XiaoMi-AI文件搜索系统
World File Search System计算负担
减少微电网能源管理系统的计算负担
摘要 — 随着可再生能源技术的进步和成本的下降，微电网正成为一种有吸引力的分布式发电方式，既适用于孤立社区，也适用于与现有电网系统集成。然而，由于规模小，微电网可能存在财务限制，这使得它们无法使用商业软件来优化资产控制。开源优化求解器是一种可行的替代方案，但会增加计算时间。这项工作开发了一个优化框架，用于住宅微电网内的经济调度，并要求使用开源求解器。为了减少计算时间，采用了一种通过松弛来减少整数变量的方法。测试模拟使用来自阿拉巴马州胡佛市真实微电网的设备参数，该微电网也存在本文研究的软件限制。还从微电网收集了负载和光伏 (PV) 功率的季节性数据。使用松弛方法的多种变体成功缩短了计算时间，同时获得了与原始模型相似或更好的解决方案质量。
一种基于SAR与光学图像数据融合的目标检测方法 孙慕涵, 周银清, 徐华平
tib.eu › viewer › content › targetFileName=...MSDF（多传感器数据融合）的概念和技术利用了...计算负担非常大，因此目标算法。
Del Re, Luigi 一种用于 e 的动态规划方法
摘要：本文讨论了通过基于动态规划 (DP) 的方法实现的混合动力电动汽车 (HEV) 能量管理系统 (EMS) 的有限适应性和计算负担。首先，提出了一个确定性动态规划 (DDP) 框架来解决特定驾驶循环下的 HEV EMS 问题。为了解决这一限制，提出了一种改进的 DDP 方法，将车辆的实际行驶位置集成到控制律中。这样，给定的基于 DDP 的 EMS 可以应用于所有驾驶循环，但仍在同一道路上测量。还开发了基于随机动态规划 (SDP) 的 EMS，并证明它们更能适应与用于计算的驾驶场景完全不同的驾驶场景。在所有呈现的案例中都采用了真实世界的驾驶循环，同时使用了简化的 HEV 动力系统模型来减轻典型的 DP 计算负担。
深度学习实时卫星对张量处理单元的姿势估计
I.简介基于v iSion的导航是下一代On-On-On-On-On-On-Os-andActivedEbrisredebremoval任务的关键技术。在这些情况下，指导和控制定律应采用相对的Chaser-Chaser-Toget姿势（即位置和态度）喂食，这可能会从单眼图像中方便地估算，因为这些传感器是简单，光线的，并且消耗了很少的功率。传统上，图像处理算法分为1）手工制作的特征[1,2]和2）基于深度学习的[3-14]。然而，前者受到较低鲁棒性的影响，对典型的空间图像特征（例如，信噪比低，严重和迅速变化的照明条件）和背景。神经网络（NNS）可以通过适当的培训克服此类弱点，但通常会导致高计算负担，这与典型的船上处理能力几乎不兼容。
污水处理厂曝气系统的经济线性参数变化模型预测控制†
摘要：本文提出了一种线性参数变化 (LPV) 框架中的经济模型预测控制 (EMPC) 策略，用于控制污水处理厂 (WWTP) 曝气反应器中的溶解氧浓度。复杂非线性工厂的简化模型以准线性参数变化 (qLPV) 形式表示，以减少计算负担，实现实时操作。为了便于制定作为系统状态函数的时变参数以及用于反馈控制目的，提出了一种使用 qLPV WWTP 模型的移动范围估计器 (MHE)。基于 ASM1 模拟基准对控制策略进行了研究和评估，以进行性能评估。将 EMPC 策略应用于西班牙赫罗纳 WWTP 曝气系统的控制，所获得的结果证明了其有效性。
可再生能源多能源系统的随机评估
摘要-由于储能技术的发展，不同的储能方式对电力系统的影响变得越来越重要。本文优化了基于风能的多能源系统 (MES) 的随机调度，并结合电力和热能需求响应程序以及三模式 CAES (TM-CAES) 单元评估了所提出的系统运行情况。所提出的风电一体化 MES 由 TM-CAES 单元、电锅炉单元和储热系统组成，可以与当地热网交换热能并与当地电网交换电能。使用蒙特卡罗模拟方法将电力和热能需求以及风电场发电建模为基于场景的随机问题。然后，通过将适当的场景简化算法应用于初始场景来减少计算负担。最后，将提出的方法应用于案例研究，以评估所提出方法的有效性和适用性。
具有电动动力学的锂离子电池模型预测控制的基于神经网络的近似
摘要 - 锂离子电池是复杂的系统，需要合适的管理策略才能正常工作，实现快速充电，减轻老化机制并确保安全。在不同的基于模型的充电策略中，使用预测控制已显示出令人鼓舞的结果，因为它可以处理受安全限制的非线性系统。然而，尽管文献中已经提出了许多实施，但很少关注其实际可行性，这受到在线所需的高计算成本的限制。在本文中，我们首次在电池字段中利用了通过使用深神经网络获得的预测控制的近似。提议的解决方案适用于实时电池充电，因为大多数计算负担都脱机解决。结果突出了提出的方法在近似标准模型预测控制解决方案中的有效性。
实现可行和可持续的量子神经形态计算
M.Tech. - 人工智能和机器学习，BITS Pilani。高级系统工程师，Infosys Limited，印度泰米尔纳德邦钦奈 ---------------------------------------------------------------------***--------------------------------------------------------------------------------- 摘要 - 量子神经形态计算是量子计算和神经形态工程的创新融合，有望通过提高计算效率和可持续性彻底改变生成式人工智能。本文探讨了量子神经形态计算的基本原理、其满足生成式人工智能模型日益增长的能源需求的潜力，并详细探讨了实施方法。通过利用神经形态架构中的叠加、纠缠和隧穿等量子力学现象，该方法旨在减少人工智能系统的计算负担和功耗。其中还包括实际的编码示例和视觉插图，以帮助理解并促进这一变革领域的进一步跨学科研究。
合作，连接和自主流动性：使用基于储备机制的交叉口的协调
摘要 - 公路运输对于个人和商品的发展至关重要，也有助于经济发展。对城市道路充血的重要贡献是使用常规交通信号的交叉控制不佳。在这项工作中，我们提出了一个分散的多代理系统机制，用于连接自动驾驶汽车的道路交集管理，包括排地层的协调。我们提出了一种基于预订的机制，能够最大化交叉点的整体车辆吞吐量。该研究介绍了i）拍卖作为将预订分配给车辆的第一次服务政策的替代方案，ii）一种解决冲突保留之间争议的方法。结果证明了使用排量改善吞吐量和交叉控制平均延迟的好处。该方法的分布性质通过将大部分计算负担从交叉路口管理器转移到驾驶剂来提高可扩展性。
基于元模型的设计优化 - DiVA
汽车公司面临着激烈的竞争，因此他们力求以更便宜、更快的方式设计出更好的产品。这一挑战要求不断改进方法和工具，因此需要使用仿真模型来评估产品的每个可能方面。优化越来越受欢迎，但其全部潜力尚未得到充分发挥。对精确仿真结果的需求不断增加，导致需要创建详细的仿真模型，而这些模型的评估通常需要耗费大量的计算资源。基于元模型的设计优化 (MBDO) 是一种有效的方法，可以减轻优化研究期间的计算负担。元模型是详细仿真模型的近似值，评估时间很短，因此在需要进行多次评估时尤其有效，例如在多学科设计优化 (MDO) 中。