XiaoMi-AI文件搜索系统
World File Search SystemCentralized
基于集中式多人数据融合CNN
大脑计算机界面是人类计算机交互的一种新方法，它提供了大脑与计算机或其他外部设备之间的直接通信联系（McFarland和Wolpaw，2011年）。事件相关电位（ERP）是代表皮质加工的独特相位的大脑表面的电活动的时间固定量度（Patel和Azzam，2005），它是与某人对某些刺激或特定事件的反应有关的内源性电位。ERP的典型示例是N200和P300。P300（Sutton等人，1967年）是一个正面峰值事件后约300毫秒显示的正峰波形，是ERP研究最多，使用最广泛，最突出的成分之一（David etal。，2020年； Kirasirova等。，2020）。P300分类检测是P300-BCI研究的重点，快速准确的识别对于改善p300-BCI的性能至关重要（Huang等人。，2022）。P300通常表现出低信噪比（SNR）（Zhang等人，2022）。为了突出其时间锁定的组件并最大程度地减少背景噪声，P300-BCI要求从多个试验中收集，汇总和平均数据以获得可靠的输出（Liu等人。，2018年），这是耗时且有效的。因此，在单审判中正确对p300进行分类是一个巨大的挑战。到目前为止，单个试验P300分类算法的准确性记录如下：Krusienski使用逐步线性判别分析（SWLDA）的平均分类精度约为35％。使用贝叶斯线性判别分析（BLDA）的平均分类准确性（BLDA）约为60％。Blankertz应用了收缩线性判别分析（SKLDA），并达到平均分类精度约为70％。张张通过时空判别分析（STDA），并达到平均分类准确性约为61％。Kaper开发的支持向量机（SVM）算法的平均分类精度达到64.56％。以及XIAO提出的判别规范模式匹配（DCPM）的价值为71.23％，表明DCPM在单验P300分类中的其他传统方法显着超过了其他较小的训练样本中的其他传统方法（Xu等人。，2018，2021; Xiao等。，2019a，b，2021; Wang等。，2020）。ma等。（2021）提出了一个基于胶囊网络的模型，该模型提高了单审P300的检测准确性，但是，由于大小的增加，计算变得复杂。Zhang等。 （2022）用Xdawn填写数据，以提高脑电图信号的信噪比，但是空间过滤方法需要在特征提取后手动选择显着特征，然后对其进行分类。 这是特定因素的高度特殊性；但是，该算法通常很复杂，其精度受特征选择的影响（Zhang等人 ，2022）。 深度学习是端到端的学习，具有简单的结构，可以移植到具有高分类精度的各种任务，但对示例数据的要求很高。 ，2020年），脑电图数据融合（Panwar等人Zhang等。（2022）用Xdawn填写数据，以提高脑电图信号的信噪比，但是空间过滤方法需要在特征提取后手动选择显着特征，然后对其进行分类。这是特定因素的高度特殊性；但是，该算法通常很复杂，其精度受特征选择的影响（Zhang等人，2022）。深度学习是端到端的学习，具有简单的结构，可以移植到具有高分类精度的各种任务，但对示例数据的要求很高。，2020年），脑电图数据融合（Panwar等人如今，深度学习方法在基于脑电图的目标检测技术方面取得了巨大进展（Li等人，2021），基于此，一些学者提出了其他用于P300分类的方法，例如转移学习（Wei等人。，2020），incep a-eegnet（Xu等人，2022），组合分类器（Yu等人。，2021），主成分分析（PCA）（Li等人，2020）等目前，Daniela使用了CNN（Cecotti和
索马里卡达多集中式和分散式混合可再生能源系统的技术和经济调查
摘要：本文旨在利用可再生能源优化软件 HOMER 研究在索马里选定地点使用风能-太阳能混合系统并网和离网发电系统的可行性。成功应用了仿真模型，以找到基于特定负载的节能系统的最佳仿真结果。研究了 25 kW 风力发电和 60 kW 太阳能光伏发电的并网和独立组合的技术和经济性能。由于 Cadaado 市尚未安装自己的标准现代电网，并且由于索马里急需降低能源成本，因此对如何向样本住宅消费供电进行了可行性研究。根据索马里中部可再生能源的基本特征，并网风能和太阳能光伏系统在经济上是可行的。
无线网络中数据传播的能源和社会成本最小化：集中式和分散式方法
摘要 — 我们研究无线网络中从一个源到多个节点的多跳数据传播，其中网络中的某些节点充当转发节点并帮助源进行数据传播。在这个网络中，我们研究了两种情况；i) 传输节点不需要传输激励；ii) 它们需要激励并由其相应的接收节点以虚拟代币支付。我们研究了两个问题；P1) 第一种情况的网络功率最小化和 P2) 第二种情况的社会成本最小化，定义为网络节点为接收数据支付的总成本。在本文中，为了解决 P1 和 P2，我们提出了集中式和分散式方法，以确定网络中的哪些节点应该充当传输节点，找到它们的传输功率及其相应的接收节点。为了提高能源效率，在我们的模型中，我们在接收器处采用最大比率合并 (MRC)，以便接收器可以由多个发射器提供服务。所提出的分散式方法基于非合作成本分摊博弈 (CSG)。在我们提出的博弈中，每个接收节点都会选择各自的传输节点，因此，根据施加在其所选传输节点上的功率为其分配成本。我们讨论了如何以分散式方式形成网络，找出了游戏中节点的动作，并表明尽管是分散式的，但所提出的博弈仍会收敛到稳定的解决方案。为了找到集中式全局最优解（这是我们分散式方法的基准），我们使用了混合整数线性规划 (MILP)。模拟结果表明，我们提出的分散式方法在能源效率和社会成本方面优于传统算法，同时它可以满足对协作激励的需求。
生物医学数据科学的年度审查集中和联合模型，用于分析临床数据
使用生物医学大数据的核心是一个数据库，用于存储和管理生物和人类的生物学和物理测量。数据库有各种形状和大小，可以结构化（例如MySQL和Oracle），半结构（例如Neo4J和MongoDB）或未经验证（例如，Amazon S3和Google Cloud Storage）。这些数据库选项中的每一个都有优点和缺点。例如，可以使用诸如结构化查询语言（SQL）之类的工具轻松查询结构化的关系数据库，但可以为新数据元素进行设置和修改。半结构化和非结构化数据库更加灵活，但很难查询。在生物医学DO-MAIN中确定数据库解决方案可能会具有挑战性，因为数据具有许多不同的方式可能非常复杂。可以结构或非结构化的不同方式，这可能会为数据处理，数据输入，数据集成，数据库设计以及当然构建强大的查询构成挑战。
可控负载弹性微电网集中共享储能系统的规模确定：双层优化方法
为提高微电网灵活资源利用率，满足不同场景下微电网的储能需求，提出一种基于双层优化的微电网集中式共享储能容量优化配置模型。首先，分析弹性微电网中共享储能与可控负荷的响应特性，设计满足多场景调节需求的集中式共享储能运行模式。然后，以集中式共享储能净收益最大为上层，以微电网内负荷支付成本最小为下层，构建双层优化配置模型。进一步采用多目标鲸鱼优化算法对双层优化模型进行求解。结果表明：通过协调微电网内可转移负荷与可削减负荷，提高共享储能利用率，共享储能可以共同满足多场景调节需求。
考虑分布式与集中式光伏发电协调的多时间尺度电力平衡分析
可再生能源因低碳经济的优势已成为重要的电力来源。氢气是一种清洁燃料，也引起了全世界的极大关注。可再生能源可用于生产氢能。张等人提出了一种可再生能源和氢气生产的协调控制新方法，加氢站和能源系统的运行经济性得到了改善（张等，2022）。到目前为止，许多工作都集中在可再生能源系统和能源互联网上（张，2018）。值得注意的是，光伏 (PV) 技术一直是可再生能源系统的热点。有着迫切的需求，但在不确定的环境中控制光伏系统仍然是一项重大挑战。傅等人（2019）研究了一种两级光伏结构，他们利用 μ 理论提出了一种有效的光伏电力整合技术。李等人（2019）研究了一种两级光伏结构，他们利用 μ 理论提出了一种有效的光伏电力整合技术。提出了一种最大功率点跟踪方法，可确保在部分阴影条件下稳定的光伏发电（Li等，2021）。随着可再生能源系统中光伏容量的增加，并网配置正在改变能源网络的运行模式（Eftekharnejad等，2015）。为了降低带电池储能的光伏发电系统的成本，郝等提出了一种双层控制方法，该方法也能确保稳定的光伏发电（郝等，2021）。值得一提的是，太阳能光伏项目将在未来电力组合的经济性中发挥重要作用（Vithayasrichareon等，2015）。最大的挑战之一是光伏组件的不确定性使配电网中的分布式发电规划格外困难。人们普遍认为，统计机器学习是建模光伏电力不确定性的有效技术（Fu等，2020）。对于带有光伏发电的配电网，经常需要配置无功功率装置来改善能源网络的性能（Fu，2022）。Fu等人提出了一种自适应无功功率控制策略来平衡电能质量和功率损耗之间的权衡，该方法增强了光伏系统接入电网的友好性（Fu等人，2015）。对于集中式光伏发电，功率因数控制和电压控制是光伏电网连接的关键技术。Awadhi和Moursi发明了一种新型集中式光伏电站控制器，以避免电压不平衡，并且瞬态响应也得到了增强（Awadhi和Moursi，2017）。Emmanuel等人提出了一种基于小波变异性的功率因数控制方法，并报道了功率因数对集中式光伏电站输出影响的分析结果（Emmanuel等人，2017）。学者们对分布式光伏发电的部署和控制进行了大量研究工作，但较少关注分布式光伏发电与集中式光伏发电之间的关系。
用于集中电池存储系统的经济分析，由澳大利亚电动汽车的重复使用电池
摘要。随着电池储能技术的开发，集中式电池储能系统（CBESS）在开发电力方面具有广泛的前景。同时，电动汽车（EV）的退休锂离子电池为电池储能系统（BESS）提供了新的选择。本文通过用锂离子二人电池（SLB）更换新的锂离子电池（SLB），并以经济指标作为净现有价值（NPV）来评估经济福利，从而评估lithium-ion二人二人电池（SLB），从而研究了南部澳大利亚南部的集中式电池能量存储系统（CRBESS）， 储能系统。 本文提出了一种计算频率控制辅助服务（FCAS）收入的计算方法，该方法指的是在建立经济模型时，指的是市场股票率（MSR）。 此外，考虑到锂离子电池的残差值。 本文使用经济模型来计算CRBESS的盈利能力和发展潜力。 从经济角度来看，分析了CRBESS与CBESS的优势和可行性。储能系统。 本文提出了一种计算频率控制辅助服务（FCAS）收入的计算方法，该方法指的是在建立经济模型时，指的是市场股票率（MSR）。 此外，考虑到锂离子电池的残差值。 本文使用经济模型来计算CRBESS的盈利能力和发展潜力。 从经济角度来看，分析了CRBESS与CBESS的优势和可行性。储能系统。 本文提出了一种计算频率控制辅助服务（FCAS）收入的计算方法，该方法指的是在建立经济模型时，指的是市场股票率（MSR）。 此外，考虑到锂离子电池的残差值。 本文使用经济模型来计算CRBESS的盈利能力和发展潜力。 从经济角度来看，分析了CRBESS与CBESS的优势和可行性。储能系统。本文提出了一种计算频率控制辅助服务（FCAS）收入的计算方法，该方法指的是在建立经济模型时，指的是市场股票率（MSR）。此外，考虑到锂离子电池的残差值。本文使用经济模型来计算CRBESS的盈利能力和发展潜力。从经济角度来看，分析了CRBESS与CBESS的优势和可行性。
建筑需求响应和集中热能储存对区域供热系统的影响
空间供暖的能源使用占能源终端使用总量的很大一部分，供暖系统可以在使用时间上提供一定的灵活性，这对于未来的能源系统保持供需平衡非常重要。本研究采用技术经济、综合需求供应优化模型，研究使用建筑物需求侧灵活性（允许室内温度偏差（高于或低于设定点））和供应侧灵活性（应用热能存储 (TES)）对区域供热 (DH) 系统运行的综合影响。结果表明，室内温度升高的潜力，即需求响应 (DR)，集中在多户和非住宅建筑（时间常数高的重型建筑），而温度降低的潜力，即运行节能，在单户建筑（轻型建筑）中得到更大程度的利用。同样明显的是，在存在供应侧 TES 的情况下，DR 的价值会降低。我们表明，从供热系统的角度来看，同时应用需求侧灵活性和集中式 TES 是互补的，因为它可以使建筑物的总空间供热负荷最低，并且区域供热系统的运行成本最低。
对具有可解释AI（XAI）的网络中的集中和联合学习的异常检测进行了全面分析
摘要 - 机器学习的许多形式（ML）和人工智能（AI）技术在通信网络中采用以执行所有优化，安全管理和决策任务。而不是使用常规的黑框模型，而是使用可解释的ML模型来提供透明度和问责制。此外，由于网络的分布性和安全隐私问题，联合学习（FL）类型ML模型比典型的集中学习（CL）模型变得越来越流行。因此，研究如何使用可解释的AI（XAI）在不同的ML模型中找到解释能力是非常及时的。本文在网络中使用XAI在CL和FL的异常检测中进行了全面分析。我们将深层神经网络用作黑框模型，其中两个数据集，即UNSW-NB15和NSL-KDD，以及Shapley添加说明（SHAP）作为XAI模型。我们证明，FL的解释与客户端异常百分比不同。索引术语-6G，安全性，隐私，可解释的AI，中央学习，联合学习。
针对住宅区的基于社区的PV系统的标题可行性分析：现场集中和分布式PV安装的比较
出版商的陈述，这是作者的作品版本，该作品被接受以供可再生能源出版。由出版过程产生的变化，例如同行评审，编辑，校正，结构格式和其他质量控制机制，可能不会反映在本文档中。自从提交出版以来，可能已经对这项工作进行了更改。随后发表了一个确定的版本，以可再生能源（157，（2020））https://doi.org/10.1016/j.renene.2020.05.024