XiaoMi-AI文件搜索系统
World File Search System网络控制
脑损伤后的语言恢复：结构网络控制理论研究
1 南卡罗来纳医科大学医学院神经病学系，南卡罗来纳州查尔斯顿 29425，2 宾夕法尼亚大学生物工程系，宾夕法尼亚州费城 19104，3 南卡罗来纳医科大学基础科学学院神经科学系，南卡罗来纳州查尔斯顿 29425，4 南卡罗来纳大学通信科学与障碍系，南卡罗来纳州哥伦比亚 29208，5 南卡罗来纳大学心理学系，南卡罗来纳州哥伦比亚 29208，6 宾夕法尼亚大学电气与系统工程系，宾夕法尼亚州费城 19104，7 宾夕法尼亚大学佩雷尔曼医学院神经病学系，宾夕法尼亚州费城 19014，8 宾夕法尼亚大学艺术与科学学院物理与天文系，宾夕法尼亚州费城 19014，9 宾夕法尼亚大学佩雷尔曼医学院精神病学系，宾夕法尼亚州费城 19014，10 圣达菲研究所，新墨西哥州圣达菲，NM 87501
非线性系统的基于复发小波的大脑情感学习网络控制器
常规控制系统通常不受非线性和不确定性的共存。本文提出了一个新型的大脑情感神经网络，以支持解决此类挑战的问题。所提出的网络将小波神经网络集成到传统的大脑情感学习网络中。通过引入经常性结构来进一步增强这一点，以利用两个网络作为大脑情感学习网络的两个渠道。因此，提出的网络结合了小波函数的优势，反复机制和大脑情感学习系统，以在不确定的环境下对非线性问题的最佳性能。所提出的网络可与一个边界综合器一起模仿理想的控制器，并且根据从Lyapunov稳定性分析理论得出的定律进行了参数。提出的系统应用于两个不确定的非线性系统，包括一个混乱的系统和模拟的3-DOF球形关节机器人。实验表明，所提出的系统的表现优于其他流行的基于神经网络的控制系统，表明所提出的系统的优势。
建议草案ITU -T Y. QKDN_SDNC：“量子密钥分销网络 - 软件定义的网络控制”
第8条描述了QKDN中SDN控制的基本功能体系结构。但是，在某些情况下，只有一个单个SDN控制器不适用于QKDN中的整体控制，并且可以采用层次结构SDN控制器。图2说明了QKDN中的分层SDN控制器。在这种情况下，SDN控制器以层次结构方式组织，每个SDN控制器的功能和实现彼此独立。层次控制器负责其控制范围内的服务提供。每个层SDN控制器都有其北行接口可以与服务层通信，但是只有第一层具有一个南行接口，用于控制可控元素并从密钥管理层和量子层收集信息。图。2已在第9节中定义，此建议仅描述新添加和更新的建议。
具有可证明稳定性的涵道风扇无人机悬停至高速平飞过渡的神经网络控制
摘要 本文主要研究涵道风扇垂直起降 (VTOL) 无人机 (UAV) 的过渡控制。为了实现从悬停到高速飞行的稳定过渡，提出了一种基于神经网络的控制器来学习系统动态并补偿飞机动态和所需动态性能之间的跟踪误差。首先，我们推导了飞机全包络动力学的非线性系统模型。然后，我们提出了一种基于神经网络的新型控制方案并将其应用于欠驱动飞机系统。所提出的控制器的主要特征包括投影算子、状态预测器和动态形成的自适应输入。证明并保证在整个神经网络学习过程中，状态预测器和神经网络权重的跟踪误差都有上限。高度自适应的输入形成动态结构，有助于实现所提出的控制器可靠的快速收敛性能，尤其是在高频扰动条件下。从而使飞行器的闭环系统能够以期望的动态性能跟踪一定的轨迹，仿真和实飞试验均取得了满意的结果，完成了设计的飞行路线。
利用 AI/ML 进行网络控制 – 国际电联的标准化进展 –
注：FG ML5G：5G 等未来网络机器学习焦点组；ITU-T SG13：第 13 研究组负责网络架构标准化；AI/ML：人工智能/机器学习；AI NW：基于人工智能的网络；SDO：标准开发组织