XiaoMi-AI文件搜索系统
World File Search SystemOptimized
优化的自适应MPC用于自动驾驶汽车的横向控制
摘要 - 自治车辆是解决大多数运输问题的解决方案，例如安全性，舒适性和效率。转向控制是实现自动驾驶的主要重要任务之一。模型预测控制（MPC）是该任务的效果控制器之一，因为其最佳性能和处理约束的能力。本文提出了用于路径跟踪任务的自适应MPC控制器（AMPC），并提出了一种改进的PSO算法，以优化AMPC参数。使用查找表方法在线实现参数改编。通过模拟评估了提出的AMPC性能，并将其与经典的MPC和Pure Pursuit控制器进行了比较。索引项 - 自主车，优化，模型预控制，自适应控制，粒子群优化。
单介质温跃层储罐中稳定热分层的优化流量分配器：数值和实验研究
符合可持续发展目标的能源转型要求在大多数能源需求领域迅速采用可再生能源 [1,2] 。热能存储 (TES) 具有在发电、工业和建筑等不同领域实现可再生能源高份额的巨大潜力 [3,4] 。TES 的优势特性包括可变的存储容量和持续时间、灵活的供需脱钩、灵活的集成方式 [5] 和生命周期优势，引起了各个能源市场的特别关注。根据 IRENA 的符合《巴黎协定》的能源转型情景 [6] ，预计未来 10 年安装的 TES 容量将增加三倍，从 2019 年的 234 GWh 增加到 2030 年的至少 800 GWh。
通过优化的模糊逻辑系统
推理引擎推理引擎是专家系统的关键组成部分，采用逻辑规则来得出信息或基于知识库做出决策。它将fuzzi输入（通过模糊过程获得）映射到规则库，从而为应用电缆规则生成模糊输出。模糊推理引擎遵循一个结构过程，其中包括多个关键步骤。最初，它通过从知识库中识别相关规则并将输入数据与每个规则中指定的条件进行比较来执行规则匹配。一旦确定了相关规则，发动机就会评估每个规则的真实程度，从而确定输入SATIS符合条件的程度。随后，它通过结合其输出以产生连贯的决策或结论来汇总从匹配规则得出的结论。此过程是迭代的，引擎不断应用规则并更新知识库，直到实现解决方案或不适用其他规则为止。此系统ATIC方法使模糊推理引擎可以处理
优化的质粒式骨架可有效RAAV制造
重组腺相关病毒（RAAV）是用于传递遗传信息的最深入研究和最广泛使用的载体之一。但是，将遗传货物向受体细胞有效地转移需要高矢量剂量。质粒DNA（pDNA）是用于制造Raav的关键原料。可以生产的病毒滴度取决于辅助，包装和转移质粒转染的细胞数量以及其生物学活性。因此，对优化质粒的高级疗法需求的开发和应用表现出较高的生物学活性，可以以高质量和数量生产。这些原材料的可用性和负担能力反过来要求高性能生产过程，这些过程的特征是高产品滴度，质粒DNA纯度和可伸缩性。这些特征受到靶质粒的特定序列的影响，尤其是那些对RAAV功能至关重要的序列。Wacker开发了一个专有的饲料批次工艺，该过程最佳地支持了质膜菌株的生长，并允许最佳的质粒复制。此过程允许在高特异性滴度和高纯度下进行可扩展的质粒DNA（包括关键的RAAV制造原材料）的可扩展生产和隔离。使用此过程，我们开发了特定的DNA序列，从而进一步提高了靶质粒的生产率，从而降低了制造成本。并行，我们筛选替代质粒结构，以提高其转染效率和包装细胞系中的生物学活性。结合了由此产生的技术，我们开发了专有质粒，可以进一步促进RAAV制造。具有其生产力，灵活性和可扩展性，Plasmitec®制造平台提供了高质量且负担得起的原材料，因此是开发和应用高级疗法的宝贵促进者。
研究文章优化了IEEE的功率损失预测...
抽象准确的功率损失估计对于有效的电力系统操作和计划至关重要。传统方法依赖于假设，导致不准确。这项研究采用了多层馈送神经网络（MFNN）来开发一个模型，该模型估计电力线中的真实和反应性损失。负载流技术用于获得训练多种模型的变量。调整神经元数并比较其他模型的性能指标后，选择了所需的模型。使用MATPOPTOR对118个BUS IEEE测试网络进行建模。Levenberg-Marquardt反向传播算法对生成数据训练了该模型。结果表明，25-神经元模型表现最好，在1000个时期达到了最小平方误差（0.00047543）。相关系数显示20个神经元和25个神经元模型的值为0.9999。分析确定了25个基于训练的模型是预测功率损耗的最准确的模型。据观察，25-神经元模型以1000个时期的最高相关系数（0.99999）达到了最佳性能（0.99999）和最小平方误差（0.00047543）。这项研究证明了ANN在估计传输线中功率损失方面的有效性。推荐的25个基于基于Neuron的训练有素的模型提供了研究模型的最佳预测，从而提高了电力系统效率和计划。关键字：神经网络，神经元，负载流，Levenberg-Marquardt，Newton Raphson
通过超分辨率和最大集团生成优化实例分割
摘要。监视系统的兴起导致收集的数据呈指数增长，从而在深度学习方面有了一些进步来利用它们并自动化自治系统的任务。车辆检测是智能车辆系统和智能运输系统领域的关键任务，使得控制交通密度或检测事故和潜在风险是可能的。本文提出了一个最佳的元方法，可以应用于任何即时分割模型，例如蒙版R- CNN或yolact ++。使用这些模型和超分辨率获得的初始检测，进行了优化的重新指导，允许检测未鉴定的元素并提高其余检测的质量。超分辨率的直接应用是有限的，因为实例分割模型根据固定维度处理图像。因此，如果超过超过该固定尺寸的尺寸，该模型将再次重新汇总，从而失去所需效果。这种元方法的优点主要在于不需要修改模型体系结构或重新培训它。无论给出的输入的图像的大小如何，都将生成符合对象分割模型定义维度的超级分辨区域。应用我们的建议后，实验显示了CityScapes数据集Jena序列中使用的Yolact ++模型的提高高达8.1％。
标题：针对常用小鼠心力衰竭模型的优化方案
（未经同行评审认证）是作者/资助者。保留所有权利。未经许可不得重复使用。此预印本的版权所有者此版本于 2025 年 1 月 25 日发布。；https://doi.org/10.1101/2025.01.22.634221 doi：bioRxiv preprint
针对水生病原体的 THz 检测优化 PCF 架构：增强水质监测
水生细菌对人体健康构成严重危害，因此需要一种精确的检测方法来识别它们。一种考虑到水生细菌危害的光子晶体光纤传感器已被提出，并且其在 THz 范围内的光学特性已被定量评估。PCF 传感器的设计和检查是在使用“有限元法”(FEM) 方法的程序 Comsol Multiphysics 中计算的。在 3.2 THz 工作频率下，所提出的传感器在所有测试情况下的表现都优于其他传感器，对霍乱弧菌的灵敏度高达 96.78%，对大肠杆菌的灵敏度高达 97.54%，对炭疽芽孢杆菌的灵敏度高达 97.40%。它还具有非常低的 CL，对于霍乱弧菌为 2.095 × 10 −13 dB/cm，对于大肠杆菌为 4.411 × 10 −11 dB/cm，对于炭疽芽孢杆菌为 1.355 × 10 −11 dB/ cm。现有架构有可能高效且可扩展地生产传感器，为商业应用打开大门。创新在于优化结构参数，以提高光纤对细菌存在的敏感性，从而改善太赫兹波和细菌细胞之间的相互作用。它针对细菌大分子吸收峰来提高灵敏度。局部场增强可能来自优化，它将 THz 振动集中在细菌相互作用更多的地方。通过改善散射，结构改变可以帮助通过细菌特征性的散射模式识别细菌。这些改进提高了传感器对痕量细菌的检测。这些因素结合起来可提高传感器对水生细菌的检测能力。在水环境中，这将带来更精确、更高效的检测，有助于实时监测细菌污染。这些发展可能会对公共卫生和水质控制产生重大影响。
流式优化的3D高斯脱落
3D高斯脱落（3DGS）已成为一种开创性的3D场景表示技术，提供了前所未有的视觉质量和渲染效率。但是，3DGS场景的大量数据卷在流媒体上构成了重大挑战。现有对3DGS的研究主要集中在压缩和提高效率上，忽略了流传输的具体质量。此外，3DG中的球形谐波颜色表示使基于视口的传输分配复杂化。在没有明显质量下降的情况下实现层次结构高斯流也是一个重大挑战。为了应对这些挑战，我们提出了SRBF-Gaussian，这是一种彻底改变传统3DGS格式的新范式。我们的方法基于球形径向基础函数（SRBF）和HSL颜色空间引入了与视口有关的颜色编码，从而可以选择性地传输与视口相关的颜色数据。这在保持视觉质量的同时减少了数据传输。我们实施自适应高斯修剪和传输，以适应当前的视口和网络条件。补充 - 我们开发了连贯的多级高斯表示，以在质量水平之间平稳过渡。我们的系统结合了用户 - 行为感知的流策略，以预测和预先提取相关数据。在云VR方案中，我们的方法表明了实质性改善，PSNR增长了5.63％-14.17％，延迟下降7.61％-59.16％，总体经验质量（QOE）提高了10.45％-30.12％。
优化的呼吸分析：定制的分析方法和增强的工作流程，以更广泛地检测VOC
抽象引入呼吸挥发性有机化合物（VOC）由于其独特的特性而成为临床目的的有希望的生物标志物。将VOC生物标志物转换为诊所的翻译取决于识别和验证：需要协作，建立良好协议和数据交叉比较的挑战。以前，我们开发了一种呼吸收集和分析方法，从而确定了148种呼吸传播VOC。目的是开发一种互补分析方法，以检测和鉴定呼吸中的其他VOC。通过将呼吸样品与应用三个指标的配对背景样本进行比较：标准偏差，配对的t检验和接收器操作 - 特征（ROC）曲线，通过比较呼吸样本与配对背景样本进行比较，以开发和实施升级，以识别确定为“呼吸”的特征。方法开发了利用PEG相GC柱的基于PEG相位GC柱的基于生物学相关的VOC的基于PEG相位GC柱的热解（GC） - 质谱法（MS）质谱法（MS）的分析方法。通过多个发展升级了多步VOC识别方法：候选VOC分组，基于离子丰度相关的基于光谱库的创建方法，混合烷烃 - fames保留索引，相对保留时间匹配以及其他质量检查。结合使用，这些更新可以在光谱和保留轴上高度准确地识别呼吸传播VOC。结果，总共有621个特征在呼吸上被统计确定为至少一个度量（标准偏差，配对t检验或ROC）。结论总共确认的呼吸voc现在是186。从与化学标准的比较中可以确定，总共有38次呼吸ov。我们提出了一种更新的方法，用于高信VOC识别，以及一组新的VOC，通常在呼吸上发现。