好。要比对手更加稳定、一致和有控制力[7]。这些运动员除了发展心理韧性外，还采用了心理技能来保持这种心理韧性[8]。运动员可以学习特定技能如何改善心理稳定性的发展和维持[9]。体育心理学家已经启动了与体育运动有关的心理能力的心理测量特性，这些特性已经确定并测量了运动员的心理状态，以方便进一步咨询[10]。此外，问卷还测量了特定领域的因素，例如焦虑和PSIS（运动心理技能清单）团队因素、ACSI-28（运动应对技能量表-28）、APSI（运动心理技能清单）应对技能以及在绩效策略测试中的表现改进[11]。对运动员的心理支持主要包括以下几个方面：](/simg/5/5ce585af5254d19f2677b947d93cac6fcb629134.png)
ISSN 1330-3651（印刷版），ISSN 1848-6339（在线版） https://doi.org/10.17559/TV-20240123001285 原创科学论文 基于多媒体数据分析和人工智能的智能体育教学跟踪系统 徐嘉辉*，齐大陆，刘爽 摘要：近年来，体育环境已经意识到身体和心理特征的重要性。体育工作人员、运动员和教练员已经表明，新的理论和治疗方法可用于增强心理。个人社会生活中的基本需求是城市公共体育。本文在均等化公共服务的基础上，提供了均等化公共体育的城市设施。国家一致的规则可以提供城市公共体育产品和服务，这些产品和服务对公民来说是基本的，考虑到他们的生计和娱乐需求。本文提出利用语义多层次结构方程模型（SMSEM）来评估城市公共体育服务的运动心理需求，目的是紧密围绕群众的体育需求，提高政府城市公共体育服务供给的质量和效率，推动城市体育休闲城市建设，让更多人享受城市公共体育，保障人民群众的基本体育权利。积极心理学的成长具有广泛的理论和应用领域，丰富了新的体育心理学理论和应用。心理监测与体育锻炼的关系最密切的是竞技体育领域。心理指导正朝着系统化、专业化的方向发展。在未来的应用中，从体育心理学中获得的成果更具适用性。关键词：人工智能；多媒体数据分析；语义；运动心理；城市公共体育1引言运动员的运动表现由心理、身体和社会因素来评价[1]。教练员认为，通过提高运动员的心理能力可以提高运动员的运动成绩[2]。心理干预对游泳、足球、垒球、滑冰、高尔夫和网球等多项运动的运动员表现有积极影响 [3]。高水平表现研究比较了不同的运动员，报告了成功运动员的理想心理特征，包括：焦虑的自我调节、高度集中、高度自信、焦虑控制、积极的运动关注和决心以及参与度 [4]。研究表明，运动员具有获得成功的敏锐心理能力 [5]。心理因素的相似性，多维结构和运动员表现的提高与心理技能和心理韧性密切相关[6]，即“自然或既定的心理优势”。一般来说，体育运动的多项要求都要求运动员比对手表现得更好。要比对手更加稳定、一致和有控制力[7]。这些运动员除了发展心理韧性外，还采用了心理技能来保持这种心理韧性[8]。运动员可以学习特定技能如何改善心理稳定性的发展和维持[9]。体育心理学家已经启动了与体育运动有关的心理能力的心理测量特性，这些特性已经确定并测量了运动员的心理状态，以方便进一步咨询[10]。此外，问卷还测量了特定领域的因素，例如焦虑和PSIS（运动心理技能清单）团队因素、ACSI-28（运动应对技能量表-28）、APSI（运动心理技能清单）应对技能以及在绩效策略测试中的表现改进[11]。对运动员的心理支持主要包括以下几个方面：
ISSN 1330-3651（印刷版），ISSN 1848-6339（在线版） https://doi.org/10.17559/TV-20240123001285 原创科学论文 基于多媒体数据分析和人工智能的智能体育教学跟踪系统 徐嘉辉*，齐大陆，刘爽 摘要：近年来，体育环境已经意识到身体和心理特征的重要性。体育工作人员、运动员和教练员已经表明，新的理论和治疗方法可用于增强心理。个人社会生活中的基本需求是城市公共体育。本文在均等化公共服务的基础上，提供了均等化公共体育的城市设施。国家一致的规则可以提供城市公共体育产品和服务，这些产品和服务对公民来说是基本的，考虑到他们的生计和娱乐需求。本文提出利用语义多层次结构方程模型（SMSEM）来评估城市公共体育服务的运动心理需求，目的是紧密围绕群众的体育需求，提高政府城市公共体育服务供给的质量和效率，推动城市体育休闲城市建设，让更多人享受城市公共体育，保障人民群众的基本体育权利。积极心理学的成长具有广泛的理论和应用领域，丰富了新的体育心理学理论和应用。心理监测与体育锻炼的关系最密切的是竞技体育领域。心理指导正朝着系统化、专业化的方向发展。在未来的应用中，从体育心理学中获得的成果更具适用性。关键词：人工智能；多媒体数据分析；语义；运动心理；城市公共体育1引言运动员的运动表现由心理、身体和社会因素来评价[1]。教练员认为，通过提高运动员的心理能力可以提高运动员的运动成绩[2]。心理干预对游泳、足球、垒球、滑冰、高尔夫和网球等多项运动的运动员表现有积极影响 [3]。高水平表现研究比较了不同的运动员，报告了成功运动员的理想心理特征，包括：焦虑的自我调节、高度集中、高度自信、焦虑控制、积极的运动关注和决心以及参与度 [4]。研究表明，运动员具有获得成功的敏锐心理能力 [5]。心理因素的相似性，多维结构和运动员表现的提高与心理技能和心理韧性密切相关[6]，即“自然或既定的心理优势”。一般来说，体育运动的多项要求都要求运动员比对手表现得更好。要比对手更加稳定、一致和有控制力[7]。这些运动员除了发展心理韧性外，还采用了心理技能来保持这种心理韧性[8]。运动员可以学习特定技能如何改善心理稳定性的发展和维持[9]。体育心理学家已经启动了与体育运动有关的心理能力的心理测量特性，这些特性已经确定并测量了运动员的心理状态，以方便进一步咨询[10]。此外，问卷还测量了特定领域的因素，例如焦虑和PSIS（运动心理技能清单）团队因素、ACSI-28（运动应对技能量表-28）、APSI（运动心理技能清单）应对技能以及在绩效策略测试中的表现改进[11]。对运动员的心理支持主要包括以下几个方面：
