XiaoMi-AI文件搜索系统
World File Search System算上
具有异质细胞的锂离子电池组的健康估计管道
摘要 - 锂离子电池的内部状况，特别是健康状况（SOH），需要仔细监控，以确保安全有效的操作。在本文中，我们提出了用于串联异质细胞的混合在线SOH估计管道。为具有数百至数千个单元的电池组实现单个单元格参数估计方案在计算上是棘手的。使用基于特征的自适应轮询对具有“极端”参数值的单元格进行了解决。此外，使用具有忘记因子的在线递归最小二乘正方形来估计被轮询细胞的电气参数。关键新颖性在于考虑参数的不确定状态依赖性。我们使用稀疏的高斯过程回归来获得参数边界，这是SOC和温度的函数。使用来自LI-NMC细胞的实验数据，通过模拟研究验证了管道。
mumemto：跨pangenomes
将基因组对准共同坐标是pangenome分析和构建的核心，但在计算上也很昂贵。多序列最大唯一匹配（多-MUMS）是用于核心基因组比对的指南，有助于构架和解决多重比对问题。我们介绍了Mumemto，该工具可在大型pangenomes中使用多个粉刺和其他匹配类型。mumemto al-lows用于可视化同义，揭示了异常的组件和脚手架，以及高光pangenome保守和结构变化。Mumemto在25.7小时内使用320个人类基因组组件（960GB）计算多个Mums，并在几分钟内使用800 GB的记忆和数百多个真菌基因组组件计算。mumemto在C ++和Python中实现，并在https：// github上可用。com/vikshiv/mumemto。
使用大语言模型不断发展的机器人形态
摘要 - 我们介绍了Robomorph，这是一种使用大语言模型（LLM）和进化算法生成和优化模块化机器人设计的自动化方法。在此框架中，我们将每个机器人设计表示为语法，并利用LLM的功能来浏览广泛的机器人设计空间，该空间传统上是耗时的，并且在计算上要求。通过集成自动及时设计和基于增强学习的控制算法，Robomorph迭代通过反馈循环来改善机器人设计。我们的实验结果表明，Robomorph可以成功生成非平凡的机器人，这些机器人对单个地形进行了优化，同时展示了与连续演变的形态改善。我们的方法证明了将LLMS用于数据驱动和模块化机器人设计的功能，提供了一种有希望的方法，可以将其扩展到具有类似设计框架的其他域。
glskeleton：几何laplacian骨骼化...
摘要 - 曲线骨架是几何建模和计算机图形群落已知的，它是形状删除者之一，它凭直觉指示对象的拓扑特性。近年来，研究还提出了应用曲线骨骼来协助机器人推理和计划的潜力。但是，原始的扫描点云模型通常不完整且嘈杂。此外，处理大点云在计算上也效率低下。专注于物体不完整和分布较差的对象云的曲线骨骼化，在这项工作中提出了有效的基于Laplacian的骨骼化框架（GLSKeleton）。我们还提出了引入的局部还原策略（LPR）方法的计算效率，而无需牺牲主要的拓扑结构。使用开源数据集进行了全面的实验来基准性能，并且它们在收缩和整体骨骼化计算速度方面都有显着改善。
术语和词汇表 供应链管理
ABC 分类：一种根据库存项目对总控制的影响对其进行分类的方法。ABC 通常使用移动和成本数据来计算上一期间的库存使用价值，并将结果用作根据 80/20 帕累托规则对项目进行排名的要素，以便进行循环盘点，从而将精力集中在那些选定的项目上，并尽可能降低与频繁盘点周转缓慢的项目相关的成本。该组分为 A、B 和 C（有时是 D）类，其中 A 组代表最高值，占项目数量的 10% 到 20%。B、C 和 D（如果使用）组的值较低，但通常数量较多。使用价值较高的项目（20%）盘点更频繁。设置 ABC 级别时使用的特定条形图因组织而异，因为它们会影响对库存的财务控制和盘点所花费的努力水平。
具有特征选择算法的优化计算糖尿病预测
糖尿病是一种威胁生命的疾病，应尽早诊断和治疗。在本文中，递归特征消除率（RFE）和遗传算法（GA）已被用于两种不同患者遗产的两个不同糖尿病数据集的特征选择（FS），并与K-Nearest邻居（KNN）和最佳的糖尿病预测相结合。在我们的论文中，与KNN相比，RF表现出更好的性能。准确度级别也很大程度上取决于所使用的数据集。伊拉克社会糖尿病（ISD）数据集的准确性明显高于使用相同的FS和分类方法的PIMA印度糖尿病（PID）数据集。通过将KNN与RFE或GA结合在FS中可以提高，而与RF结合使用时，RF与COMEN -COMEN -CONDING一起使用。GA在计算上的效率低于RFE，并且表现出较低的精度。
教学大纲PSYC 271 - 大脑与行为部分1
Revel Revel完全数字化，并为您提供了连续的，集成的学习经验。突出显示，注意，练习问题，数字互动以及词汇表，让您可以阅读和学习（包括使用Revel应用程序从移动设备发出离线）。观看此视频以了解更多信息。准备就绪后，加入出版商的课程材料网站。如果您需要帮助，请查看这些启发学生资源。请注意，所有测验，测试，作业等。启示录是可选的 - 它们不会算上您的成绩 - 但建议练习并帮助您学习。可访问性女王大学致力于开发可访问的课程。课程ONQ网站是使用女王的访问性指南设计的。Pearson的课程Etext以及Revel网站也旨在现代可访问性标准。鼓励学生阅读有关Pearson可访问性信息和启用可访问性信息的信息。
神经网络，人工智能和计算大脑
摘要：近年来，几项研究提供了有关大脑功能的见解，该功能由神经元组成，并通过突触之间的互连形成网络。神经网络由神经元的互连系统形成，有两种类型，即人工神经网络（ANN）和生物神经网络（互连神经细胞）。ANN在计算上受人神经元的影响，用于建模神经系统。ANN的推理基础在异常检测中非常有用，在即时医师，电子鼻子，模式识别和建模生物学系统等医学领域。使用人脑的结构进行人工智能的研究，试图通过研究大脑而不是寻找大脑模型的技术来建模系统。本研究探讨了ANN作为生物神经元的模拟器及其应用领域的模拟器的概念。它还探讨了为什么需要像大脑般的智能以及它如何通过将神经网络与当代计算机进行比较及其现代实施来与计算框架的不同。
用COTS设备解密卫星计算的谜团：测量和分析
在大规模低地表轨道卫星星座迅速部署之后，在这些环境中利用商业现成（COTS）设备的全部计算潜力已成为一个紧迫的问题。然而，由于陆地构造与太空中的卫星平台之间的固有差异，理解此问题远非直接。在本文中，我们通过介绍有关卫星上COTS计算设备的治疗控制，电源管理和性能的首次测量研究来缩小这一知识差距的重要一步。我们的测量结果表明，卫星平台和COTS计算设备在温度和能量方面很明显地相互作用，从而在卫星计算上构成了主要约束。此外，我们分析了塑造船上COTS计算设备特征的关键因素。我们为未来的研究提供了指南，以优化用于计算目的的此类设备。最后，我们发布了数据集，以促进卫星计算中的进一步研究。