XiaoMi-AI文件搜索系统
World File Search System离线
自动奖励从混杂的离线数据
抽象的奖励成型已被证明是加速增强学习过程（RL）代理的有效技术。虽然在经验应用方面取得了成功，但良好的塑形功能的设计原则上的理解较少，因此通常依赖于领域的专业知识和手动设计。为了超越这个限制，我们提出了一种新型的自动化方法，用于设计离线数据的奖励功能，可能被未观察到的混杂偏见污染。我们建议使用从离线数据集计算出的因果状态值上限作为对最佳状态价值的保守乐观估计，然后用作基于潜在的基于潜在的重新塑造（PBR）的状态电位。根据UCB原则，将我们的塑造功能应用于无模型学习者时，我们表明，它比学习者而没有塑造的学习者享有更好的差距遗憾。据我们所知，这是通过在线探索中限制PBR的第一个依赖差距的遗憾。模拟支持理论发现。
使用离线优化方法实现独立数据中心最佳可再生能源供应
由于数据中心的能源消耗和二氧化碳排放量不断增加，ANR DATAZERO2 项目旨在设计完全依靠本地可再生能源和存储设备运行的自主数据中心，以克服间歇性问题。为了优化可再生能源和存储设备的使用，MILP 求解器通常负责分配要提供给数据中心的电力。但是，为了减少计算时间并使方法可扩展，使用多项式时间算法会更合适。本文旨在展示和证明，通过使用二分搜索方法的确定性算法可以提供最佳功率分布。考虑到初始问题的主要约束，大量实验结果显示出与 MILP 给出的结果相似的结果。这些有希望的结果鼓励我们继续朝这个方向努力，提出一种考虑不确定性的数据中心电源高效管理方法。
无线电资源管理的离线和分配强化学习
摘要 - 预言学习（RL）已被证明在未来的智能无线网络中起着有希望的作用。在线RL已用于无线电资源管理（RRM），接管了传统计划。但是，由于依靠与环境的在线互动，其作用在在线互动不可行的实际，现实世界中受到限制。此外，在现实世界随机环境中的不确定性和风险面前，传统的RL在不确定性和风险面前处于短缺状态。以这种方式，我们为RRM问题提出了一个离线和分配RL方案，可以使用静态数据集启用离线培训，而无需与环境相互作用，并使用退货的分布来考虑不确定性的来源。仿真结果表明，所提出的方案的表现优于常规资源管理模型。此外，这是唯一超过在线RL的方案，比在线RL增长10％。索引术语 - 分布强化学习，离线强化学习，无线电资源管理
涉及感觉运动控制的多任务处理过程中的错误相关电位：脑机接口的 ERP 和离线解码研究
人类通过感知和应对错误来实现高效的行为。错误相关电位 (ErrP) 是在感知错误时发生的电生理反应。有人提出利用 ErrP 来提高脑机接口 (BCI) 的准确性，利用大脑的自然错误检测过程来提高系统性能。然而，外部和环境因素对 ErrP 可检测性的影响仍然不太清楚，特别是在涉及 BCI 操作和感觉运动控制的多任务场景中。在此，我们假设感觉运动控制的困难会导致多任务处理中的神经资源分散，从而导致 ErrP 特征的减少。为了检验这一点，我们进行了一项实验，其中指示参与者将球保持在板上的指定区域内，同时尝试通过运动想象控制显示屏上的光标。BCI 以 30% 的随机概率提供错误反馈。根据感觉运动控制的难度，我们采用了三种场景——无球（单任务）、轻量球（简单任务）和重量球（困难任务）——来描述 ErrP。此外，为了研究多任务对 ErrP-BCI 性能的影响，我们离线分析了单次试验分类准确度。与我们的假设相反，改变感觉运动控制的难度不会导致 ErrP 特征发生显著变化。然而，多任务会显著影响 ErrP 分类准确度。事后分析显示，在单任务 ErrP 上训练的分类器在困难任务场景下准确度降低。据我们所知，这项研究是首次在离线框架内研究在涉及感觉运动控制和 BCI 操作的多任务环境中 ErrP 是如何被调节的。尽管 ErrP 特征保持不变，但观察到的准确度变化表明，在实现基于 ErrP 的实时 BCI 之前，需要设计考虑任务负荷的分类器。
评估野外的顺序建议：关于离线准确性，点击率和消费的案例研究
摘要。顺序建议问题近年来已经增加了研究兴趣。我们对实践中连续算法的有效性的了解是有限的。在本文中，我们在视频和电影流平台上报告了A/B测试的结果，在该平台上，我们根据非顺序，个性化的推荐模型以及基于受欢迎程度的基线对顺序模型进行了测试。与我们从前面的离线实验中期望的相反，我们观察到基于受欢迎程度和非顺序模型导致了最高点击率。但是，就建议而言，在观看时间方面，顺序模型是最成功的模型。我们的工作指出了顺序模型在实践中的有效性，但它也使我们想起了有关（a）经典离线评估的有时含义的预测能力的重要开放挑战，以及（b）优化点击率率的建议模型的危险。
B.Sc的日期表V学期考试，...离线2024年12月M. Tech-CSE - （人工智能与机器学习）
Phi/Pearson教育。2。人工智能，Kevin Knight，Elaine Rich，B。ShivashankarNair，第三版，2008年。3。人工神经网络，B。YagnaNarayana，Phi。4。人工智能，第二版，E。Rich和K. Knight（TMH）。5。人工智能和专家系统 - 帕特森，菲。6。专家系统：原理和编程 - 第四版，吉兰塔纳/莱利，汤姆森。7。人工智能的序言编程，伊万·布拉特卡（Ivan Bratka） - 第三版，皮尔逊教育（Pearson Education）。8。神经网络，西蒙·海金（Simon Haykin），菲（Phi）。9。人工智能，第三版，帕特里克·亨利·温斯顿（Patrick Henry Winston），皮尔逊版。纸张设置器的注意：将总共设置九个问题。问题编号1将是涵盖整个教学大纲的客观/简短答案类型，将是强制性的。剩下的八个问题将在各个部分设置，每个单元的两个问题。候选人将被要求在Q.1（强制性）和其他四个问题中总共尝试五个问题，从每个单元中选择一个问题。还将提供一个问题纸模板。
逻辑离线迁移到Oracle数据库上的ADB-S@ ...
Oracle零停机时间迁移（ZDM）是Oracle最大可用性体系结构（MAA） - 要求将Oracle数据库迁移到Oracle Cloud的解决方案。ZDM的固有设计牢记迁移过程尽可能直接，以确保对生产工作负载的影响最容易产生影响。要迁移的源数据库可以是本地，部署在Oracle云基础架构上，或者是第3派对云。The Target Database deployment can be in Oracle Autonomous Database or Oracle Exadata Database Service on Dedicated Infrastructure (ExaDB-D) on Oracle Database@Azure, Database Cloud Service on Oracle Cloud Infrastructure (OCI) Virtual Machine, Exadata Cloud Service, Exadata Cloud at Customer, and Autonomous Database.ZDM自动化整个迁移过程，减少了人类错误的机会。ZDM利用Oracle数据库集成的高可用性（HA）技术，例如Oracle Data Guard和Goldengate，并遵循所有MAA最佳实践，以确保没有明显的生产环境停机时间。Oracle ZDM支持物理和逻辑迁移工作流。本技术简介涵盖了逻辑离线迁移工作流程的分步指南。
引文 (APA) Asaro, S., Atmaca, D., van Kampen, E., & Vos, R. (2025). 基于离线操控质量模拟的飞机控制面分配
飞翼飞机的商业应用（如本文讨论的 Flying-V）有助于减少航空业产生的碳和氮排放。然而，由于没有尾翼，所有飞翼飞机的可控性都降低了。因此，机翼上控制面的位置和尺寸是一个不小的问题。本文重点介绍如何使用基于认证要求的离线操控质量模拟来解决此问题。在不同的飞行条件下，飞机必须能够执行认证机构定义的一组特定的机动。首先，离线模拟计算执行每个机动所需的升降舵、副翼和方向舵的最小控制权限。然后，根据所有机动的全局最小值，确定控制面的尺寸并沿机翼放置。所采用的气动模型结合使用了雷诺平均纳维-斯托克斯 (RANS) 和涡格法 (VLM) 模拟。使用VLM和用RANS模拟校准的VLM对控制面的控制权限进行评估，发现两者之间存在显著差异。
B.Sc的日期表V学期考试，... 离线2024年12月 M. Tech-CSE - （人工智能与机器学习）
注释：1关于获取问题纸，在回答问题之前，候选人必须检查并确保已提供正确的问题纸。如果问题纸是不正确的，则应将其带给监护人的通知。在这方面的投诉不应接受考试。
通过离线和在线房屋图测试预测阿尔茨海默氏病和轻度认知障碍
摘要 - 用于开发可靠，非侵入性和具有成本效益的方法，用于早期诊断神经退行性疾病（例如轻度认知障碍（MCI）和阿尔茨海默氏病）（AD）。在这方面，基于手写的任务在将MCI和AD患者与健康对照组（HCS）区分开来表明。但是，使用不同的符号和数据表示时，以前的工作报告了结果混合的结果。我们通过开发计算模型（卷积和经常性神经网络）来解决这一研究差距，以将MCI和AD与具有离线（扫描图像）和在线（离散时间序列）房屋图纸的HC区分开。值得注意的是，我们观察到，增强在线数据，然后将其转换为离线格式，我们称为“ Onoff-Line”的方法在二进制分类任务中产生了最佳性能结果。这些发现突出了在线表示在更准确地捕获手写动力学方面的有效性。最终，我们的工作为未来的研究开辟了新的途径，以通过手写分析来增强MCI和AD的自动诊断。索引术语 - 现实的认知障碍，阿尔茨海默氏症的不适，笔迹，绘画，深度学习，分类。