增加可再生能源在电力系统中的份额是成功实现能源转型的关键。最佳可再生能源选址需要采取整体方法,涉及土地、资源、环境和经济数据以及约束。在本文中,我们将太阳能光伏发电渗透到电网的问题视为时空分析,并结合针对政策制定者和投资者的决策支持。我们的目标是寻找新的模型,以最大限度地提高能源渗透和网络稳定性,同时最大限度地降低运营成本。我们展示了如何通过研究围绕共享变电站的多个太阳能光伏园区的最佳聚类来选择太阳能光伏站点以满足这些目标。这是一个组合问题,涉及给定一组光伏站点候选的所有潜在集群。我们的主要贡献在于确定并提出我们的问题与光纤网络设计中解决的所谓 SONET 问题的建模类比。我们展示了这种新的时空光伏园区布局模型如何最大限度地降低运营成本,同时提高所产生的解决方案的能量稳定性。我们还引入了 GIS 预处理步骤来降低所提方法的计算成本。我们根据真实案例研究和法属圭亚那电力系统的数据,将我们提出的基于 SONET 的模型与现有的 GIS 优化模型进行了比较。这种新方法将多个光伏园区聚合成分布在整个领土的集群。以法属圭亚那为例,相同的全球标称功率(≈45 MW)可以分布在 11 个光伏园区和 3 个集群中,而不是 3 个大型光伏园区。结果显示,当考虑到 ⩽ 5 MW 的光伏园区时,每千瓦时发电成本大幅提升,最多可增加 10 MW 的额外安装功率和 16 GWh 的额外发电量。新的集群配置还可确保解决方案的能量稳定性得到提高,从而降低网络管理员和决策者的风险。
无论是电子、模拟还是量子,计算机都是可编程机器。Wilder Penfield 认为大脑实际上是一台计算机,因为他是一个二元论者:心灵编程大脑。如果这种二元论被拒绝,那么将大脑与计算机联系起来需要定义大脑“程序”的含义以及谁可以“编程”大脑。如果大脑在学习时“编程”自己,那么这就是一个隐喻。如果进化“编程”大脑,那么这就是一个隐喻。事实上,在神经科学文献中,脑机通常不被用作类比,即作为明确的比较,而是被用作隐喻,通过将计算机领域的术语引入神经科学话语:我们断言大脑计算声音的位置,我们想知道感知算法如何在大脑中实现。当试图对这些术语进行精确的生物学描述时,会出现相当大的困难,这表明我们确实在处理一个隐喻。隐喻既有用又具有误导性。脑机隐喻的吸引力在于它有望连接生理和心理领域。但它具有误导性,因为这一承诺的基础是计算机术语本身是从心理领域(计算、记忆、信息)引入的。换句话说,脑机隐喻提供了一种还原论的认知观点(所有认知都是计算),而不是隐藏在隐喻背后的自然主义认知理论。
© 2024 作者。开放存取。本文根据知识共享署名 4.0 国际许可协议获得许可,允许以任何媒介或格式使用、共享、改编、分发和复制,只要您给予原作者和来源适当的信任,提供知识共享许可的链接,并指明是否进行了更改。本文中的图像或其他第三方材料包含在文章的知识共享许可中,除非在材料的致谢中另有说明。如果材料未包含在文章的知识共享许可中,并且您的预期用途不被法定法规允许或超出允许用途,则您需要直接从版权所有者处获得许可。要查看此许可证的副本,请访问 http://creativecommons.org/licenses/by/4.0/。
本文探讨了科幻小说在军事太空政策早期发展中的作用。它研究了三个科幻小说主题:太空作为前沿的概念、对核末日的恐惧以及人类太空飞行的中心主题。本文使用 Yuen Foong Khong 的类比解释框架,认为纸浆时代的科幻小说帮助政策制定者确定形势的性质、提供政策处方、评估道德正确性,并在两个案例中警告其他选择的危险。相反,本文评估认为,与历史类比不同,科幻小说的未来类比或主题无助于评估利害关系或预测特定政策决策成功的机会。本文及时提醒我们,如果正确使用科幻小说,它通常是调查和分析想象的未来战争场景的有用工具。随着下一个太空探索时代的到来,以及美国军方组建太空部队并重新将重点放在保护和防御任务上,科幻小说为研究新的政策替代方案提供了途径。
文献中讲了很多类比在思维中的重要性,但只给出了一个类比推理的例子。作者认为,类比在思维方面有着更广泛的含义,是三段论与隐喻、知觉与比较、归纳与演绎、抽象的分类与构造等思维机制的基本功能,这些都将在报告中举例说明。作者还批评了结构类比作为类比实现方式的主导假设,并提出了另一个基于上下文的类比原则。将展示如何从句法谓词获得词汇类比,这为基于神经网络以外的原理构建人工智能提供了基础。
简介 十一年前,马希尔 (Maher) 问道:“谁在创造?” (Maher 2012),并提出了几个创造性应用的分析空间,包括构思和互动两个维度。马希尔的问题引出了乔丹诺斯 (Jordanous) 的 PPP 视角框架,其中创造行为可以由人类或人工智能 (Jordanous 2016) 执行,以及坎托萨洛 (Kantosalo) 和塔卡拉 (Takala) 的 5C 框架,其中创造行为由人类和人工智能共同组成的集体执行 (Kantosalo and Takala 2020)。1然而,对于人与人工智能互动中创造力的位置,人们的共识较少。混合主动性创造性界面方法提出了一组基本的细粒度活动,这些活动可以由人类或人工智能以某种结构化对话的形式执行(Deterding 等人,2017 年;Spoto 和 Oleynik,2017 年),随后扩展到生成应用(Muller、Weisz 和 Geyer,2020 年),针对特定算法方法进行了改进(Grabe、Duque 和 Zhu,2022 年),并针对其他算法方法进行了批评(Zheng,2023 年)。虽然这些方法生成了重叠的分析动作词汇,但它们并没有解决创造力在何处发生(以及由谁或什么通过这些动作发生)的问题。在这篇短文中,我们提供了对该问题的一个答案的几个例子。我们重新利用 Kantosalo 和 Takala (2020) 的 5C 中的集体概念,提出一种类型的创造力可能会在以下互动空间中不对称地出现 (Rezwana and Maher 2022)
摘要:机器学习对科学、技术、健康以及计算机和信息科学等多个领域产生了重大影响。随着量子计算的出现,量子机器学习已成为研究复杂学习问题的一种新的、重要的途径。然而,关于机器学习的基础存在着大量的争论和不确定性。在这里,我们详细阐述了一种称为玻尔兹曼机的通用机器学习方法与费曼对量子和统计力学的描述之间的数学联系。在费曼的描述中,量子现象源于路径的优雅加权和(或叠加)。我们的分析表明,玻尔兹曼机和神经网络具有相似的数学结构。这允许将玻尔兹曼机和神经网络中的隐藏层解释为路径元素的离散版本,并允许对机器学习进行类似于量子和统计力学的路径积分解释。由于费曼路径是对干涉现象和与量子力学密切相关的叠加原理的自然而优雅的描述,这种分析使我们能够将机器学习的目标解释为通过网络找到路径和累积路径权重的适当组合,从而累积地捕获给定数学问题的 x 到 y 映射的正确属性。我们不得不得出结论,神经网络与费曼路径积分有着天然的联系,因此可能提供了一种被视为量子问题的途径。因此,我们提供了适用于玻尔兹曼机和费曼路径积分的通用量子电路模型。
摘要本研究有两个主要目标。首先,它旨在检查教师在大学一般生物学课程中使用有关“跨几代的DNA保护”所使用的类比。第二,它旨在检查根据Thiele和Treagust的框架中使用的类比。在本研究中采用了定性研究设计,以深入研究案例。从一名一般生物学课程中的教师那里收集了35年的教学和研究经验的数据。根据结果,讲师使用了许多类比,但是其中七个即将解释几代人的DNA保护。通过引用讲师和数字和上述分类框架来分析这些类比。注意到,讲师对DNA使用的大多数类比都是结构性功能,口头式,混凝土,富集和嵌入的激活剂。供学生正确学习诸如DNA之类的抽象概念,这项研究提供了类比的示例,这些示例已通过良好的相似性关系与源头和目标之间的相似性关系进行了尝试,从而吸引了学生参加课程。在以后的研究中,可以测试类比对学生成就和解决问题技能的有效性。
Drew论文是屡获殊荣的硕士论文,被高级空气和太空研究学院(SAASS),麦克斯韦AFB,阿拉巴马州的出版。这一系列论文纪念了美国空军丹尼斯·丹尼·德鲁(Dennis“ Denny” Drew)的杰出职业。在30年的航空大学,Drew上校曾在Air Command and Compast College教职员工任职,执导了Air Power Research Institute,并担任Saass的Dean,Assoid Dean和军事战略教授。 Drew上校是空军最广泛发表的作者之一,也是国际发言人,需求量很高。 他已经向航空大学和外国军事观众讲授了100,000多名学生。 1985年,他因对航空大学的常规贡献而获得了Muir S. Fairchild奖。 在2003年,内斯·埃兰兹(Neth Erlands)的比阿特里克斯(Queen Beatrix)为他在荷兰皇家荷兰空军的教育贡献而成为橙色纳沙勋章的骑士。在30年的航空大学,Drew上校曾在Air Command and Compast College教职员工任职,执导了Air Power Research Institute,并担任Saass的Dean,Assoid Dean和军事战略教授。Drew上校是空军最广泛发表的作者之一,也是国际发言人,需求量很高。他已经向航空大学和外国军事观众讲授了100,000多名学生。1985年,他因对航空大学的常规贡献而获得了Muir S. Fairchild奖。在2003年,内斯·埃兰兹(Neth Erlands)的比阿特里克斯(Queen Beatrix)为他在荷兰皇家荷兰空军的教育贡献而成为橙色纳沙勋章的骑士。