XiaoMi-AI文件搜索系统
World File Search System替代模型
替代模型驱动的物理信息
基于高斯过程 (GP) 的替代模型具有固有能力，可以捕捉数字孪生框架 Kobayashi 等人 [2022a,b]、Rahman 等人 [2022]、Khan 等人 [2022] 的建模和仿真组件中存在的由于数据有限、数据缺失、数据缺失和数据不一致（噪声/错误数据）而引起的异常，特别是对于事故容错燃料 (ATF) 概念。但是，当我们拥有有限的高保真度（实验）数据时，GP 不会非常准确。此外，使用 GP 应用高维函数（>20 维函数）来近似预测具有挑战性。此外，噪声数据或包含错误观测值和异常值的数据是高级 ATF 概念面临的主要挑战。此外，控制微分方程对于长期 ATF 候选者来说是经验性的，数据可用性是一个问题。基于物理的多保真度克里金法 (MFK) 可用于识别和预测所需的材料特性。MFK 特别适用于低保真度物理（近似物理）和有限的高保真度数据 - 这是 ATF 候选者的情况，因为数据可用性有限。本章探讨了该方法，并介绍了其在 ATF 实验热导率测量数据中的应用。MFK 方法对少量无法通过传统克里金法建模的数据显示出其重要性。用这种方法构建的数学模型可以轻松连接到后期分析，例如不确定性量化和敏感性分析，并有望应用于基础研究和广泛的产品开发领域。本章的总体目标是展示可以嵌入 ATF 数字孪生系统的 MFK 替代品的能力。
机械动力学的机器学习替代模型
图1：通过正交投影（绿色三角形）校正a）校正a）纠正预测，嘈杂和划分的浓度（蓝色三角形），b绿色三角形）b）在缩放模型的缩放范围的缩放范围的范围（缩放量表）中的缩放范围（缩放量表）的正交投影（）缩放量表的标准循环范围（）浓度空间和与来自A）的thogonal投影进行了比较。
弗吉尼亚 - VFC - 替代模型 - 简化 - ...
• 资格审查是 VFC 计划的一项要求，以便供应商确定使用哪种疫苗库存，公立还是私立 • 在 VFC 计划的“传统”登记中，必须将公立和私立疫苗库存分开 • 接种疫苗前的资格审查和医院环境中疫苗库存的分离是医院登记弗吉尼亚州 VFC 计划的障碍。 • 根据弗吉尼亚州 VFC 替代模式进行供应商登记允许供应商仅拥有一个疫苗库存，并且无需在接种疫苗之前对客户进行筛查。
替代模型在数字技术发展中的作用...
数字孪生技术在航空航天、基础设施和汽车等各个工业领域具有广泛的应用前景、相关性和潜力。然而，由于具体应用不明确，这项技术的采用速度较慢。本文使用离散阻尼动态系统来探索数字孪生的概念。由于数字孪生也有望利用数据和计算方法，因此在这种情况下使用替代模型是一个令人信服的例子。在这种协同作用的推动下，我们探索了在数字孪生技术中使用替代模型的可能性。特别是，我们探索了在数字孪生技术中使用高斯过程 (GP) 模拟器。GP 具有处理噪声和稀疏数据的固有能力，因此，在数字孪生框架内使用 GP 是一个令人信服的例子。考虑了涉及刚度变化和质量变化的情况，分别考虑了不同程度的数据噪声和稀疏性。我们的数值模拟结果清楚地表明，GP 模拟器等替代模型有可能成为开发数字孪生的有效工具。分析了与数据质量和采样率相关的方面。总结了本文介绍的关键概念，并提出了未来迫切研究需求的想法。
替代模型在开发中的作用 - arXiv
数字孪生技术在航空航天、基础设施和汽车等各个工业领域具有广泛的应用前景、相关性和潜力。然而，由于具体应用不明确，这项技术的采用速度较慢。本文使用离散阻尼动态系统来探索数字孪生的概念。由于数字孪生也有望利用数据和计算方法，因此在这种情况下使用替代模型是一个令人信服的例子。在这种协同作用的推动下，我们探索了在数字孪生技术中使用替代模型的可能性。特别是，我们探索了在数字孪生技术中使用高斯过程 (GP) 模拟器。GP 具有处理噪声和稀疏数据的固有能力，因此，在数字孪生框架内使用 GP 是一个令人信服的理由。考虑了涉及刚度变化和质量变化的情况，分别考虑了不同程度的数据噪声和稀疏性。我们的数值模拟结果清楚地表明，GP 模拟器等替代模型有可能成为开发数字孪生的有效工具。分析了与数据质量和采样率相关的方面。总结了本文介绍的关键概念，并提出了未来迫切研究需求的想法。
血浆湍流的生成机器学习替代模型
首次采用了生成人工智能中最新的技术来构建血浆湍流的替代模型，以实现长时间的传输模拟。拟议的步态（生成人工智能湍流）模型基于卷卷变量自动编码器的耦合，该模型将已预先计算的湍流数据编码为减少潜在的神经网络和深层神经网络，并产生新的湍流，该新的湍流是400倍的湍流，该湍流是400倍的富指向数字集成。该模型应用于谷川 - 瓦卡塔尼（HW）等离子体湍流模型，该模型与地球体流体动力学中使用的准真实性模型密切相关。在时空傅立叶和适当的正交分解光谱以及以Okubo-Weiss分解为特征的流程傅立叶和适当的正交分解光谱中，步态和HW模型之间的一致性非常好。一致性也可以在粒子位移的概率分布函数和有效的湍流扩散率中找到。
气体附录：为自动驾驶汽车系统生成快速准确的替代模型
图1显示了在玉米田中车辆相机收集的现实世界图像的原始验证数据集上，作物 - 监测工具[1]使用的RESNET-18网络的错误分布。左右图分别用于标题和距离感知误差。直方图显示实际误差频率，而线路显示拟合的正态分布。分布与直方图非常匹配，表明神经网络的误差是正态分布的。图2从视觉上比较了神经网络输出分配与凉亭内捕获的图像预测的分布。红色虚线椭圆和蓝色实心椭圆显示了神经网络输出分布的3σ置信边界和感知模型预测的分布。这两个分布彼此紧密匹配，尤其是当车辆在中心附近并直接指向前方时。
基于傅里叶的替代模型中的窗口补偿...
摘要 — 本文展示了如何在每次相位随机化之后添加第二步窗口来降低基于傅里叶的替代分析中的错误拒绝率。窗口技术减少了傅里叶级数中周期性扩展数据序列边界处的不连续性。然而，它们增加了时间域非平稳性，从而影响替代分析。这种影响对于短低通信号尤其成问题。将相同的窗口应用于替代数据允许具有相同的非平稳性。该方法通过蒙特卡罗模拟在 1 阶自回归过程零假设上进行测试。以前的方法无法同时对左侧和右侧测试产生良好的性能，对双边测试更是如此。结果表明，新方法对于单侧测试和双边测试都是保守的。为了证明所提出的窗口方法在现实环境中是有用的，在这篇扩展论文中，它被应用于 EEG 诊断问题。数据集包含 15 名受试者的 EEG 测量数据，这些受试者分为三组：注意力缺陷障碍主要为多动冲动型 (ADHD)、注意力缺陷障碍主要为注意力不集中型 (ADD)；焦虑症和注意力脆弱型 (ANX)。统计和机器学习 (朴素贝叶斯) 方法均被考虑。平均短窗口 SA (MSWSA) 被用作信号特征，并研究了其相对于窗口系统的性能。主要发现是：(i) MSWSA 特征对于 ADD 的变异性小于对于 ADHD 或 ANX 的变异性，(ii) 所提出的窗口方法降低了 SA 特征的偏差和非正态性，(iii) 使用所提出的方法和朴素贝叶斯分类器，通过留一交叉验证将 ADD 与 ADHD 和 ANX 区分开来的成功率为 93%，以及 (iv) 如果没有所提出的窗口系统，新特征不可能产生有趣的结果。
替代模型选择对蛋白质祖先序列重建的后果
分子进化的最佳拟合替代模型是系统发育感（包括祖先序列重建（ASR））的传统步骤。然而，最近的一些研究表明，应用此过程不会影响系统发育重建的准确性。在这里，我们通过分析蛋白质演化替代模型的选择的影响，重点介绍了使用模拟和真实数据的ASR的准确性。我们发现所选最佳拟合取代模型会产生最准确的祖先序列，尤其是在数据呈现较大的遗传多样性的情况下。的确，在具有相似交换性生存性的替代模型下重建的祖先序列相似，这表明如果所选的最佳拟合模型不能用于重建，则采用类似于所选模型的模型是首选的。我们得出的结论是，建议在蛋白质探测的替代模型之间进行选择，以重建准确的祖先序列。
面向金属增材制造数字孪生的开发多尺度多物理模型及其替代模型
嵌入制造过程数字模型的人工智能 (AI) 可用于显著提高过程生产率和产品质量。此类先进功能的应用，特别是应用于金属增材制造 (AM) 等高度数字化的过程，可能会使这些过程在商业上更具吸引力。AI 功能将驻留在数字孪生 (DT) 中，数字孪生是物理过程的虚拟副本。DT 将能够以诊断控制能力自主运行以监督过程，并且可以由从业者查询以告知任何给定产品的最佳处理路线。从 DT 获得的信息的效用将取决于数字模型的质量，更重要的是，它们更快的解决替代品，这些替代品驻留在 DT 中，以便在快速决策期间进行咨询。在本文中，我们指出了 DT 在 AM 中的特殊价值，并重点关注了为 AM 流程创建高保真多尺度多物理模型以支持 AI 功能的必要性。我们确定了其开发的技术障碍，包括由模型的多尺度和多物理特性引起的障碍、跨尺度和物理链接子过程模型的困难以及实验数据的稀缺性。我们讨论了使用机器学习方法创建代理模型以实时解决问题的必要性。我们进一步确定了非技术障碍，例如标准化的需要和跨不同类型机构合作的困难。在反思和研究了 2019 年国际研讨会上关于该主题的讨论后，我们为所有这些挑战提供了潜在的解决方案。我们认为，与分散的努力相比，协作方法不仅可以帮助加速其发展，而且还可以通过允许模块化开发和考虑 AM 中各个子流程之间相互作用的链接来提高模型的质量。建议制定一个高级路线图来开始这样的合作。