本报告介绍了爱达荷国家实验室为核管理委员会 (NRC) 开展的项目,该项目旨在探索用于运营核电站的先进计算工具和技术,例如人工智能 (AI) 和机器学习 (ML)。该报告回顾了核数据源,重点关注可通过先进计算工具和技术应用的运营经验数据。描述了来自不同来源的工厂特定数据和通用(国内和国际)数据。该报告描述了统计数据与 AI/ML 之间的关系,然后介绍了监督和无监督学习中最广泛使用的 AI/ML 算法。该报告回顾了先进计算工具和技术在核工业各个领域的最新应用,例如反应堆系统设计和分析、工厂运行和维护以及核安全和风险分析。该报告介绍了该项目对 AI/ML 技术在提高先进计算能力方面的潜在适用性的见解,先进的工具和技术如何有助于理解安全和风险,以及需要哪些信息才能为决策者提供有意义的见解。
摘要。大多数有关归纳学习的研究一直关注定性学习,这些学习从给定的事实引起了概念性的逻辑式描述。相比之下,定量学习涉及发现表征经验数据的数值定律。这项研究试图通过结合新开发的启发式方法将方程与先前开发的概念学习方法相结合,以整合两种类型的学习,而归纳学习计划AQ11则体现了这两种学习。结果系统,算法,制定了绑定观察到的数据的子集的方程,并得出了明确的逻辑样式描述,以说明这些方程的适用性条件,此外,还引入了几种新的定量ICARNing技术。单位分析通过检查变量的兼容性“单位”。apportionali o'图搜索解决了识别应输入方程的相关变量的问题。暂停搜索通过启发式评估重点关注搜索空间。物理和化学的几个例子证明了算盘的能力。
摘要 - 目前没有心理上有效的工具来衡量机器人的感知危险。为了填补这一空白,我们提供了感知到的危险的定义,并通过四项研究开发并验证了12个项目的尺度。一个探索性因素分析揭示了感知到的危险的四个细分:情感状态,身体脆弱性,无效和认知准备就绪。验证性因素分析证实了双因素模型。然后,我们将感知到的危险量表与Godspeed感知的安全量表进行了比较,发现感知到的危险量表是经验数据的更好预测指标。我们还在面对面的环境中验证了量表,发现感知到的危险量表对机器人速度的操作敏感,这与以前的经验发现一致。表明,感知到的危险量表是可靠的,有效的,并且是对人类机器人相互作用环境中感知的安全性和感知危险的充分预测指标。索引条款 - 被认为的危险;感知的安全;比例de-velopment
颗粒物是一个日益严重的健康问题,被认为是许多疾病的诱因。为了开发合适的空气过滤系统,我们需要了解颗粒物如何影响空气过滤器。在这个项目中,我们为空气过滤器测试台实施了一个自动数据采集系统。数据采集系统使我们能够收集有关颗粒物如何随时间影响空气过滤器的经验数据。虽然空气过滤器的质量没有达到临界水平,但存在可测量的退化。收集的数据用于训练和验证可以评估空气过滤器质量的机器学习模型。事实证明,这种机器学习是空气过滤器评估的强大工具,对测试数据的执行准确率为 99%。该项目的成果是一个功能齐全的数据采集系统以及一个用户界面,可大大减少执行过滤器测试所需的工时。此外,自动数据采集系统可以在测试台需要更换过滤器或发生某些故障时通知操作员。不幸的是,该项目未能实现其最初的目标,即能够自动确定测试台何时需要维护或重新校准。
o 首先,利用国会在 IRA 中提供的资源,EPA 正与能源部 (DOE) 合作,提供超过 10 亿美元的财政和技术援助,以加速向无排放和低排放石油和天然气技术的过渡,包括用于与低产常规井相关的活动的资金;支持甲烷监测;并减少石油和天然气作业的污染。o 其次,2023 年 8 月 1 日,根据国会的指示,EPA 提议修订温室气体报告计划的 W 分部,以确保石油和天然气作业的甲烷排放报告基于经验数据并准确反映排放量。o 第三,EPA 提议制定一项实施废物排放费的法规。为了在 EPA 和各州努力全面实施最终的《清洁空气法》规则的同时利用近期的甲烷减排机会,国会指示 EPA 根据 W 分部提交的数据对高排放和浪费的大型石油和天然气设施的甲烷排放征收费用。
摘要:通过从专家那里获取知识来识别隶属函数是许多模糊数学规划模型的重要因素。同时,犹豫模糊集理论作为一种已知且流行的现代模糊集,通过在集合下分配一些离散隶属度,可以适当地处理决策问题中的不精确信息。因此,犹豫模糊隶属函数 (HFMF) 估计可以帮助数学规划方法的用户在连续空间问题中提供强大的解决方案。因此,本研究提出了一种基于贝塞尔曲线机制的可能性规划方法来估计 HFMF。在可能性规划方法的过程中,提出了一个优化模型来调整贝塞尔曲线的主要参数,目标是最小化经验数据和拟合 HFMF 之间的 SSE)。之后,通过提出一种新的生物质供应链网络设计问题数学模型来检查所提方法的效率和适用性。最后,提供了关于生物质供应链网络设计的计算实验和验证程序,以仔细检查所提出方法的验证和确认。
颗粒物是一个日益严重的健康问题,被认为是导致许多疾病的原因。为了开发合适的空气过滤系统,我们需要了解颗粒物如何影响空气过滤器。在这个项目中,我们为空气过滤器测试台实施了一个自动数据采集系统。数据采集系统使我们能够收集有关颗粒物如何随时间影响空气过滤器的经验数据。虽然空气过滤器的质量没有达到临界水平,但存在可测量的下降。收集的数据用于训练和验证可以评估空气过滤器质量的机器学习模型。这种机器学习被证明是空气过滤器评估的强大工具,并且在测试数据上的执行准确率为 99%。该项目的结果是一个功能齐全的数据采集系统以及一个用户界面,可大大减少执行过滤器测试所需的工时。此外,自动数据采集系统可以在设备需要更换过滤器或发生某些故障时通知操作员。不幸的是,该项目未能实现其最初的目标,即能够自动确定测试台何时需要维护或重新校准。
摘要。扩散模型已成为生成建模的强大框架。该方法的核心是分数匹配:在不同尺度上,数据分布的嘈杂版本的对数密度的学习梯度。当使用经验数据而不是人口损失评估评分匹配中采用的损失函数时,最小化器对应于时间依赖的高斯混合物的得分。但是,使用此分析可牵引的最小化器会导致数据记忆:在无条件和条件设置中,生成模型都返回训练样本。本文包含对记忆潜在的动力学机制的分析。分析强调了避免重现分析可牵引的最小化器的正规化的必要性;而且,这样做的基础是对如何正规化的原则理解。数值实验研究了:(i)Tikhonov正则化的特性; (ii)旨在促进渐近一致性的正则化; (iii)通过训练神经网络的神经网络的参数不足或提早停止引起的正常化。这些实验是在记忆的背景下评估的,并突出了未来正规化发展的方向。
摘要:在实施行业4.0原理的背景下,持续的革命性社会经济变化尤为明显,旨在增强两类:采取的行动和生产力的效率受过程自动化水平的影响。机器人,自动化和虚拟现实的利用不仅是经济实践环境,而且是个人日常生活的特征。观察到的情况为进行调查研究提供了动力,重点是探索个人在新技术环境中的功能。获得了有关波兰人中选定的技术解决方案的知识,对其本质的理解以及受访者在该领域的进一步演变/回归的信息。反映了研究现实的获得的经验数据似乎与有关技术过程及其相关社会后果的文学研究结果很好。两极已经表明了对经济和日常生活各个部门中先进技术的存在的认识,并且他们经常表达有利的立场,以利用创新的解决方案来证明它们是方便且促进各种任务。这项研究提供了一个机会,可以介绍有关收集材料的初始结论和选定的结论。
摘要:本研究旨在阐明教育背景下的智能手机使用强度,以分析智能手机使用强度的有效性和可靠性构造并确定智能手机使用强度的指标。使用智能手机使用强度量表收集数据。强度量表包括动机、活动持续时间、活动频率、表现、态度方向和兴趣。还使用了通过二阶 CFA 构建的反射结构的 Smart PLS 3.0 程序来协助研究。数据包括日惹第十大学心理学系的 69 名学生。结果表明,智能手机使用强度的维度和指标是有效和可靠的。反映智能手机使用强度构造的最主要维度是兴趣。反映智能手机使用强度构成的最不重要的维度是动机。这表明所有维度和指标都能够反映和形成智能手机使用强度。因此,测量模型是可以接受的,因为说明智能手机使用强度的理论与从受试者获得的经验数据相一致。关键词:态度方向、活动持续时间、活动频率、智能手机使用强度、动机