XiaoMi-AI文件搜索系统
World File Search SystemInverse
贝叶斯逆不确定性量化驼鹿...
添加剂制造（AM）技术由于能够快速生产，原型和自定义设计而越来越多地在各种应用领域中采用。AM技术在核材料方面有明显的机会，包括加速制造过程和成本降低。在爱达荷州国家实验室（INL）的多个物理学面向对象的模拟环境（MOOSE）中，正在开发AM过程的高层建模和模拟（M＆S），以支持AM过程优化并提供对所涉及的各种物理相互作用的基本了解。在本文中，我们采用贝叶斯逆不确定性定量（UQ）来量化AM基于驼鹿的熔体模型中的输入不确定性。逆UQ是成型量化输入不确定性的过程，同时保持模型预测与测量数据一致。逆UQ过程考虑了模型，代码和数据的不可能，而同时表征输入参数中不确定的分布，而不是仅提供最佳位点估计值。我们使用熔体池几何形状（长度和深度）的测量数据来量化多个熔体池模型参数中的不确定性。模拟结果与实验数据的一致性提高了。可以使用所得参数不确定性来代替未来的不确定性，敏感性和验证研究中的专家意见。
Jitendra Malik Arthur J. Chick教授，加利福尼亚州伯克利大学EECS分校，加利福尼亚州伯克利大学94720电子邮件：malik@berkeley.edu
我的标签，PR.，从那里，p。，Person，C。和Sejno Wski，T。J.
TMCF建议：'逆最佳运输
问题区域。确定的参与者将应用和计算数学，计算统计和机器学习以及相关应用领域（例如人口流量，机器学习和AI）等相关应用领域汇集了互补的专业知识。研讨会的结果将有助于合并一个积极参与该领域的研究人员的跨学科社区，目的是构建可在多个应用领域中使用的新方法和工具。研讨会也将是探索寻求进一步资金的选择的机会，例如ERC协同作用或EPSRC标准赠款，目的是在英国，欧洲和美国培养跨学科研究。ERC协同作用或EPSRC标准赠款，目的是在英国，欧洲和美国培养跨学科研究。
7- ...
七度（DOF）机器人臂具有一个冗余DOF，以避免障碍物和奇异性，必须将其参数化以完全指定给定端e ff ent ector姿势的关节角度。常用于ABB，Motoman和Kuka的常用7-DOF Revolute（7R）工业操纵器以及SSRMS或FREND（例如SSRMS）的空间操纵器通常由肩el-肘（SEW）角度参数列出，用于路径规划和远程运行。我们介绍了一般的缝纫角，该缝隙角可以通过任意参考方向函数概括传统的缝隙角度。冗余参数化（例如常规缝纫角度）沿工作区中的一条线遇到算法奇异性。我们引入了一个参考方向功能选择，称为立体缝隙角度，该角度仅沿着半线具有奇异性，该界限可能无法触及，从而扩大了可用的工作空间。我们证明所有参数化都有算法的奇异性。最后，使用一般的缝纫角度和子问题分解，我们提供了e ffi cient奇异性逆逆运动溶液，这些解决方案通常是封闭形式的，但可能涉及1D或2D搜索。基于搜索的解决方案可以转换为查找多项式根。可以在可公开访问的存储库中获得示例。
基于神经网络的逆模型
图5。（a）在训练数据下推断a。该模型在图。1a和训练有素的NNFM对线路左侧的数据的预测如下所示。nmae = 0.162。（b）推断上述训练数据。nmae = 0.112。（c）在训练数据下方外推s。nmae = 0.057。（d）在训练数据上方推断s。nmae = 0.027。在每个图中，从图中所示的参数范围的每个边缘删除了10％的数据1a，被排除在培训集外。NNFM经过剩余90％数据的训练。每个点的颜色表示SDD，如图3
使用...检查四旋翼飞行器逆向模拟问题
研究了四旋翼机动飞行。提出的信赖域狗腿（DL）技术减轻了牛顿法在求解过程中用于系统状态数值微分的弱点。所提出的技术强调了逆模拟问题的全局收敛解。通过计算使四旋翼飞行器能够遵循指定轨迹（包括爬升悬停和巡航悬停机动）所需的控制输入来评估该算法。使用为四旋翼飞行器开发的线性最优控制通过直接模拟生成轨迹。四旋翼飞行器的旋翼是基于叶片元素理论（BET）、线性空气动力学和旋翼盘上非均匀流入开发的非线性模型。结果表明，从逆模拟获得的控制输入与通过直接模拟估计的控制输入具有良好的一致性。结果还证实，规定轨迹与直接模拟生成的轨迹之间的最大差异小于 0.02%，因此，信赖域狗腿优化的逆模拟的潜在应用显而易见。
LIDAR逆传感器建模用于占用网格...
作为结论，这项研究通过表明点云处理和逆传感器建模的战略改进可以显着提高过渡网格图（TGM）的性能，从而为研究问题提供了答案。该研究通过参数确定性能和计算负载之间的适当平衡，例如0.5 m的网络分辨率和8 Hz的执行率，对于在城市环境中有效的实时导航至关重要。此外，还显示了高级3D点云数据的集成，并通过精制的预处理管道提供了精度和计算效率之间的最佳平衡，这证实了在动态设置中提出的模型的鲁棒性和适应性。这些结果不仅证实了所提出的方法的效率，而且还为未来的研究奠定了基础，旨在将这些模型扩展到更复杂的环境，最终有助于更安全地利用技术用于自动驾驶。
