XiaoMi-AI文件搜索系统
World File Search SystemDecomposition
通过低级目标分解对军事C2系统的概念模型的改进
摘要本文在设计科学研究（DSR）框架之后有助于正在进行的研究项目。该项目着重于建立一个概念框架，该概念框架通过模型和方法支持设计师和军事指挥官，旨在增强对军事指挥和控制系统（C2-Systems）的理解和评估。军事C2系统越来越依赖新兴技术，这突出了指导集成和发展的概念框架的需求。在本文中，我们提出了一种方法来完善目标模型，特别是在C2系统中的低级目标。总体目标是验证和完善现有的概念模型，尤其是与开发方面有关的概念模型。我们对低级目标进行结构化分析，以确定所设想框架的方法组件。通过建立这些连接，本文旨在研究现有方法和潜在方法差距的适用性。应在低级目标与以概念模型的形式概述的方法组件之间出现任何断开连接，这是对开发新方法组件的发展的倡导者。这些发现有助于对增强C2系统设计和实施策略的实用见解。文章Herby展示了4EM方法在理解和完善概念模型中的适用性。
结构化分解
我们引入结构化分解。这些是类别理论数据结构，它们同样从图理论中概括了概念（包括树宽度，分层树宽度，共树宽度和图形分解宽度），地理群体理论（特定的低音低音理论）和动态系统（例如，混合动力学系统）。此外，结构化的分解使我们能够将这些上述组合不变性概括为新的环境中的结构和算法组成的研究，它们在结构和算法的组成性研究中起着Central的作用。例如，在任何类别中，它们都描述了算法上有用的结构组成：作为我们理论的应用，我们证明了用于组成问题的算法元理论。从具体的术语中，当在图表的猫效中实例化时，该元理论会产生NP- hard问题的组成算法，例如：m aximim b ibartite s ubgraph，m aximim p lanar s ub -
高性能容量扩展模型的正则化 Benders 分解
摘要 — 我们考虑电力容量扩张模型，该模型通过最小化投资和运营成本来优化投资和退役决策。为了为规划和政策决策提供可靠的支持，这些模型需要包括详细的运营和时间耦合约束，考虑与天气相关的参数和需求数据的多种可能实现，并允许对离散投资和退役决策进行建模。这些要求导致大规模混合整数优化问题，而这些问题是现成的求解器无法解决的。因此，实际的解决方法通常依赖于精心设计的抽象技术，以在减少计算负担和模型准确性之间找到最佳折衷。Benders 分解提供了可扩展的方法来利用分布式计算资源并使模型具有高分辨率和计算性能。在本研究中，我们为具有多个规划期、随机运营场景、时间耦合策略约束以及多日储能和水库水力资源的大规模容量扩张模型实施了一种量身定制的 Benders 分解方法。使用多个案例研究，我们还评估了几种水平集正则化方案以加速收敛。我们发现，在可行集内部选择规划决策的正则化方案与以前发布的方法相比表现出更优异的性能，从而能够以前所未有的计算性能解决高分辨率混合整数规划问题。
多层超导与层间配对的分解
我们证明，与层间配对的多层超导性可以自然分解为一系列弱耦合的双层和三层超导块，以最大程度地减少其总自由能。我们的工作是由层间配对的最新提案，这是由层间互相交换在双层和三层镍超导体中的近半填充D Z 2轨道的相互作用所引起的。我们探讨了层间配对超导性的一般特性，并对有效的多层模型进行系统的Ginzburg-Landau分析。对于实际材料，我们的结果意味着强大的超导级参数调制和沿Z轴（垂直于层）的短相干长度。这揭示了多层超导与中间配对的独特特征，并为将来的实验和理论研究提供了一个基本框架。
分析印度制造业的碳排放趋势：分解和解耦方法
越来越强调促进绿色增长和降低碳排放量为13，以实现可持续的经济发展。本研究使用TAPIO解耦14个模型，并分析了利用日志平均分区指数（LMDI）技术影响印度15种制造业的碳排放变化的因素。16此外，已经使用System-GMM方法分析了碳发射强度，信息和17通信技术（ICT），总因子生产率（TFP），技能和能量强度18之间的联系。它基于印度有组织制造业的植物水平年度19个行业调查（ASI）数据集（ASI）数据集，从2001 - 02年20日至2019 - 20年，针对主要21个印度国家/地区。调查结果反映了在总体和州的制造业中存在21个弱解耦的。这22个表明，产出和排放量都在增加，但是，产出增长超过23个排放增长，这意味着要努力过渡到更环保的24个友好的生产方法并提高了能源效率。发现输出和人口25效应是碳排放中的主要因素，而能量强度则是26降低效果。此外，System-GMM估计表明，ICT和能量27强度对总因子生产率产生了积极影响，而碳28排放强度的增加，生产率下降。这项研究证实了该扇形中倒29个形状的Kuznets曲线的存在。这些努力将有助于达到碳中立性并提高该行业内部的能量32效率。本研究将有助于制定能源30和环境策略，以减少排放并促进采用清洁能源31来源。33 34关键字：制造业，能源使用，二氧化碳，生产率，分解，35能量强度，解耦36 jel分类：C33，P18，Q43 37
综合信息分解揭示的人类意识协同工作空间
1 剑桥大学临床神经科学系，英国剑桥；2 剑桥大学临床医学院麻醉学系，英国剑桥；3 剑桥大学心理学系，英国剑桥；4 伦敦帝国理工学院脑科学系迷幻药研究中心，英国伦敦；5 伦敦帝国理工学院复杂性科学中心，英国伦敦；6 伦敦帝国理工学院数据科学研究所，英国伦敦；7 剑桥大学医院 NHS 基金会神经科学系，英国剑桥阿登布鲁克医院；8 剑桥大学沃尔夫森脑成像中心，英国剑桥；9 剑桥大学临床医学院神经外科系，英国剑桥阿登布鲁克医院；10 加利福尼亚大学神经内科系迷幻药分部 - Neuroscape，美国旧金山； 11 加拿大伦敦西安大略大学大脑与心智研究所心理学系和生理学与药理学系；12 爱尔兰都柏林圣三一学院劳埃德大厦心理学学院神经科学研究所
启用空中3D打印
抽象的航空3D打印是一项开创性的技术，但在其概念阶段，结合了3D打印和无人驾驶飞机（UAVS）的前沿，旨在自动地在偏远和难以到达的位置建造大型结构。所设想的技术将通过利用无人机作为精确的建筑工人来实现建筑和制造行业的范式转变。但是，无人机的有效负载能力有限，以及操纵和计划所需的复杂敏捷性，施加了一个强大的克服障碍。旨在超越这些问题，本文提出了一种新型的基于空中分解和调度3D打印框架，该框架将模型的原始3D形状的近乎最佳分解分解为较小，更易于管理的子零件，称为块。这是通过基于启发式函数搜索平面切割来实现的，该函数结合了与子部分之间的互连性相关的必要约束，同时避免了无人机的挤出机和生成的块之间发生碰撞的任何可能性。此外，还提出了一个自主任务分配框架，该框架确定了一个基于优先级的序列，将每个可打印的块分配给无人机进行制造。使用基于物理学的凉亭仿真引擎证明了所提出的框架的效率，在该引擎中建立了各种基于原始的CAD的空中3D构造，考虑到非线性无人机动力学，相关的运动计划和通过模型预测性控制的相关运动计划和反应性导航。
以负担得起的政策分解：
摘要：涉及多个不同物体的长马操纵任务对模仿学习提出了挑战，结果策略表现出较差的效率，概括和模块化。这些限制的核心是使用图像和绝对坐标系捕获世界状态。没有广泛的演示数据集，这些表示形式将策略限制为在封闭的空间位置，类别内实例甚至任务变化上操作。在本文中，我们提出了一种使用以负担性为中心的坐标框架来解决这些Challenges的方法。通过适当地重新定位此框架并使用此相对坐标系培训基于州的政策，我们证明我们不仅可以学习高度样本效果的操纵行为，而且可以推广到广泛的空间和类别内的范围。更重要的是，我们表明，这种表示使我们能够学习可以无缝组成的独立子验证，以解决复杂的，长的，多对象的任务，并具有对新任务变化的组成概括的模块化。我们在现实世界中涉及5个不同对象，13个类别内对象变化和7个不同的子任务的实际茶服务任务上进行了广泛的验证，这些方法表现出了广泛的空间变化，证明了我们解决整个长途任务的能力，仅需10个演示。视频演示和代码将在polition-decomposition.github.io上找到。
光子计数CT中的材料分解：一种由检测器物理和ASIC建模驱动的深度学习方法
摘要。基于光子计数检测器（PCD）的光子计算计算机断层扫描（PCCT）以尖端的CT技术脱颖而出，提供增强的空间分辨率，减少辐射剂量和先进的材料分解功能。尽管它得到了公认的广告，但挑战是由现实现象引起的，例如PCD电荷共享效应，特定于应用的集成电路（ASIC）堆积和频谱转移，并引入了实际物理效应与理想物理模型中的实际物理效应之间的差异。这种未对准会导致图像重建过程中的重大错误，该过程在材料分解中尤其。在本文中，我们介绍了一种新型的检测器物理学和ASIC模型引导的深度学习系统模型，该模型是为PCCT量身定制的。该模型擅长捕获PCCT系统的全面反应，包括检测器和ASIC重音。我们提出了实验结果，证明了该模型的实验精度和鲁棒性。关键进步包括减少校准误差，材料分解成像的提高质量以及提高定量一致性。该模型代表了在弥合PCCT的理论假设和实际复杂性之间的差距，为更精确，更可靠的医学成像铺平道路时的差距。
使用高阶动态模式分解和小型数据集的视觉变压器
基于机器学习的框架，以及深入学习的更具体的框架。这包括第一次使用高阶动态模式分解（HODMD）算法，以便在医学场中的数据增强和特征提取。第二阶段的重点是构建和训练视觉变压器（VIT），在相关文献中几乎没有探索。即使使用小数据集，VIT也适用于从头开始的有效培训。设计的神经网络分析来自超声心动图序列的图像，以预测心脏状态。获得的结果表明了所提出的系统的优越性和HODMD算法的效率，即使表现优于预认证的综合神经网络（CNN），这是迄今为止文献中选择的方法。