XiaoMi-AI文件搜索系统
World File Search System论文
研究论文 使用反向传播神经网络对高光谱遥感数据中的岩性信息进行提取和分类
为了解决高光谱遥感数据处理中遇到的同构问题,提高高光谱遥感数据在岩性信息提取与分类的精度,以岩石为研究对象,引入反向传播神经网络(BPNN),对高光谱图像数据进行归一化处理后,以岩性光谱与空间信息为特征提取目标,构建基于深度学习的岩性信息提取模型,并使用具体实例数据分析模型的性能。结果表明:基于深度学习的岩性信息提取与分类模型总体精度为90.58%,Kappa系数为0.8676,能够准确区分岩体性质,与其他分析模型相比具有较好的性能。引入深度学习后,提出的BPNN模型与传统BPNN相比,识别精度提高了8.5%,Kappa系数提高了0.12。所提出的提取及分类模型可为高光谱岩矿分类提供一定的研究价值和实际意义。
引用了原始发表的论文（记录的版本）：Kermani，M.，Adelmanesh，B.，Shirdare，E。等（2021）。智能能源管理b
能源管理是适用于智能建筑物（SBS）的微电网（MGS）的主要挑战之一。因此，更多的研究是必不可少的，要考虑建模和操作方面，以利用系统的即将到来的不同应用程序。本文介绍了一种新型的能源管理建筑模型，该模型基于完整的监督控制和数据获取（SCADA）系统的职责，其中包括MG实验室（LAB）测试床，该模型在罗马萨皮恩扎大学的电气和能源工程系中名为Lambda。Lambda MG实验室以小规模A SB模拟，并与Dieee电网连接。lambda mg由光伏发电机（PV），电池能量存储系统（BESS），智能开关板（SW）以及不同的分类负载（关键，必不可少的和正常）组成，其中一些是可管理的且可控制的（照明，空调，空调，空调，智能插头）。Lambda实施的目的是使Diaee Smart用于节能目的。在Lambda实验室中，通信体系结构包括由两个主要国际标准（电气和技术监控系统的工业序列标准）和KONNEX（商业和家庭建筑自动化的开放标准）进行的大师/奴隶单位和执行器组成。使电气部门的智能原因从主电网中降低所需的电源。因此，为了实现目标，已经以两种模式进行了研究。最后，在不同的情况下对拟议的模型进行了研究，并从经济方面进行了评估。最初，基于SCADA系统的实时模式，该模式揭示了不同来源和负载的实际日常功耗和生产。接下来，将模拟零件分配给基于能量管理系统的主网格，负载和BES充电和放电的行为。©2021作者。由Elsevier Ltd.这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。
METCALF奖摘要论文
Spyros Kasapis在希腊塞萨洛尼基出生和长大。他17岁时移居美国，并在伍斯特理工学院完成了航空工程学士和硕士学位，他专注于控制和自动驾驶飞机路径计划。他搬到了安阿伯（Ann Arbor），获得了海军建筑和海洋工程学的第二大硕士学位，以及他的博士学位，该学位专注于视觉识别的机器学习应用。他曾在NASA Goddard太空飞行中心担任实习生，在那里他使用SDO卫星数据帮助了Van Allen辐射带的特征，同时还是NASA JPL 2022 Planetary Science Science Summer Schoom Schoom School Cohort的成员，在那里他从事Gelatto小星际小行星小行星小行星样本返回任务建议。他目前是NASA AMES研究中心的博士后研究员。他的研究兴趣包括使用机器学习来检测太阳能区域的出现和SEP预测。
索马里 - 国家战略论文（CSP）-1V
80。一位成员说，尽管他同意在接下来的12个月中维持低级“持有”贷款计划的提议，但主要的发展障碍是长期的机构弱点和对公共资源的不当分配，如本文第一部分所述。他看到这些限制的缓解与调整贷款的启动之间的联系几乎没有联系。CSP应声明调整贷款不会在这些领域的实质性进展中开始，并描述所需的进展。对宏观和其他传统调整贷款政策的行动承诺似乎没有足够的理由来恢复调整贷款。另一个问索马里是否是艾达可以产生影响的国家。他对改革的停止周期不满意，并认为我们应该坚持下去，直到我们进行结构改革之前已经有两到三年的资金援助计划了两到三年。该地区回应说，艾达有责任向其他捐助者提供指导，这些捐助者可以理解地推迟了他们的支持，直到ASAP II批准释放。在这一点上，董事长干预说，这一批次被释放的机会并不是很好，但是我们应该在索马里的任何角色上关闭门吗？
博士论文药代动力学-药效学建模...
联合药物疗法是成功治疗多种疾病的关键，在这些疾病中单一疗法效果不够好或出现了耐药性。因此，开发新的药物组合是主要关注点。固定剂量组合也是如此，近年来批准的固定剂量组合有所增加。开发固定剂量组合通常需要进行大规模析因设计研究以验证组合的疗效。随着对药物个性化的更多关注，需要为患者提供几种剂量水平的固定剂量组合。对于析因设计研究，这将导致非常昂贵的临床试验。为了降低开发成本并指导药物开发，必须验证现有工具并开发新工具。然而，用于分析固定剂量组合的此类基于模型的工具还处于起步阶段。
引用了原始发表的论文（记录的版本）：Stróżyk，M.，Muddasar，M.，Conroy，T。等（2024）。减少环境影响
摘要碳纤维（CF）的复合材料的使用越来越重要，因为它们在航空航天，汽车，建筑，体育和休闲等高端分节中的应用都越来越重要。但是，他们目前的高生产成本，高碳足迹和降低的生产能力将其用于高性能和奢侈品应用程序。CF生产总成本的大约50％是由于聚丙烯硝基烯（PAN）前体纤维（PF）的热转化为CF，因为它涉及在大型炉中使用高能量消耗和低加热效率。研究了这种情况，本研究建议在本研究中使用微波炉（MW）加热将PF转换为CF。这是科学和技术上具有挑战性的，因为PF没有吸收微波能量。虽然MW血浆已用于碳化纤维，但血浆的高温才能实现碳化，而不是纤维的MW吸收。因此，这项研究首次表明了如何通过使用新型微波（MW）启发器纳米纳米化方法在几秒钟内达到碳化温度> 1000°C，该方法是通过通过多沃尔碳纳米纤维（MWCNTS）在pf表面上开发的。值得注意的是，这些CF可以在廉价的家用微波炉中产生，并且具有与常规加热产生的CF相当的机械性能。此外，这项研究还提供了生命周期和环境影响分析，该分析表明，MW加热将基于木质素的CF产生的能源需求和环境影响分别降低了66.8％和69.5％。
引用原始发表的论文（记录的版本）：Zenkert，D.，Harnden，R.，Asp，L。等（2024）。多功能碳纤维复合材料
当今大多数产品都具有多个功能，但是这些功能是通过在系统中整合不同的单功能设备和/或材料来实现的。在一种单个材料中同时具有多个功能具有许多潜在的优势，例如一种可以存储能量，具有自感应或自我修复能力或任何其他身体功能的结构材料。这将带来质量和资源节省，使能源更高，因此更可持续。本文介绍了如何使用碳纤维的电气和电化学性质在高性能载荷中同时使用碳纤维来进行碳纤维的微型审查。通过该碳纤维复合材料还可以存储像锂离子电池一样的能量，用作应变传感器，具有电气控制的致动和形状，并用作能量收割机。
引用了原始发表的论文（记录的版本）：Moraes Zenker，M.，Portella，T.，Pessoa，F。等（2024）。物种的低覆盖范围
蚊子（Culicidae）代表全球主要的媒介昆虫，它们还居住在世界上许多陆地和水生栖息地。DNA条形码和元法编码现在广泛用于涉及蚊子的研究和常规实践中。但是，这些方法依赖于由代表分类学凭证标本的条形码序列组成的数据库中可用的信息。在这项研究中，我们评估了主要在线数据库中蚊子的公共数据的可用性，专门针对Culicidae：COI及其2的两个最广泛使用的DNA条形码标记。此外，我们对影响物种覆盖范围的可能因素（即在线数据库中覆盖的物种的百分比）对不同国家的COI以及COI的DNA条形码间隙的出现进行检验。我们的发现显示了存储库公开可用的数据差异，Bold + GenBank的COI的分类学或物种覆盖率为28.4–30.11％，而GenBank的ITS覆盖率为12.32％。非洲，澳大利亚和东方的生物地理区域的覆盖范围最低，而近乎度，果皮和大洋洲的覆盖范围最高。新热带区域具有中间覆盖范围。通常，蚊子多样性和较高数量的医学重要物种的覆盖率较低。此外，较高数量的特有物种的国家往往具有更高的覆盖范围。我们希望这项研究可以帮助指导蚊子的区域物种清单，并为所有蚊子物种的DNA条形码提供公开可用的参考文献库。尽管我们的DNA条形码间隙分析表明，需要在数据库中可用的一半蚊子中修改物种边界，但必须收集其他数据以确认这些结果并允许解释DNA条形码间隙的发生。
Ph.D.论文是“选择纤维素微生物以增强沼气生产”。 生物技术系招募客座老师 场地Palli Siksha Bhavana（农业研究所），...
i）杜尔加普尔-713209外部检查员Nit-Durgapur化学系Rajnarayan Saha教授（实际上将在适当的时候发送链接）。
引用原始发表的论文（记录的版本）：Xiong，B.，Tang，J.，Li，Y。等（2023）。 Vanadi
钒氧化还原流量电池（VRB）系统涉及复杂的多物理和多时间尺度相互作用，其中电解质流速在静态和动态性能中起关键作用。传统上，固定流量已用于操作方便。但是，在当今高度动态的能源市场环境中，根据运营条件调整流量可以为提高VRB能源转换效率和成本效益提供显着优势。不幸的是，将电解质流速纳入传统的多物理模型对于VRB管理和控制系统来说过于复杂，因为实时操作要求用于船上功能的低计算和低复杂模型。本文介绍了一种新型的数据驱动方法，该方法将流速集成到VRB建模中，增强了数据处理能力和VRB行为的预测准确性。所提出的模型采用封闭式复发单元（GRU）神经网络作为其基本框架，在捕获VRB的非线性电压段方面表现出了非凡的熟练程度。GRU网络结构经过精心设计，以优化模型的预测能力，流速被视为关键输入参数，以解释其对VRB行为的影响。模型改进涉及分析在VRB操作中在各种流速下获得的精心设计的模拟结果。还设计和进行了实验室实验，涵盖了电流和流速的不同条件，以验证所提出的数据驱动的建模方法。对几种最新算法进行了比较分析，包括等效电路模型和其他数据驱动的模型，证明了考虑流速的基于GRU的VRB模型的优越性。由于GRU在处理时间序列数据方面的出色能力，该模型在宽范围内提供了令人印象深刻的准确终端电压预测，低误差率不超过0.023 V（1.3％）。这些结果表明了所提出的方法的功效和鲁棒性，突出了对管理和控制系统设计的准确VRB建模中流速的新颖性和重要性。