XiaoMi-AI文件搜索系统
World File Search System模糊推理
阐明模糊推理的脑电图特征 -
发现降钙素基因相关肽（CGRP）及其在偏头痛病理生理学中的作用已导致偏头痛治疗的进步。自2018年以来，食品药品监督管理局（FDA）批准了针对CGRP配体或受体和3个口服小分子CGRP受体拮抗剂的四种单克隆抗体（MAB）疗法。这些靶向疗法已被证明对成人偏头痛的预防或急性治疗是安全有效的。鉴于其效率和耐受性，CGRP抑制剂已彻底改变了偏头痛治疗的方法。从理论上讲，在该治疗类别中结合疗法可能会导致更多的CGRP封锁，并随后改善患者的结局。目前有提供者在临床实践中结合了CGRP疗法。但是，有关此实践的效率和安全性有限的数据。此迷你审查提供了可用数据的摘要，并在结合CGRP疗法以进行偏头痛治疗时提出了重要的注意事项。
基于模糊推理的能源管理系统优化的可再生能源与电池存储系统优化配置
摘要：规划可再生能源和电池存储系统的最佳运行的主要问题是必须考虑覆盖整个观察期的数据量。如果观察期为一年，则考虑特征日或平均数据（每日、每周或每月平均值）以减少数据量。由于输入数据的平均值与实际值不同，最好使用年度级别的每小时或 15 分钟数据。该研究提出了一个解决可再生能源和电池存储系统优化分配和运行问题的框架。所提出的方法同时解决了考虑年度级别的每小时数据的优化分配和能源管理问题。提出了基于模糊推理的系统来调度电池存储系统和可再生能源的最佳配置。开发的模糊推理系统管理光伏和风力发电系统的功率因数、沼气厂的功率因数和输出以及电池存储系统的运行状态。所提出的方法同时找到了能源管理系统的最优参数以及可再生能源和电池存储系统的最优分配和运行。所开发的方法基于稳态功率流的计算。所提出的方法将在设计阶段用于安装各种可再生能源和电池存储系统。此外，该方法还旨在用于在稳态运行期间最优地控制能源的功率输出和储能系统的运行，以便以最小的年有功电能损耗运行配电网。所开发的方法应用于具有 37 个节点的测试配电系统 IEEE。与没有可再生能源和电池存储系统的基准情况相比，测试配电系统的年能源损耗减少了约 80%。
关于“模糊...
随着信息技术的发展，基于模糊的系统在计算智能上很流行，并应用于信息科学，数学，控制工程和消费电子等领域。尤其是在消费电子领域中，基于模糊的系统有助于基于数据和知识的建模，并处理具有数量和定性复杂性的现实世界问题，并在维度和不确定性中处理。基于模糊的系统与消费电子设备的婚姻将以人们与设备互动的方式进行革命。从基于细微的因素调整温度的智能恒温器中，以了解语言的微妙之处的语音助手，基于模糊的系统为我们的小工具带来了类似人类的理解和适应性。处理不确定性和不准确的能力为更个性化，高效和以用户为中心的体验铺平了道路。随着消费电子领域的不断发展，其与模糊逻辑的集成将发挥更大的重要作用，预计会扩展，从而提供更智能和以用户的解决方案。因此，当传统的二元逻辑无法处理不精确或不确定的信息时，基于模糊的系统是宝贵的。
自适应神经模糊推理系统用于对五种主要类型的脑肿瘤进行分类
1 15.5399 446.433 0.000108 0.000127 0.2816 3.6817 2 14.7607 427.681 0.000126 0.000151 0.2933 3.5751 3 15.5426 447.411 0.000108 0.000127 0.2810 3.6939 4 15.3294 434.847 0.000116 0.00014 0.2762 3.7014 5 15.9980 466.920 0.0001 0.000118 0.2718 3.8210 6 16.2995 455.317 0.000972 0.000117 0.2540 3.8918 7 16.8535 461.050 0.000906 0.00011 0.2365 3.9722 8 15.2010 463.274 0.000113 0.000132 0.2981 3.6796 9 13.6257 406.182 0.00015 0.000185 0.3333 3.2856 10 13.9531 413.331 0.000143 0.000175 0.3219 3.4029 11 13.1538 400.748 0.000161 0.000200 0.3529 3.2298 12 14.2234 417.177 0.000137 0.000165 0.3123 3.4526 13 13.6782 420.489 0.000142 0.000167 0.3506 3.2687 14 13.5103 417.582 0.000144 0.000169 0.3583 3.1849 15 13.2064 412.893 0.000151 0.000178 0.3698 3.1134 16 12.3658 388.257 0.000181 0.000226 0.3857 3.0153 17 12.9241 397.207 0.000167 0.00021 0.3573 3.2094 18 13.5875 407.496 0.000151 0.000185 0.3342 3.3352 19 14.2193 425.415 0.000137 0.000164 0.3174 3.4692 20 14.9834 443.361 0.000118 0.000138 0.3040 3.5664 表2 归一化灰阶MRI图像特征向量 图像序列
使用模糊推理的几何特征和过程参数优化激光沉积AISI 316钢
1生产工程毕业后计划，巴西圣保罗卫理公会大学。2工程学校，麦肯齐长老会大学，圣保罗，巴西。3古巴圣地亚哥de Cuba的Oriente University机械与工业工程学院。 4巴拉那帕拉纳帕拉纳联邦技术大学的客座教授。 5 Insper-巴西圣保罗教育与研究所。 *通讯作者：dtasev88@gmail.com摘要激光金属沉积（LMD）工艺是一种增材制造技术，由于其能力具有复杂的几何形状和不同类型的金属材料，因此吸引了汽车和航空工业的兴趣。 但是，沉积层的结构和制成部分的几何特性受沉积过程参数之间的相互作用的影响。 在本文中，使用模糊推理（FIS）技术来开发两个模型，以预测几何特性，并使用AISI 316不锈钢粉末和底物优化LMD工艺参数。 基于阶乘分析的实验设计用于将所选沉积过程参数，激光功率（LP），粉末流量（PF）和焦距（FL）与过程的几何特征珠高（BH），珠宽度（BW），渗透深度（DP），渗透（DP）和湿度（DP）和湿度（WA）相关联。 因子LP和FL使用三个操作水平：LP = 225 W，250 W，275 W，FL = 4.8 mm，5.0 mm，5.2 mm。 使用两个级别的因子PF，9.40 g/s和13.35 g/s。3古巴圣地亚哥de Cuba的Oriente University机械与工业工程学院。4巴拉那帕拉纳帕拉纳联邦技术大学的客座教授。5 Insper-巴西圣保罗教育与研究所。 *通讯作者：dtasev88@gmail.com摘要激光金属沉积（LMD）工艺是一种增材制造技术，由于其能力具有复杂的几何形状和不同类型的金属材料，因此吸引了汽车和航空工业的兴趣。 但是，沉积层的结构和制成部分的几何特性受沉积过程参数之间的相互作用的影响。 在本文中，使用模糊推理（FIS）技术来开发两个模型，以预测几何特性，并使用AISI 316不锈钢粉末和底物优化LMD工艺参数。 基于阶乘分析的实验设计用于将所选沉积过程参数，激光功率（LP），粉末流量（PF）和焦距（FL）与过程的几何特征珠高（BH），珠宽度（BW），渗透深度（DP），渗透（DP）和湿度（DP）和湿度（WA）相关联。 因子LP和FL使用三个操作水平：LP = 225 W，250 W，275 W，FL = 4.8 mm，5.0 mm，5.2 mm。 使用两个级别的因子PF，9.40 g/s和13.35 g/s。5 Insper-巴西圣保罗教育与研究所。*通讯作者：dtasev88@gmail.com摘要激光金属沉积（LMD）工艺是一种增材制造技术，由于其能力具有复杂的几何形状和不同类型的金属材料，因此吸引了汽车和航空工业的兴趣。但是，沉积层的结构和制成部分的几何特性受沉积过程参数之间的相互作用的影响。在本文中，使用模糊推理（FIS）技术来开发两个模型，以预测几何特性，并使用AISI 316不锈钢粉末和底物优化LMD工艺参数。基于阶乘分析的实验设计用于将所选沉积过程参数，激光功率（LP），粉末流量（PF）和焦距（FL）与过程的几何特征珠高（BH），珠宽度（BW），渗透深度（DP），渗透（DP）和湿度（DP）和湿度（WA）相关联。因子LP和FL使用三个操作水平：LP = 225 W，250 W，275 W，FL = 4.8 mm，5.0 mm，5.2 mm。使用两个级别的因子PF，9.40 g/s和13.35 g/s。差异分析允许识别PF影响BH，BH/BW比率，D和WA。激光功率（LP）的增加导致几何特征BW和DP的增加。第一个FI，用于预测珠的几何特性，具有高足够的（相对误差高达8.43％），用于评估EX的体验条件。考虑到所研究的工作条件和评估的变量，第二FI表示最佳相互作用。使用沉积过程参数LP = 250 W，FL = 5 mm，PF = 9.40 g/s，获得了最大输出解体指数（ODI = 0.845）。关键字：激光金属沉积，模糊推理，珠几何预测，沉积过程参数，AISI 316不锈钢1.简介
模糊控制
模糊控制是各种具有挑战性的控制应用的实用替代方案，因为它提供了一种通过使用启发式信息构建非线性控制器的便捷方法。此类启发式信息可能来自充当过程“人在环”控制器的操作员。在模糊控制设计方法中，我们要求该操作员写下一组有关如何控制过程的规则，然后将其纳入模拟人类决策过程的模糊控制器中。在其他情况下，启发式信息可能来自对特定过程进行过大量数学建模、分析和控制算法开发的控制工程师。同样，此类专业知识被加载到模糊控制器中，以自动化专家的推理过程和行动。无论启发式控制知识来自何处，模糊控制都提供了一种用户友好的形式化来表示和实施我们关于如何实现高性能控制的想法。在本书中，我们从控制工程的角度介绍了模糊控制。我们既关注构建非线性控制器以应对具有挑战性的实际应用，也关注对模糊控制系统动态的基本理解，以便我们在实施之前能够从数学上验证其属性（例如稳定性）。我们强调工程评估
模糊AHP和模糊维科的比较分析...
塔林技术大学机械与工业工程系，Ehitajate Tee 5，19086 Tallinn，Estonia B最佳城市中心最佳城市中心，塔林大学技术大学，Ehitajate Tee 5，19086 Tee 5，19086，Estonia，Estonia，Estonia，Estonia，Estonia，2023年11月7日获得了2023年12月18日，在线接受了2022年3月21日，2024年2024年2024年20月202日。这是根据创意共享归因的条款和条件分发的一份开放访问文章4.0国际许可CC（http://creativecommons.org/licenses/4.0）。摘要。在当前的研究中，已经实施了两种广泛使用的多标准决策方法，模糊分析层次结构过程（AHP）和模糊维科尔方法，以优先考虑多标准决策问题的标准。在此，案例研究是一种自动驾驶汽车，塔尔特伊斯·伊斯·阿维（Taltech Iseauto Av Shuttle）是在塔尔特赫大学（Taltech University）开发的。当前问题的标准由专家评估，在形成成对矩阵后，这些矩阵通过算术平均值的最大最小方法汇总。随后在模糊AHP的情况下，通过计算权重并使其标准化，获得了每个标准的相对重要性，从而导致标准的排名。此外，在模糊维科尔方法的情况下，聚合的成对矩阵加权并归一化。呈现并比较从两种方法中获得的排名。讨论了多标准决策方法模糊AHP和Vikor的优势和缺点，该方法用于自动驾驶汽车系统的风险分析。关键字：多标准决策问题，模糊分析层次结构过程（AHP），模糊维科尔方法，标准的优先级，自动驾驶汽车（AV）。简介研究多标准决策（MCDM）问题的重要性在我们日益复杂的决策世界中不能低估。在决策过程的背景下，由于同时考虑了多个经常相互矛盾的标准，因此出现了此类问题。对于对选项的系统评估，MCDM方法提供了一种方法，其中考虑了不同的定性和数值方面。他们的相关性扩展到从商业和工程到环境心理管理和医疗保健的各个领域。这些标准通常并不同等重要，替代方案的性能却大不相同。正式方法对于提供结构化的决策过程是必要的。A number of techniques have been introduced for handling multiple criteria, for instance, evo lutionary optimization [1–4], the analytic hierarchy process (AHP), the technique for order of preference by similarity to ideal solution (TOPSIS), and the vlsekriterijumska optimizacija i kompromisno resenje (multi criteria optimization and compromise solution – Vikor）方法[5-9]。为了确定在自主车辆系统中对这些重要标准进行排名的两种知名MCDM技术的功效，本文比较了AHP和Vikor方法。
模糊控制
模糊控制是各种具有挑战性的控制应用的实用替代方案，因为它提供了一种通过使用启发式信息构建非线性控制器的便捷方法。此类启发式信息可能来自充当过程“人在环”控制器的操作员。在模糊控制设计方法中，我们要求该操作员写下一组有关如何控制过程的规则，然后将其纳入模拟人类决策过程的模糊控制器中。在其他情况下，启发式信息可能来自对特定过程进行过大量数学建模、分析和控制算法开发的控制工程师。同样，此类专业知识被加载到模糊控制器中，以自动化专家的推理过程和行动。无论启发式控制知识来自何处，模糊控制都提供了一种用户友好的形式化来表示和实施我们关于如何实现高性能控制的想法。在本书中，我们从控制工程的角度介绍了模糊控制。我们既关注构建非线性控制器以应对具有挑战性的实际应用，也关注对模糊控制系统动态的基本理解，以便我们在实施之前能够从数学上验证其属性（例如稳定性）。我们强调工程评估