XiaoMi-AI文件搜索系统
World File Search SystemIOU
印第安纳州公用事业监管委员会
为避免不必要的基础设施重复建设带来的高成本，印第安纳州的公用事业单位通常根据州法律被授予特定的零售服务区域。作为公用事业单位获得独家服务区域的交换，它们有义务安全可靠地为公众提供服务，不得有任何歧视。为了防止这种结构向客户收取过高的费用，该州通过委员会以平衡为公用事业单位提供充足资金的需求的方式监管费率，以便它们能够以公正合理的费率为客户提供安全可靠的服务。投资者拥有的公用事业单位 (IOU) 的费率包括该公用事业单位私人投资获得合理回报的机会（但不是保证）。公用事业单位有义务为客户提供安全可靠的服务以换取受监管的费率，这通常被称为监管契约。
DER 电网影响分析
1 公共事业法典第 321.7(a)(1) 节。 2 http://docs.cpuc.ca.gov/publisheddocs/published/g000/m096/k207/96207286.pdf 3 http://www.cpuc.ca.gov/general.aspx?id=5935 4 本研究的 IOU 包括南加州爱迪生公司 (SCE)、圣地亚哥天然气电力公司 (SDG&E) 和太平洋天然气电力公司 (PG&E)。 5 http://www.cpuc.ca.gov/uploadedfiles/cpuc_public_website/content/about_us/organization/divisions/office_of_governmental_affairs/legislation/2016/legislative%20report%20on%20impacts%20of%20distributed%20energy%20generation%20submitted%20january%201%202016.pdf 6 http://www.cpuc.ca.gov/uploadedFiles/CPUC_Public_Website/Content/About_Us/Organization/Divisions/Office_of_Governmental_Affairs/Legislative%20Report%20on%20Residential%20ZNE-Building%20Integration%20Costs%20Analysis.pdf
使用生物医学图像分割的变异推断的不确定性定量
由卷积神经网络激励的深度学习在一系列医学成像问题（例如图像分类，图像分割，图像合成等）中非常成功。但是，对于验证和可解释性，我们不仅需要模型做出的预测，而且还需要在做出这些预测时它的自信。这对于人民接受安全的关键应用很重要。在这项工作中，我们使用了基于变异推理技术的编码器解码器结构来分割脑肿瘤图像。我们使用骰子相似性系数（DSC）和联合（IOU）的交集作为评估指标，评估公开可用的Brats数据集的工作。我们的模型能够以原则上的贝叶斯方式考虑脑肿瘤，同时考虑到疾病的不确定性和认知不确定性。
第10个连接 - iou-ev-load-load-mar-2022.pdf
联合投资者拥有的公用事业（IOU）电动汽车（EV）负载研究和充电2021年的基础设施成本报告（报告）研究EV客户充电行为，服务和服务和分配系统升级与加利福尼亚州三家大型投资者拥有的EV负载相关的EV负载成本（可持续发展目标），共同占据了关节。在本报告中，联合IOUS通过（1）初步程序和（2）率或非编程提供了EV负载和基础设施成本。对联合领土内的电动汽车充电行为和电动汽车充电基础设施成本进行了检查，可以提供有用的见解，以帮助加速广泛的运输电气化（TE）。
BTS-GAN
乳腺肿瘤是乳腺癌诊断最突出的指标之一。精确的肿瘤分割对于提高乳腺癌检测的准确性至关重要。医生对 MRI 扫描的评估非常耗时，需要大量的人力和专业知识。此外，传统的医学分割方法通常需要先验信息或手动特征提取，导致诊断具有主观性。因此，开发一种自动图像分割方法对于临床应用至关重要。这项工作提出了 BTS-GAN，一种在磁共振成像 (MRI) 扫描中使用条件 GAN (cGAN) 的自动乳腺肿瘤分割过程。首先，我们使用编码器-解码器深度网络作为生成器，并在编码器和解码器之间使用跳跃连接，以提高定位效率。其次，我们利用并行扩张卷积 (PDC) 模块来保留各种大小肿块的特征并有效提取有关肿块边缘和内部纹理的信息。第三，在 cGAN 的损失函数中加入了额外的分类相关约束，以缓解基于分类的图像到图像 (I2I) 翻译任务中难以收敛的挑战。我们提出的模型的生成器端学习检测肿瘤并构建二值掩码，而鉴别器学习区分地面真实和合成掩码，从而驱动生成器生成尽可能真实的掩码。实验结果表明，我们的 BTS-GAN 对于乳腺肿瘤分割更有效、更可靠，并且在公开可用的 RIDER 乳腺癌 MRI 数据集上的 IoU 和 Dice 系数方面优于其他分割技术。我们提出的模型分别实现了 77% 和 85% 的平均 IoU 和 Dice 得分。2022 作者。由 Elsevier BV 代表卡拉布克大学出版 这是一篇根据 CC BY-NC-ND 许可 ( http://creativecommons.org/licenses/by-nc-nd/4.0/ ) 的开放获取文章。
使用 U-Net 自动分割胃肠道
摘要 — 医学图像处理极大地改变了医疗保健的格局，特别是在各种疾病的诊断和治疗方面。胃肠道 (GI) 癌症已成为一个快速增长的问题，估计每年报告的新病例有 500 万例。为了达到这种精度，医疗保健专业人员现在利用尖端的磁共振成像 (MRI) 模式，即 MR-Linacs，它可以提供肿瘤位置的每日视图。然而，这一过程中的一个瓶颈出现在从获得的医学图像中手动分割处于危险中的健康器官（如胃和肠）的过程中。这项由放射科医生执行的任务非常耗时，可能会大大延长治疗时间，从而加剧患者的痛苦。因此，胃肠道分割的自动化可以无缝地帮助肿瘤学家。我们的研究提出了一种自动分割胃肠道的模型。本研究提出了一个 U-Net 模型，可以从 MRI 扫描中分割胃和肠。该数据集来自威斯康星大学麦迪逊分校卡博内癌症中心，包含用于训练注释的 RLE 编码掩码以及 16 位灰度 PNG 图像。每个病例包含多个扫描切片，按时间或整个病例分割。我们的方法使用了 U-Net 上的各种损失函数组合来提高胃肠道自动分割的准确性和效率。与其他损失函数相比，我们的模型使用 Dice+BCE 损失函数实现了较高的准确性。在训练数据集上，采用 Dice+BCE 损失函数的 U-Net 模型获得了最高的骰子分数 0.9082 和 IOU 分数 0.8594。在验证数据集上，该模型的骰子分数为 0.8974，交并比 (IoU) 分数为 0.8181。这项研究有助于解决与手动胃肠道分割相关的挑战，通过使用深度学习技术进行自动分割提供了可行的解决方案。关键词 — 磁共振成像 (MRI)、组合损失函数、U-Net、威斯康星大学麦迪逊分校 Carbone 癌症中心、胃肠道分割
SJV DAC 试点项目流程评估
除了指示 IOU 在 SJV DAC 中实施试点外，CPUC D.18-12-015 还指示 SoCalGas 管理一份提案请求 (RFP)，由 CPUC 能源部门 (ED) 选定一家独立承包商，对试点进行流程评估。流程评估旨在检查实施流程的各个方面，以确定提高试点设计和交付流程整体有效性的方法，并为试点改进提供可行的建议。流程评估还旨在记录障碍并确定试点管理员 (PA) 在实现其既定目标方面的成功程度，并帮助 CPUC 比较 PA 的绩效实施流程。此评估并非旨在评估成本效益或确定
公用事业委员会
33 参见 SB 100，2017-2018 年加州统计局（第 312 章）。SB 100 要求到 2045 年，加州 100% 的零售电力均由符合条件的可再生能源和零碳资源提供。 34 例如，参见 CPUC，影响与流程评估报告，《舒适加州全州第三方计划》，计划年度 2021 年（2023 年 5 月 15 日），第 5 页，“净毛利率为 4%（3.6%）”，网址为 https://pda.energydataweb.com/api/downloads/2813/PY%202021%20Statewide%20Third%20Party%20P rograms%20Evaluation%20-%20Comfortably%20California%20HVAC.pdf。 35 例如，请参阅 D.21-05-031 COL 8，要求 IOU 在资源获取部分具有成本效益。
2023 年参议院第 695 号法案报告
CPUC 的使命是确保加州 IOU 客户以公正合理的价格获得安全、可靠、负担得起且清洁的公用事业服务。3 此外，自 2018 年以来，CPUC 一直通过我们的可负担性规则制定直接解决对可负担性和费率上涨的担忧。4 2021 年，我们通过首次可负担性全员听证会 5 加强了努力，以加强对可负担性问题的关注。6 然后，在 2022 年，CPUC 举行了另一次可负担性全员听证会，以深化我们对利益相关者提案的审查，并引入新的潜在选择来缓解能源费率和账单上涨。7 在 2023 年的第三次全员听证会上，CPUC 和利益相关者讨论了今年冬天最近的高天然气价格，研究了电力市场的可能驱动因素和影响，并探讨了减轻天然气和电力市场波动影响的潜在措施。8