XiaoMi-AI文件搜索系统
World File Search SystemConstrained
绝对地面平面限制了3D激光雷达大满贯
准确的映射和本地化（Dill＆Uijt de Haag，2016年）对于自动驾驶汽车等自主系统（Advs; Huang等，2019）和室内移动机器人技术（Hess等，2016）都是重要的。付出了巨大的努力，致力于使用3D光检测和范围（Lidar; Hess等，2016）传感器的稳健性与基于视觉的SLAM方法相比，使用3D光检测和范围（Lidar; Hess等，2016）传感器实现了准确的同时定位和映射（SLAM）（SLAM）（Qin等，2018，2018）。基于视觉的大满贯基于被动传感器（例如相机）可能对照明和观点变化敏感。相反，像3D激光雷达这样的主动传感器可以为周围环境提供距离测量，而环境不变。出色的鲁棒性和精确度使3D LiDAR成为用于大规模映射和本地化的必不可少的传感器。
电力系统中安全约束的最佳功率流...
摘要。本研究重点评估储能系统 (ESS) 对可再生能源资源丰富的电力系统安全性改善的影响。为此，储能系统的存在被适当地纳入安全约束最优潮流 (SCOPF) 模型中；因此考虑了所需的技术修正。为了建立一个现实的模型，还考虑了火电机组的爬坡约束，这限制了发电机完全应对电力短缺。考虑到可再生能源发电的高渗透水平，模拟了输电线路和发电机的不同停电场景，以测量线路停电分布因数 (LODF) 和电力传输分布因数 (PTDF)。此外，为了说明风电发电量削减和负荷削减的经济影响，模型考虑了风电削减 (VWC) 和负荷损失值 (VOLL) 两个惩罚参数的值。对两个测试系统（包括 PJM 5 节点系统和 IEEE 24 节点 RTS）进行了数值研究，以评估 ESS 对所研究系统安全性改进的可能影响。并对所得结果进行了深入讨论。
意大利双重混合经济的经济政策受到限制
摘要本文研究了意大利经济和财政决策的最新发展。它是通过在三个更广泛的方面的意大利民族复苏和弹性计划（NRRP）的情境化来进行上下文，这些变化是意大利政治经济学的特征：（1）该国在货币联盟（EMU）内的保守财政轨迹； （2）面对大流行和能源危机，采取的扩张性经济政策； （3）意大利“双重混合经济”的特征。文章认为，由于EMU，意大利不断运行的初级预算盈余高于其EMU同行。以来，自Covid-19和EMU约束的放松以来，意大利的财政立场就变成了扩张。这为各种社会ECO的官员政策提供了空间，可以部分保护家庭和企业免受危机的影响。然而，随着财政保守主义的回归，NRRP现在代表了镇上唯一试图解决意大利双重杂种的游戏，其特征是国家的能力和供应方面的机构不一致以及两个直径对立的北部和南部地区的区域增长方案。
基于约束量子优化的新型量子遗传算法
摘要 摘要 在过去的几十年中，已经开发出了许多量子算法。阻碍这些算法广泛实施的主要障碍是可用量子计算机的量子比特规模太小。盲量子计算 (BQC) 有望通过将计算委托给量子远程设备来处理此问题。在这里，我们介绍了一种新颖的约束量子遗传算法 (CQGA)，该算法以非常低的计算复杂度选择约束目标函数（或庞大的未排序数据库）的最佳极值（最小值或最大值）。由于约束经典遗传算法 (CCGA) 收敛到最优解的速度高度依赖于最初选择的潜在解的质量水平，因此 CCGA 的启发式初始化阶段被量子阶段取代。这是通过利用约束量子优化算法 (CQOA) 和 BQC 的优势实现的。所提出的 CQGA 用作上行链路多小区大规模 MIMO 系统的嵌入式计算基础设施。该算法在考虑不同用户目标比特率类别的同时，最大化上行大规模 MIMO 的能量效率 (EE)。仿真结果表明，建议的 CQGA 通过仔细计算每个活跃用户的最佳发射功率，使用比 CCGA 更少的计算步骤，实现了能量效率的最大化。我们证明，当整体发射功率集或总体活跃用户数量增加时，与 CCGA 相比，CQGA 始终执行较少数量的生成步骤。例如，如果我们考虑将总体活跃用户数量 () 设置为 18 的场景，CQGA 会使用较少的生成步骤数（等于 6）找到最优解，而 CCGA 则需要更多的生成步骤数，达到 65。
考虑电池退化的能量受限微电网随机运行
可再生能源发电占比较高的电力系统容易受到发电量低的时期的影响。保持高可调度发电能力的另一种方法是使用电能存储，这样可以利用剩余电力，电能存储有助于保障供电安全。这种系统可以视为能源受限系统，电能存储的运行必须在最小化当前运营成本与无法满足未来需求的风险之间取得平衡。安全高效的运行需要具有足够远见的随机方法。依赖于运行的存储退化是一个复杂因素。本文提出了一种电池电量退化的线性近似方法，并将其与循环退化相结合，在基于随机对偶动态规划的能源管理模型中实现。本文研究了退化建模对挪威小型微电网日常运行的长期影响，该微电网具有可变可再生能源发电和有限的可调度发电能力，以及电池和氢气存储以平衡供需。我们的结果表明，与简单的随机策略相比，提出的策略可以将预期电池寿命延长四年以上，但可能会导致其他系统资源的退化加剧。
概率的神经网络学习的约束杂交元神经算法
这项研究通过利用多种优化策略的互补优势来研究杂交元启发式算法增强概率神经网络（PNN）训练的潜力。传统的学习方法，例如基于梯度的方法，常常难以在高度和不确定的环境中进行绕过，而单方法元启发式学可能无法充分利用解决方案空间。为了应对这些挑战，我们提出了受约束的混合元神经（CHM）算法，这是一种新颖的方法，将多种基于人群的优化技术结合到统一的框架中。所提出的过程分为两个阶段：初始探测阶段评估多个元启发式学，以根据错误率确定最佳性能，然后是拟合阶段，其中所选的元启发式优化PNN以实现最佳的平滑参数。此迭代过程可确保有效的Ex-
考虑电池退化的影响，能量受限微电网的随机运行
摘要 — 可再生能源发电占比较高的电力系统容易受到发电量低的时期的影响。保持高可调度发电能力的另一种方法是使用电能存储，这样可以利用剩余电力，电能存储有助于保障供电安全。这种系统可以视为能源受限系统，电能存储的运行必须在运营成本最小化和稀缺风险之间取得平衡。在这方面，依赖于操作的存储特性（如储能退化）是一个复杂因素。本文提出了一种电池充电状态退化的线性近似方法，并将其与循环退化相结合，在基于随机对偶动态规划的能源管理模型中实现。研究了退化建模对挪威小型微电网的影响，该微电网具有可变可再生能源发电和有限的可调度发电能力，以及电池和氢气存储以平衡供需。我们的结果表明，与简单的随机策略相比，所提出的策略可以将预期电池寿命延长四年以上，但可能会导致其他系统资源的退化加剧。显然，随机策略对于在能源受限的系统中保持较低的稀缺风险至关重要。
用生物学约束深度学习体系结构解释V1属性
卷积神经网络（CNN）最近已成为腹侧视觉流的有前途的模块。虽然主要视觉皮层（V1）的当前最新模型已经从具有对抗性示例的训练中浮出水面并广泛增强了数据，但这些模型仍然无法解释V1中观察到的关键神经特性，这些神经特性是由生物逻辑电路引起的。为了解决这一差距，我们系统地将神经科学衍生的架构组件纳入CNN中，以确定一组更全面地解释V1活动的机制和体系结构。通过使用建筑组件增强任务驱动的CNN，这些组件模拟了中心旋转的拮抗作用，局部接收场，调整归一化和皮质放大倍数，我们以潜在的表示模型来产生V1神经活动和调谐特性的潜在模型。此外，对这些成分的学习参数和最大激活评估网络神经元的刺激的分析为它们在解释V1的神经特性中的作用提供了支持。我们的结果突出了神经ai领域的重要进步，因为我们系统地建立了一组建筑成分，这些组件有助于v1的前所未有的解释。可以从越来越准确的大脑内部模型中收集的神经科学见解有可能大大推进神经科学和人工智能的领域。
约束优化问题的有效隐式约束处理方法
许多现实世界的优化问题，尤其是工程优化问题，都涉及约束条件，这使得寻找可行解变得十分困难。许多研究人员已经针对受约束的单目标和多目标优化问题研究了这一挑战。具体而言，本研究扩展了 Gandomi 和 Deb（《计算机方法与应用机械工程》363:112917, 2020）提出的用于约束优化问题的边界更新 (BU) 方法。BU 是一种隐式约束处理技术，旨在通过迭代削减不可行搜索空间，从而更快地找到可行区域。这样做会扭曲搜索空间，使优化问题更具挑战性。为此，我们实施了两种切换机制，当找到可行区域时，将景观连同变量一起转换为原始问题。为了实现这一目标，我们考虑了两个阈值，分别代表不同的切换方法。在第一种方法中，当约束违规达到零时，优化过程将转换为不使用 BU 方法的状态。在第二种方法中，当目标空间不再发生变化时，优化过程将转入不使用 BU 方法的优化阶段。为了验证该方法的有效性，我们考虑使用著名的进化单目标和多目标优化算法来解决基准测试和工程问题。本文分别在整个搜索过程中使用和不使用 BU 方法对所提出的方法进行了基准测试。结果表明，该方法可以显著提高收敛速度，并能够更好地解决约束优化问题。
用于无约束和约束离散优化的 NISQ 兼容近似量子算法
量子算法因其可能显著超越传统算法而越来越受欢迎。然而，量子算法在优化问题中的实际应用面临着与现有量子算法训练效率、成本格局形状、输出准确性以及扩展到大规模问题的能力相关的挑战。在这里，我们提出了一种基于梯度的量子算法，用于具有幅度编码的硬件高效电路。我们表明，简单的线性约束可以直接合并到电路中，而无需使用惩罚项对目标函数进行额外修改。我们使用数值模拟在具有数千个节点的完全加权图的 MaxCut 问题上对其进行测试，并在超导量子处理器上运行该算法。我们发现，当应用于具有 1000 多个节点的无约束 MaxCut 问题时，将我们的算法与称为 CPLEX 的传统求解器相结合的混合方法比单独使用 CPLEX 实现了更好的解决方案。这表明混合优化是现代量子设备的主要用例之一。