XiaoMi-AI文件搜索系统
World File Search System绝对误差
宏观经济数据预测模型的构建和优化
摘要： - 人力资本首先被视为宏观经济发展中的生产成分，但内源性生长理论最终取代了这一观点。大多数早期研究都使用计量经济学模型来研究GDP预测。由于机器学习模型可以有效地解决非线性相互作用，因此该研究通过使用机器学习方法来检查链接提供了新的视角。使用最佳的机器学习技术，特别是支持向量机器，创建了经济发展的预测模型。为了改善SVM预测，使用贝叶斯方法和多个内核函数优化了超级参数。三个统计指标 - 确定系数，平均绝对误差和均方根误差用于评估模型的有效性。
基于低维高斯流程回归的锂离子电池的健康状况预测
准确确定电池状况是操作中的关键挑战。随着锂离子电池的性能随着时间的推移而降级，对健康状况的准确预测将提高整体效率和安全性。本文根据高斯过程回归提出了一种预测方法，并在单个模型中使用自动相关性确定内核，用于三种不同类型的电池电池。降低了问题的维度和对特征的灵敏度分析后，对模型进行了训练，验证并在看不见的数据上进行了进一步测试。最小测试误差的平均绝对误差为1.33％。结合了预测结果的低不确定性，这表明了使用数据驱动方法预测电池状况的适用性和巨大潜力。
Prithvi Foundation的云间隙刺激...
在多光谱卫星图像中填充多云的像素对于准确的数据分析和下游应用程序至关重要，尤其是对于需要时间分配数据的任务。为了解决此问题，我们将基础元素变压器（VIT）模型的性能与基线条件生成对抗网络（CGAN）模型进行了比较，以在多型卫星图像的时间序列中缺少价值插补。我们使用现实世界云面具随机掩盖了卫星图像的时间序列，并训练每个模型以重建缺失的像素。VIT模型是根据预处理的模型微调的，而CGAN则是从头开始训练的。使用定量评估指标，例如结构相似性指数和平均绝对误差以及定性的视觉分析，我们评估插补准确性和上下文保存。
基于模拟器的数据中心冷却优化的强化学习
数据中心为互联网供电，使数字通信和连接成为可能。在2022年，全球总能源消耗的1-1.3％用于数据中心。他们在冷却系统中还消耗了很多水。优化其能源和用水的使用是行业的优先事项。本文通过利用基于模拟器的强化学习方法来优化数据中心冷却的能源和用水的方法之一。首先，我们开发了一个基于物理的模拟模型，该模型可以预测MAE 1°F（平均绝对误差）的热行为。然后，将RL模型离线训练，从而制定了控制供应气流设定点的更好政策。我们一个数据中心区域之一的生产模型已显示，在各种天气条件下，供应风扇能源消耗量降低了20％，用水量平均减少了4％。
在Rotarod设备的示例中，模型不匹配策略的应用以提高控制性能
摘要该研究旨在探索模型不匹配策略（MMS）的应用，以提高原型Rotarod设备（RRA）的速度控制精度，这是一种用于评估实验室啮齿动物中运动配位的设备。准备了两种测试方案：一个考虑到设定点的步骤变化，另一个考虑了负载干扰的鲁棒性。使用积分绝对误差和积分正方形误差评估控制性能。提出的MMS方法显着提高了旋转速度控制的准确性和稳定性。测试结果显示，控制绩效提高了多达15％。MMS提供了一种在临床前研究设备中控制系统优化的新方法，以确保使用RRA的实验结果更加一致和可复制。
LSTM 与Informer 融合预测冠层区域温度
摘 要： 针对传统温度预测方法难以充分捕捉多尺度信息，导致模型预测性能不佳等问题，该研究提出了一种基于 Informer 架构和长短时记忆网络（ long short-term memory, LSTM ）与多源数据融合的冠层区域温度预测模型。在编码层 中，采用稀疏注意力机制提取输入因子的多尺度信息及其与长时序数据之间的耦合关系；在解码层中，利用 LSTM 提取 短期时序依赖，以增强时间序列的连贯性，同时引入改进的反向残差前馈网络（ improved residual feedforward network, IRFFN ）以优化模型结构。首先采用孤立森林法对数据进行异常值清理，并进行了归一化处理；然后使用斯皮尔曼相关 系数法对冠层区域温度进行相关性分析，并选择相关程度较高的环境因子作为模型的输入特征；最终通过网格搜索法对 超参数进行优化，并通过迭代训练实现模型的最优配置。通过与其他 4 种主流算法进行对比分析，提出的 Informer- LSTM 在冠层区域温度预测方面表现出更高的精度，其平均绝对误差（ mean absolute error, MAE ）、均方根误差（ root mean square error, RMSE ）和决定系数（ R 2 ）分别达到了 0.166 、 0.224 ℃和 97.8% ，与基础模型 Informer 相比，冠层区 域温度的预测精度提高了 32.36% 。该模型在时间序列预测方面具有较高的精度，为区域气象温度的中短期精准预测提 供了一种新的技术方法。 关键词： 冠层 ； 温度 ； 非线性时间序列 ； 长短期记忆神经网络 ； Informer doi ： 10.11975/j.issn.1002-6819.202409001 中图分类号： TP18 ； S165 文献标志码： A 文章编号： 1002-6819(2025)-07-0001-11
四分之一汽车悬架系统的建模和PID控制
是由驱动程序或在微控制器中体现的自适应控制算法选择的。Metered和Elsawaf [1]实现了粒子群优化（PSO）算法，以调整在半活性四分之一CAR模型悬架系统上实现的PID控制器。在MATLAB/SIMULINK环境中模拟了带有MR阻尼器的2DOF车辆模型。将PSO调谐的PID控制器与使用Ziegler-Nicholas方法调整的常规PID控制器，被动悬架系统和不受控制的MR DAMBER进行了比较。颠簸和随机道路输入用于时间和频域测试系统。据观察，POS调谐的PID控制器可提高骑行舒适性和车辆稳定性。Kesarkar和Selvaganesan [2]使用具有目标函数的人工Bee集群算法设计了分数PID控制器，例如积分绝对误差，积分正方形误差和积分时间绝对误差，可用于多模态复杂优化问题。作者观察到与常规PID方法相比，结果是有希望的。nui [3]已经实施了基于GA的优化方法来调整主动悬架系统的PID参数。绝对误差控制用作调整PID参数的目标函数。GA的优化PID控制器可改善主动悬架系统的动态性能并提高稳定性。Hamid和Hamid [4]分析了一个基于模糊的PID控制器，用于半赛车主动悬架系统。在此分析中，悬架工作空间是观察到的标准。使用模糊逻辑，模糊pid和∞dahRe实现并研究了主动控制系统。与其他控制策略相比，PID控制器的过冲，卑鄙的误差以及改善的舒适性和安全性。Tammam，Aboelela，Moustafa和Seif [5]实施了基于多目标GA的PID控制器，以控制单个区域功率系统的负载频率。可以观察到基于GA的PID控制器易于实现，并有效地改善系统性能。
Energy and Ai -I Iris -Invorsità校园Bio -Medico
在这项研究中，我们提出了一种混合AI最佳方法，以提高智能网格（例如可再生能源社区）的能源管理效率。此方法采用时间延迟神经网络，以预测社区能量特征的未来价值。然后，这些预测由随机模型预测控制使用，以通过电池能量存储系统的适当控制策略来优化社区运营。在公共数据集上进行的预测结果分别为24小时，返回的平均绝对误差为1.60 kW，2.15 kW和0.30 kW，分别用于光伏生成，总能量消耗和普通服务。与竞争对手相比，使用此类预测的模型预测控制产生了最大收入。与使用相同的管理系统相比，总收入增加了18.72％，而无需从预测方法中进行预测。
锂离子电池建模和 BMS 的自适应扩展卡尔曼滤波器实现
摘要- 为单引擎双座滑翔机上的有效载荷系统制造了定制锂离子电池。在形成电池管理系统的软件开发阶段，为了在充电和放电过程中提供安全性，需要一些参数来指示电池的状况。因此，在本研究中，在 42 Ah 锂离子电池中进行了电等效电路方法和自适应扩展卡尔曼滤波器中使用的充电状态估计过程。结果，平均绝对误差和均方根误差的值小于 1%。在实际过程中，从未发现过真正的误差值。给出噪声以确定扩展卡尔曼滤波器和自适应扩展卡尔曼滤波器 (AEKF) 算法之间的自适应能力。此外，将主 SoC 设置为某个值以查看估计精度。研究表明，该方法可以应用于有效载荷系统的 BMS 软件的开发。
面部视频的强大心率可变性测量
摘要：远程光绘画学（RPPG）是一种非接触式方法，可以从面部视频中检测各种生理信号。RPPG利用数码相机来检测肤色的细微变化，以测量与自主神经系统相关的重要生物标志物等生命体征，例如心率变异性（HRV）。本文基于小波散射变换技术，提出了一种新型的非接触式HRV提取算法WaveRV，然后进行自适应带通滤波和伴侣间间隔（IBI）分析。此外，引入了一种新颖的方法，用于基于接触的PPG信号。waveHRV是针对现有算法和公共数据集的。我们的结果表明，WaveHRV是有希望的，并且在UBFCRPPG数据集上，RMSSD和SDNN的最低平均绝对误差（MAE）为10.5 ms和6.15 ms。