XiaoMi-AI文件搜索系统
World File Search SystemDoubly
1.5mw倍增管多目标优化及智能算法研究
这项荟萃分析证明了将人工智能算法与传统设计方法相结合对优化 1.5MW DFIG 风力涡轮机叶片的有效性。该研究成功解决了风力涡轮机设计中涉及多个相互竞争的目标的复杂问题，例如空气动力学效率、结构完整性和经济可行性。借助先进的优化算法，特别是灰狼优化方法，设计结果和计算效率得到了显著改善。优化后的叶片设计重量减轻了 8%，同时提高了结构耐久性和空气动力学性能。组合叶片设计的功率系数增加到 0.27，表明风力涡轮机的效率有可能提高，尤其是在低风速范围内，任何效率的提高都对整体能量捕获至关重要。
链的双层几何表示...
我们为基于链的3D发型几何形状引入了双层层次生成表示，该几何形状从粗，低通的过滤导型头发到富含高频细节的密集的人浓厚的发束。我们采用离散的余弦变换（DCT）将低频结构曲线与高频卷曲和噪声分开，从而避免了吉布斯在开放曲线中与标准傅立叶变换相关的吉布斯振荡问题。与从头皮UV地图网格中取样的导向头发可能会失去现有方法中发型的细节，我们的方法通过利用低通滤波的密集链中的k -Medoid集群中心来样本最佳的稀疏导向链，从而更准确地保留了发型的本质特征。拟议的基于自动编码器的生成网络，其启发的架构是受几何深度学习和隐式神经表示的启发，可促进灵活的，离网的导向链建模，并使从隐含的神经表示的原理上绘制任何数量和密度的密度和密度完成密集的链。经验评估证实了该模型产生令人信服的指导头发和密集链的能力，并提供细微的高频细节。1
跨域通过双匹配转换
跨域少数射击语义分割（CD-FSS）旨在训练可以从不同域中分割具有一些标记图像的域类别的广义模型。以前的作品证明了特征转化在顾问CD-FSS中的有效性。但是，他们完全依靠支持图像进行特征转换，并且反复使用每个班级的一些支持图像很容易导致过度拟合并忽略了类内部外观差异。在本文中，我们提出了一个双重匹配的基于转换的网络（DMTNET）来解决上述问题。我们建议自我匹配转换（SMT），而不是完全依靠支持图像，以基于查询图像本身本身构建特定于特定的转换矩阵，以将特定于域特异性的查询特征转换为域。计算特定特定的转换矩阵可以防止过度拟合，尤其是对于元测试阶段，仅将一个或几个图像用作支撑图像来分割数百或数千个图像。获得了域 - 不足的特征后，我们利用了双关联构建（DHC）模块，以与Support图像的前景和背景之间的查询相关之间的超相关性，基于前景和背景图的前景和背景预测映射的产生和超级映射，并具有分为分段，以增强其分段。此外，我们提出了测试时间自我填充（TSF）策略，以更准确地自我调整看不见的域中的查询预测。代码可在https://github.com/chenjiayi68/dmtnet上找到。在四个流行数据集上进行的实验实验表明，DMTNET比最新方法实现了卓越的性能。
双重有效的私人信息检索和完全...
- 在最坏的情况下，在理想晶格中找到近似最短的向量。- 下一代公开加密的新NIST标准的基础。- 替代结构：近似GCD，NTRU，O（1）-Lank模块LWE
双重稳定的钙钛矿纳米晶发光下调
和现代建筑建立在更普遍的有机LED（OLEDS）的基础上。[1,3-5]在整个可见频谱中具有电荷平衡和高效率仍然远离最佳的QD，QD通常被用作颜色 - 纯发光下调转换器，用于在背光无机LED中显示。[2,6]虽然对设备档案的研究对于将来的开发至关重要，但许多小组也在探索QD的替代材料，以降低成本，最大程度地减少丰富的问题并限制毒性。[7-9]最初在2012年作为照片伏特的有前途的材料出现，[10]卤化物钙钛矿对于几乎所有光启动器件（例如光电探测器）具有巨大的潜力，例如光电探测器，[11]激光器，[12]和LED。[13–15]卤化物钙钛矿NC对于光发射特别有利，其发射波长可以通过组合和形态在整个可见范围内进行调谐，[16]超高的量子产量（Qys）（Qys），即使接近统一，甚至接近统一，[17-19]，[17-19]和合成，通常是actile and facile conigile facile cookile cookile，sable，便宜，易于扩展。[20,21]相比之下，传统QD通常需要Inorranic Core-shell结构，高前体纯度和复杂的，乏味的合成以获得令人印象深刻的光学特性。[22]但是，钙钛矿NC缺乏足够的稳定性
基于并网双馈感应发电机的风电场智能控制系统综述 I. Hamdan 1，
摘要：本综述研究重点关注并网双馈感应发电机 (DFIG) 风电场智能控制系统中使用的各种方法。本文回顾了一种使用模糊协调 PI 的控制器，该控制器建议用于在大型风电场发生干扰时通过降压-升压转换器 (DC-DC 转换器) 改善与 DFIG 耦合的超级电容器 (SC) 的动态性能。此外，本研究回顾了一种俯仰角控制，用于在不同风速下调节风力涡轮机 (WT) 叶片的角度，以控制功率并安全运行 WT。在俯仰角上实施人工智能控制 (模糊方法) 取代传统控制以提高系统性能，模糊方法用于在各种工作条件下自动调整传统控制参数。然后，本文回顾了一种开发的控制技术，该技术使用区间型 2 模糊逻辑控制 (FLC) 调整 PI 来为由 DFIG 操作的 WT 进行最佳扭矩调节。建议的控制可调节机械转子速度的误差并产生实现最大输出功率的最佳扭矩。根据现有文献的结果，引入了 SC 到三相四线有源电力滤波器 (APF) 直流链路的集成，方法是使用由模糊控制方法控制的接口三级双向降压-升压转换器。关键词：智能控制系统；风能；电力电子；双馈感应发电机；最大功率跟踪。
具有可控重复速率的高峰值脉冲的产生Q-S-Switched激光器具有AOM/ SNSE 2 div>
在各种应用中都使用了稳定的具有较大脉冲能量和峰值功率的稳定的固态脉冲激光源，从基础研究到工业材料加工，医学和电信[1-3]。使用饱和吸收器（SA）生成脉冲激光器已成为当今最受欢迎的方法。近年来，由于成功地应用石墨烯而刺激了许多具有分层结构的二维（2D）材料，因为它们具有超快速恢复时间，可宽带饱和吸收和简单制造过程的优势，因此已重新发现了有前途且有趣的SA材料[4-7]。div> div> div> div> div> div> div> div> div> div> div> div> div> div> div> div> div> tinse友好型材料，由于其独特的特性，低毒性，低毒性和低成本和低成本和低成本[8,9]，对通信，微电子，激光和非线性光学领域引起了广泛关注。由于具有可调的带隙特性，SNSE 2具有明显的宽带饱和吸收特性。几层和大散装SNSE2的间接带隙范围从1.07（〜1159 nm）到1.69 eV（〜734 nm），分别对应于1.84至2.04 eV的直接频段范围[10]。几层SNSE 2的间接带隙表示在1μm下可饱和吸收剂的能力。 Cheng等人在2017年首次报道了多层SNSE 2在1μm处的非线性光学特性，这是一种基于SNSE 2 -SA的被动Q开关波导固态激光器，其最小脉冲宽度为129 ns，脉冲宽度为129 ns，脉冲能量为6.5 NJ [10]。在2018年，Zhang等人。在2018年，Zhang等人。报告了基于SNSE 2 -SA [11]的高功率被动Q开关的YB掺杂纤维激光器。到目前为止，SNSE 2的非线性光学响应已通过不同波段的Q开关或模式的激光器进行了广泛研究[12-15]。但是，对固态激光器中SNSE 2的脉冲调制特征的研究还不够。
双重几何量子控制
量子信息处理要求在控制量表的控制中未经表述的精度。这是由于环境中普遍存在的噪音和不可避免的控制缺陷而变得具有挑战性的，这可能会降低控制权限。在开发量子最佳控制技术方面已取得了巨大进步[1-27]。载体量子计算[28]，其中大门基于几何阶段[29 - 35]，是在存在噪声的情况下增强门填充的一种方法。使用几何而不是动态阶段实现量子门可以减轻噪声的影响，这些噪声会在不受干扰的控制空间中留下整体循环。几何阶段可以使用绝热[36 - 38]或非绝热驾驶[39 - 49]来计算；后者通过减少操作时间来减轻磨损。非绝热的尸体（几何）门已在超导系统[50，51]，被困的离子[52，53]和氮呈（N- V）中成功实现。人类方法的一个优点是，它在选择实验友好的脉搏形状来产生大门时具有很大的灵活性。然而，尽管自动门具有沿载体循环的误差的抵抗力，但它们仍然容易受到横向上的噪声的影响，这种噪声在许多量子平台中很常见。
质体生物学的基因组编辑
随着连接到功率系统的双重喂养发电机（DFIG）的扩大量表，无法忽略系统继电器保护对系统中继电流的影响。设置和配置继电器保护将受到不精确的短路电流计算的影响。但是，一些现有的研究仅考虑输入是撬棍，而转子激发被阻塞的条件。中国的新网络标准需要DFIG的输出反应性支持电流，并将改变短路电流的特性。为了解决此问题，根据分析DFIG的瞬态等效势的特征，提供了具有不间断激发的DFIG的瞬态模型。基于频道链接的不间断变化的特征以及新的网格标准反应性支持电流的要求，提出了带有不间断激发的DFIG的短路电流计算方法。基于实时数字模拟器（RTD），这是一个建立了包含DFIG转换器实际控制单元的数字分析实验平台，验证了拟议的短路电流均方根（RMS）值计算方法。
TPQCI：一种基于拓扑的潜在方法，用于量化拷贝数变化的功能影响
通讯作者：私下生物统计学系印第安纳大学医学院和理查德·M·费尔班克斯公共卫生学院410 W 10th St.，Suite 3000印第安纳波利斯，印第安纳州印第安纳州，46202电子邮件：xioochun@iu.edu.edu.edu.edu电话：317-274-2696