XiaoMi-AI文件搜索系统
World File Search SystemLEM
校园微电网中基于电池的能源优化的峰值预测
基于电池的能源存储已成为各种电网能源优化（如调峰和成本套利）的有利技术。电池驱动的调峰优化的一个关键组成部分是峰值预测，即预测一天中需求最大的时段。虽然之前已经有大量关于负荷预测的研究，但我们认为，预测个人消费者或微电网需求高峰期的问题比预测电网规模的负荷更具挑战性。我们提出了一种基于深度学习的峰值预测新模型，该模型可以预测每天需求最高和最低的 k 个小时。我们使用来自 156 栋建筑的真实微电网的两年跟踪来评估我们的方法，并表明它比用于峰值预测的最先进的负荷预测技术高出 11-32%。当用于基于电池的调峰时，我们的模型每年可为该微电网的 4 MWhr 电池节省 496,320 美元。
糖尿病和并发症...
18。糖尿病和特殊情况277 18.1。|糖尿病和手术277 18.2。|结肠镜检查的患者283 18.3。| PET/CT拍摄的患者284 18.4。|全肠胃外和肠内营养治疗的患者286 18.5。|糖尿病和住院288 18.6。|使用皮质类固醇患者的高血糖治疗292 18.7。|老年人的糖尿病293 18.8。|糖尿病与旅程296 18.9。|糖尿病和感染297 18.10。|糖尿病中的疫苗应用300 18.11。|糖尿病和自然灾害状况303 18.12。|糖尿病和宗教职责303 18.13。|居住在特殊条件的人的糖尿病护理307
使用增强现实训练中的模拟器晕动症...
摘要 近年来，随着消费级智能眼镜的出现，增强现实技术正在兴起。那些有兴趣部署这些头戴式显示器的人需要更好地了解技术对最终用户的影响。可能阻碍使用的一个关键方面是晕动症，这是从虚拟现实中继承下来的一个已知问题，迄今为止仍未得到充分探索。在本文中，我们通过对航空、医疗和航天三个不同行业的 142 名受试者进行实验来解决这一问题。我们评估了增强现实头戴式显示器 Microsoft HoloLens 是否会导致模拟器晕动症，以及不同症状组（恶心、眼球运动和迷失方向）如何导致模拟器晕动症。我们的研究结果表明，Microsoft HoloLens 在所有参与者中只会引起微不足道的模拟器晕动症症状。大多数使用它的消费者不会出现任何症状，而只有少数人在我们所测试的训练环境中感到轻微的不适。
物联网边缘计算系统的能源和 QoS 感知动态可靠性管理
物联网 (IoT) 系统与任何电子或机械系统一样，容易发生故障。由于老化和退化导致的硬件硬故障尤其重要，因为它们是不可恢复的，需要维修更换有缺陷的部件，成本很高。在本文中，我们为物联网边缘计算系统提出了一种新颖的动态可靠性管理 (DRM) 技术，以满足服务质量 (QoS) 和可靠性要求，同时最大限度地提高边缘设备电池的剩余能量。我们制定了一个具有电池能量目标、QoS 和终端可靠性约束的状态空间最优控制问题。我们将问题分解为低开销子问题，并使用分布在边缘设备和网关上的分层和多时间尺度控制方法来解决它。我们的结果基于实际测量和跟踪驱动的模拟，表明所提出的方案可以实现与最先进方法类似的电池寿命，同时满足可靠性要求，而其他方法则无法做到这一点。
受黄金分割五次方支配的相变及其超越
在本文中，我们比较了不同科学学科的成果，以展示它们之间的紧密交织，共同点是黄金分割率φ及其五次方φ 5 。研究领域涵盖与相变相关的统计物理模型计算、两个粒子的量子概率、信息相对论 (IRT) 提出的万物新物理学（包括对宇宙学相关性的解释）、ε-无穷大理论、超导性，以及球体表面 N 个不重叠圆的最大直径的 Tammes 问题及其与病毒形态和晶体学的联系。最后，简要描述了为拓扑量子计算 (TQC) 提出的斐波那契任意子，并与最近使用 Janičko 数列制定的逆斐波那契方法进行了比较。提出了一种适用于量子计算机的架构，由 13 级扭曲微管组成，类似于生物物质的微管蛋白微管。大多数话题都表明，中庸之道无处不在，是世界数字的主导。
通过基于模型的强化学习
摘要 - 这项研究提出了一种创新的方法，可用于由四个可压缩肌腱驱动的软执行器启用的软四倍机器人的最佳步态控制。柔软的四足机器人与刚性的机器人相比，已广泛认可，可提供增强的安全性，较低的重量以及更简单的制造和控制机制。然而，它们的高度变形结构引入了非线性动力学，使得精确的步态运动控制复合物。为了解决这一问题，我们提出了一种基于模型的新型增强学习（MBRL）方法。该研究采用多阶段方法，包括国家空间限制，数据驱动的替代模型培训和MBRL开发。与基准方法相比，所提出的方法显着提高了步态控制策略的效率和性能。开发的策略既适合机器人的形态，既适合又有能力。这项研究结论是在实际情况下强调这些发现的实际适用性。索引术语 - 四倍的机器人，软执行器，增强学习，步态控制
![arxiv：2502.17010v1 [cs.cr] 2025年2月24日](/simg/g:\will\search\icon\source\d\dc3f4ff72e08d9d7acaab4a273e615f4f66a9332.webp)
arxiv：2502.17010v1 [cs.cr] 2025年2月24日
摘要。在本文中，我们证明，在概率多种多样的时间缩短下，超代血质的同学概率（同态），内态环问题（末端）和最大秩序问题（maxorder）是等效的。基于同一的密码学建立在这些问题的假定硬度上，它们的互连是密码系统的设计和分析的核心，例如SQISIGN数字签名方案。以前已知的减少依赖于未经证实的假设，例如普遍的Riemann假设。在这项工作中，我们提出了无条件的减少，并将此等效网络扩展到计算两个超椭圆形曲线（Hommodule）之间所有同源性晶格的问题。对于加密应用程序，需要平均而言，对于随机实例来说，计算问题平均要困难。众所周知，如果ISEGEN很难（在最坏的情况下），那么对于随机实例就很难。我们通过证明在最坏的情况下很难证明任何上述经典问题都很难扩展，那么所有这些问题平均都很难。特别是，如果存在均质的硬实例，则平均而言，所有等级，终端，最大端阶和Hombyule都很难。
![arXiv:2002.05769v1 [cs.AI] 2020 年 2 月 13 日](/simg/g:\will\search\icon\source\6\6721efe57c2724da6ae271793dd8babcc7962ad8.png)
arXiv:2002.05769v1 [cs.AI] 2020 年 2 月 13 日
规划很有用。它让人们采取具有可取的长期后果的行动。但是，规划很难。它需要思考后果，这会消耗有限的计算和认知资源。因此，人们应该规划他们的行动，但他们也应该聪明地部署用于规划行动的资源。换句话说，人们也应该“规划他们的计划”。在这里，我们将规划的这一方面表述为元推理问题，并将其形式化为一个递归贝尔曼目标，该目标结合了任务奖励和信息论规划成本。我们的解释对人们应该如何根据任务的整体结构进行规划和元规划做出了定量预测，我们在两个有人类参与者的实验中对此进行了测试。我们发现，人们的反应时间反映了信息处理的计划使用，这与我们的解释一致。这种规划计划的表述为人类和机器中的分层规划、状态抽象和认知控制的功能提供了新的见解。
墙-墙边界检测
从一组线段中自动识别结构是一项挑战，因为并非所有定义建筑结构的线都能被低级图像处理完美检测到。使问题进一步复杂化的是，额外的边缘可能会位于墙壁表面或不属于目标结构的物体上。因此，大多数现有方法依赖于中级区域特征，如几何上下文和方向图 [7]，作为布局估计的中间步骤。给定一张图像，我们确定其信息边缘图，然后用它来预测该图像的最佳拟合 3D 框。由于图像是现实世界的投影，因此最好以能够满足现实世界的方式来解释它们。大多数室内环境符合曼哈顿世界假设 [2]，即大多数平面位于三个相互正交的方向之一。寻找建筑结构分三步完成；找到线段和消失点，创建许多合理的建筑模型假设，并根据方向图（区域方向的局部信念图）对每个假设进行测试，以
墙-墙边界检测
从一组线段中自动识别结构是一项挑战，因为并非所有定义建筑结构的线都能通过低级图像处理完美检测到。为了进一步复杂化问题，额外的边缘可能位于墙壁表面甚至不属于目标结构的物体上。出于这个原因，大多数现有方法依赖于中级区域特征，例如几何上下文和方向图 [7]，作为布局估计的中间步骤。给定一张图像，我们确定其信息边缘图，然后使用它来预测图像的最佳拟合 3D 框。由于图像是现实世界的投影，因此最好仅以能够满足现实世界的方式来解释它们。大多数室内环境都符合曼哈顿世界假设 [2]，即大多数平面位于三个相互正交的方向之一。查找建筑结构分为三个步骤；找到线段和消失点，创建许多合理的建筑模型假设，并根据方向图（即区域方向的局部信念图）对每个假设进行测试，以便