XiaoMi-AI文件搜索系统
World File Search SystemFrequency
用于动态频率调节系统中的异常检测和缓解水电系统中的动态频率调节：预印本
摘要 - 由独立系统操作员（例如PJM互连）提供的激励措施驱动的频率调节服务越来越感兴趣。然而，这种跨性别在现代化和快速数字化的电网的背景下展开，使综合的遗产基础设施暴露于许多网络安全威胁。这项工作提出了一种方法，用于开发一种异常检测和缓解系统，以应对在频率调节市场中水力集成电池储能系统（BESS）参与期间的网络安全挑战。应用的异常检测器利用机器学习算法来提供网络物理事件的详细分类。后来，应用缓解系统触发了预定义的纠正措施，以最大程度地减少数据完整性攻击对调节市场和系统稳定性的影响。我们评估了在水力发电集成的BES拓扑上提出的方法，专门分析了来自PJM市场的缓慢调节信号（REG A）。我们的仿真结果表明，所提出的方法在检测分配的时间范围内的数据完整性攻击方面表现良好，并在Hydroledower和Bess参与监管市场期间，还可以最大程度地减少系统的短暂不稳定性。索引项 - 电源储能系统，水电，调节市场，网络安全，机器学习。例如，PJM市场利用其他分布式能量I.我的传统电网包括集中的发电设施，可提供足够的电力和相关服务以满足电网需求。然而，随着网格的发展，尤其是风和太阳装置，尤其是较小规模的功率来源，越来越需要额外的资源来增强灵活性并满足辅助服务要求。许多水电所有者和能源存储提供商都有兴趣参与调节服务市场，因为独立系统运营商提供的其他激励措施。
超低功率传感器设备，用于监测养殖鱼的体育活动和呼吸频率Juan Antonio Martos-Sitcha 1,2
微电子学的最新技术进步以及宽带的卫星通信和覆盖范围使得野外的水生和陆地动物的行为和运动可行。生物传感器设备在农业和实验生物学过程中也越来越多地用于对基本生物学的非侵入性理解。这项研究的目的是设计和验证定制和微型化的三轴加速度仪，以使用可重新编程的时间表协议对农场鱼类进行远程和非侵入性监测。当前的软件包设备（AE-Fishbit v.1s）是一种无备用的独立系统，其长度为14 mm，宽7.2毫米，总质量为600 mg，可从30-35 g监视动物。验证实验是在吉尔特黑头臀部和欧洲鲈鱼的少年中进行的，将设备连接到鱼孔上，以通过测量X轴和Y轴运动加速度来监测体育活动，而operculum呼吸（Z轴）的记录可作为呼吸频率的直接测量。在游泳测试室中进行锻炼的鱼的数据后处理显示，随着鱼速度从1个体长到每秒4个体长度的增加，鱼加速度的指数增加，而氧气消耗（MO 2）和Operculum呼吸之间的紧密线性平行性。在饲养罐中保存的自由驱动鱼类中的初步测试还表明，生物传感器数据记录能够检测出鱼昼夜鱼类活动的变化。低计算负载在数据预处理中使用板载算法的有用性也得到了从低至次最大练习进行验证，从而增加了该过程（与超低能量的微型编程相结合），该系统的自主权最多可以连续录制6 h的系统自治。有关组织损伤，进食行为和应力标记水平（皮质醇，葡萄糖，乳酸）循环水平的视觉观察结果并未在短期内揭示标记的负面影响。尽管血浆水平降低的甘油三酸酯水平显示出短暂的抑制小鱼（海鼻子50-90 g，海鲈100-200 g）。这是一个概念的证据，即微型设备适合于挑战鱼类的非侵入性和可靠的代谢表型来改善整体鱼类性能和福利。
使用固定频率 Transmon 量子比特进行模拟量子模拟
我们通过实验评估了具有固定频率和固定相互作用的 transmon 量子比特对于实现自旋系统模拟量子模拟的适用性。我们使用全量子过程断层扫描和更高效的哈密顿量断层扫描在商用量子处理器上测试了实现此目标的一组必要标准。低振幅下的显著单量子比特误差被确定为阻碍在当前可用设备上实现模拟模拟的限制因素。此外，在没有驱动脉冲的情况下，我们还发现了伪动态，我们将其与量子比特和低维环境之间的相干耦合联系起来。通过适度的改进，对丰富的时间相关多体自旋哈密顿量家族进行模拟模拟可能是可能的。
单频环光纤激光器，带有人工雷利散射提供的随机分布式反馈
1自动化与电视学院，俄罗斯科学院的西伯利亚分支，1 AC。Koptyug Ave.，630090 Novosibirsk，俄罗斯； ksyna_98@mail.ru（K.V.P. ）; golikov.inc@mail.ru（e.v.g。 ）; dostovalov@iae.nsk.su（A.V.D。 ）; wolf@iae.nsk.su（a.a.w. ）; z.munkueva@g.nsu.ru（Z.E.M. ）; abdullinasr@iae.nsk.su（s.r.a. ）; terentyev@iae.nsk.su（v.s.t. ）; babin@iae.nsk.su（s.a.b。） 2诺华州立大学物理系，皮罗戈娃2，630090俄罗斯诺瓦西比尔斯克3俄罗斯科学院普罗克霍罗夫通用物理研究所，38 Vavilov St.，1199991莫斯科，俄罗斯，俄罗斯， egorova@nsc.gpi.ru 4 Dianov光纤研究中心，俄罗斯科学院普罗夫洛夫通用物理研究所，俄罗斯莫斯科119991瓦维洛夫街38号； sls@fo.gpi.ru *通信：skvorczov@iae.nsk.suKoptyug Ave.，630090 Novosibirsk，俄罗斯； ksyna_98@mail.ru（K.V.P.）; golikov.inc@mail.ru（e.v.g。）; dostovalov@iae.nsk.su（A.V.D。）; wolf@iae.nsk.su（a.a.w.）; z.munkueva@g.nsu.ru（Z.E.M.）; abdullinasr@iae.nsk.su（s.r.a.）; terentyev@iae.nsk.su（v.s.t.）; babin@iae.nsk.su（s.a.b。）2诺华州立大学物理系，皮罗戈娃2，630090俄罗斯诺瓦西比尔斯克3俄罗斯科学院普罗克霍罗夫通用物理研究所，38 Vavilov St.，1199991莫斯科，俄罗斯，俄罗斯， egorova@nsc.gpi.ru 4 Dianov光纤研究中心，俄罗斯科学院普罗夫洛夫通用物理研究所，俄罗斯莫斯科119991瓦维洛夫街38号； sls@fo.gpi.ru *通信：skvorczov@iae.nsk.su
EPC® 射频识别第二代 UHF RFID ...
GS1 力求避免对实施 GS1 标准（包括本文提供的标准）的各方提出知识产权索赔的不确定性。GS1 有助于避免这种不确定性，部分原因是要求参与者签署 GS1 知识产权政策（“IP 政策”），该政策要求参与者就必要索赔授予免版税许可或 RAND 许可，因为这些术语在 IP 政策中有定义。请注意，标准的一个或多个特征的实施可能成为不涉及必要索赔的专利或其他知识产权的主题。任何此类专利或其他知识产权均不受 IP 政策下的许可义务的约束。此外，根据 IP 政策提供的授予许可的协议不包括非参与者的第三方（即未签署 IP 政策的各方）的知识产权或任何其他索赔。
enarhft：高频交易的有效层次增强学习
高频交易（HFT）使用计算机算法在短时间（例如第二级）中做出交易决策，该决策被广泛用于加密货币（Crypto）市场（例如比特币）。钢筋学习（RL）在Financial Research中表明，在许多Quantative交易任务上表现出色。但是，大多数方法都集中在低频交易上，例如日级，由于两个挑战，不能直接应用于HFT。首先，用于HFT的RL涉及处理非常长的轨迹（例如每月240万步），这很难优化和评估。其次，加密货币的急剧价格波动和覆盖趋势变化使现有算法无法保持令人满意的性能。为了解决这些挑战，我们提出了一种用于Hig f Reding（Earnhft）的方法，这是一个新颖的HFT三阶段层次RL框架。在第一阶段，我们计算了一个基于动态编程的最佳动作值，以提高二级RL代理的绩效和训练效率。在第二阶段，我们为不同的市场趋势构建了不同的RL代理，以回报率为特色，其中数百个RL代理人接受了不同的回报率偏好训练，只有一小部分将根据其盈利能力选择到池中。在第三阶段，我们训练了一个分钟级别的路由器，该路由器动态从泳池中挑选第二级代理商，以在不同市场上取得稳定的性能。通过在高保真仿真交易环境中对加密市场的各种市场趋势进行广泛的实验，我们证明，在3个流行的财务标准中，Earnhft显着超过了6个最先进的基线，超过了亚军的盈利者30％。
全局场时频表示... - 欧文实验室
摘要 — 意识障碍 (DOC) 患者的行为诊断具有挑战性，而且容易出错。因此，人们加大了对基于脑电图和事件相关电位 (ERP) 的床边评估的开发力度，这些评估对支持意识觉知的神经因素更为敏感。然而，使用这些技术对残留意识进行个体检测尚不成熟。在这里，我们假设大脑对听觉刺激的被动反应的跨状态相似性（定义为健康和受损意识状态之间的相似性）可以指示个体 DOC 患者的意识水平。为此，我们引入了基于全局场时频表示的判别相似性分析 (GFTFR-DSA)。该方法使用 GFTFR 作为脑电图特征，量化个体患者与我们构建的健康模板之间的平均跨状态相似性指数。我们证明，与传统的脑电图特征（例如时间波形）相比，所提出的 GFTFR 特征在 34 个健康对照中表现出更好的组内一致性。其次，我们观察到，最低意识状态患者（MCS，40 名患者）的 GFTFR 相似度指数明显高于无反应性觉醒综合征患者（UWS，54 名患者），这支持了我们的假设。最后，将线性支持向量机分类器应用于单个 MCS/UWS 分类，该模型实现了平衡的准确度和 0.77 的 F1 得分。总体而言，我们的研究结果表明，结合判别性和可解释性标记以及自动机器学习算法，对于 DOC 患者的鉴别诊断是有效的。重要的是，这种方法可以
用于分布式瞬态频率控制具有稳定性和安全保证的强化学习
本文提出了一种基于加强学习的方法，可在具有稳定性和安全保证的功率系统中进行最佳的瞬态频率控制。在Lyapunov稳定性理论和安全关键控制上构建，我们在分布式控制器设计上得出了足够的条件，以确保闭环系统的稳定性和瞬态频率安全性。我们的分布式动态预算分配的想法使这些条件不如最近的文献保守，因此它们可以对控制政策的搜索空间施加严格的限制。我们构建了神经网络控制器，该神经网络控制器可以参数化此类控制策略并使用强化学习来培训最佳策略。IEEE 39-BUS网络上的模拟说明了控制器的保证稳定性和安全性，并显着改善了最佳性。IEEE 39-BUS网络上的模拟说明了控制器的保证稳定性和安全性，并显着改善了最佳性。
对比度浴对神经性疼痛水平的影响...
摘要本研究论文深入研究了高频交易（HFT）和机器学习（ML）的交集，探索了ML技术对增强HFT策略的效率，准确性和盈利能力的重大影响。本文对与HFT和ML集成相关的原则，挑战和机遇进行了深入的检查。它还讨论了HFT中采用的各种ML方法，它们的优势，局限性和潜在的未来发展。通过对文献和案例研究的广泛综述，本文旨在全面概述ML进步驱动的HFT不断发展的景观。关键字：高频交易（HFT），机器学习（ML），算法交易，交易策略，定量财务。引起的背景和动机高频交易（HFT）已成为现代金融市场的重要方面。随着技术的快速进步和大量数据集的可用性，HFT公司利用机器学习技术来获得竞争优势。本研究论文深入研究了HFT和机器学习的交集，旨在揭示这个不断发展的领域的复杂性，挑战和潜在的好处。这项研究背后的动机是由HFT在全球金融系统中的重要性以及机器学习算法的变革力量的驱动的。面对算法交易，传统的交易策略正变得过时了，因此必须了解这种技术转变的含义。此外，对监管监督和市场稳定的不断需求需要对HFT实践进行全面分析。研究目标本研究论文的主要目标如下：•阐明高频交易中采用的基本原理和策略。•检查机器学习在增强HFT策略中的作用和影响。•分析与HFT相关的监管挑战和道德考虑。•提供有关HFT景观中未来趋势和潜在发展的见解。
利用蛋白质靶标信息预测药物副作用频率的双重表示学习
摘要 — 了解药物的意外作用对于评估治疗风险和药物再利用至关重要。尽管现有的大量研究预测了药物副作用的存在，但其中只有四项研究预测了副作用的频率。不幸的是，目前的预测方法 (1) 没有利用药物靶标，(2) 不能很好地预测看不见的药物，(3) 没有使用多种异构药物特征。我们提出了一种基于深度学习的新型药物副作用频率预测模型。我们的模型利用靶蛋白信息以及分子图、指纹和化学相似性等异构特征同时创建药物嵌入。此外，该模型将药物和副作用表示到一个公共向量空间中，分别学习药物和副作用的对偶表示向量。我们还使用 Adaboost 方法扩展了我们模型的预测能力，以补偿没有明确靶蛋白的药物。我们在预测副作用频率方面取得了优于现有方法的最佳性能，尤其是对于看不见的药物。消融研究表明，我们的模型有效地结合并利用了药物的异质性特征。此外，我们观察到，当给出目标信息时，具有明确目标的药物比没有明确目标的药物产生更好的预测。实现可在 https://github.com/eskendrian/sider 上找到。