XiaoMi-AI文件搜索系统
World File Search SystemBPSO
如何引用本文：Murat Arican，Kemal Polat（2020）。基于二进制粒子群优化（BPSO）的EEG信号通道选择及其
近年来，国家支持的项目试图提高残疾人的社会参与度。然而，即使是患有运动神经元疾病 (MND)、全滑行状态 (TSD) 等神经肌肉疾病的人，其沟通能力也会受到干扰。脑机接口 (BBA) 已有几十年的历史，研究数量呈指数级增长，目前正在开发中，以使患有此类疾病的人能够与周围环境进行交流。拼写系统是 BBA 系统，它可以检测人们在屏幕上的字母和数字矩阵上关注的字母，并通过应用程序将其转换为文本。在这种情况下，通过屏幕上字母的随机闪烁，它旨在检测由于刺激而导致大脑中发生的电变化。研究表明，个体遇到的刺激会导致 EEG 信号中出现一个振幅，称为 P300，介于 250 到 500 毫秒之间。脑机接口通过 EEG 信号为因中风或神经退行性疾病而行动受限的个体提供环境互动。 EEG 信号的多通道结构既增加了系统成本，又降低了处理速度。因此，通过在过程中检测更多活动电极来降低系统成本，可以提高人们的可访问性。在此背景下，在电极选择中使用优化技术，通过随机选择方法确定最有效的通道。在研究中，使用基于群体的优化技术之一的粒子群优化算法与两个分类器（SVM 和 Boosted Tree）一起使用，并确定了八个最常选择的通道，以提高系统在速度和准确性方面的性能。
住宅消费者分组能源管理控制器
摘要 — 本文研究了使用分组能源管理的并网光伏 (PV) 系统场景中的储能控制和负载调度管理。目标是通过提出的分组能源管理控制器降低平均总系统成本，该控制器考虑家庭能源消耗、采购价格、负载调度延迟、通过产生的可再生能源实现光伏自给自足以及电池退化。所提出的方法使用成熟的启发式算法（即遗传算法 (GA)、二进制粒子群优化 (BPSO) 和差分进化 (DE)）解决联合优化问题。此外，还从延迟约束下的负载调度有效性、分组能源交易和电池退化成本等方面比较了启发式算法的性能。提供了案例研究来展示和广泛评估算法。数值结果表明，所提出的分组能源管理控制器可以在满足分组能源需求和调度延迟要求的同时，通过 GA、BPSO 和 DE 分别显著降低总平均系统成本高达 4.7%、5.14% 和 1.35%。
AALBORG UNIVERTET的机会约束...
摘要 - 本文提出了使用粒子群优化（PSO）对人工神经网络（ANN）的增强，以管理虚拟电厂（VPP）系统中的可再生能源资源（RESS）。这项研究突出了ANN-BPSO算法与原始BPSO算法的比较。在搜索隐藏层（n）和学习率（LR）中节点数量的最佳值时进行了比较。这些参数值用于微电网最佳能量调度的ANN训练中。已对涉及Ress的微电网（MG）的VPP系统进行了测试，这些方法涉及Ress，以最大程度地减少能力并优先考虑可持续资源的参与，而不是从公用事业网格那里购买电力。该模型使用马来西亚北部Perlis State记录的24小时记录的实际载荷需求进行了测试。此外，Tenaga nasional Berhad Research（TNBR）太阳能气象学记录了真实的天气状况数据，平均为1小时（例如，太阳辐射，风速，电池状态数据和燃油水平）。结果表明，与BPSO算法相比，ANN-PSO给出了精确的决策，这反过来又证明神经网的增强达到了最佳的能量调度水平。
基于物联网的居民需求侧管理系统优化新方案
摘要 能源需求的稳步增长和碳足迹的不断增加迫使电力公用事业从使用不可再生能源转向可再生能源。此外，可再生能源在电网中的整合度也在提高。因此，人们需要更有效地管理消费者的能源消费需求。消费者可以使用物联网 (IoT) 技术将所有设备和房屋连接到互联网。在这项研究中，研究人员开发并提出了一种新颖的两阶段混合方法，用于调度拥有分布式能源发电和存储系统的房屋的电力消耗。第 1 阶段模拟了非相同的家庭能源管理系统 (HEMS)，该系统可以包含 WT 和 PV 等 DGS。HEMS 在考虑用户偏好、电价和生产/储存的能量后组织可控设备。使用 BPSO 和 BSA 估算每个 HEMS 的最佳消耗计划集。另一方面，第 2 阶段包括基于物联网的多代理系统 (MAS)。该系统包括软件和硬件两部分。硬件包括基站单元 (BSU) 和许多终端单元 (TU)。
大脑 - 计算机界面通道选择优化了使用元式和进化算法
许多大脑 - 计算机界面（BCI）研究由于其固有的复杂性而忽略了通道优化。但是，仔细的渠道选择会提高性能和用户的舒适性，同时降低系统成本。进化的元映射证明了它们在解决复杂问题方面的有用性，但尚未完全利用。该研究的目的是两个方面：（1）提出一种新型算法，以找到每个用户设置的最佳通道，并将其与其他现有的元次素化学进行比较； （2）建立将这些优化策略调整到该框架的准则。共有3个单目标（GA，BDE，BPSO）和4个多目标（NSGA-II，BMOPSO，SPEA2，PEAIL）现有算法已通过3个公共数据库进行了调整和测试：“ BCI竞争III-DATASET II”，“中心拼写“中心拼写者”和“ RSVP拼写”。双前分排序算法（DFGA），这是一种新型的多目标离散方法，特别针对BCI框架设计。的结果表明，所有元数据术的表现都超过了基于P300的BCIS的完整集和常见的8通道集。dfga使用8个通道表现出3.9％的准确性3.9％。并使用4.66个通道获得了类似的精度。地形分析还强大了为每个用户自定义频道集的需求。因此，提出的方法计算具有不同数量的通道的最佳解决方案集，从而使用户可以为下一个BCI会话选择最合适的分布。©2021作者。由Elsevier B.V.这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。