XiaoMi-AI文件搜索系统
World File Search SystemOptimizer
利用参数化量子电路实现生成建模的稳健实现∗
摘要：尽管混合量子经典算法的性能在很大程度上取决于经典优化器和电路设计的选择 [ 1 – 3 ]，但迄今为止，对此类特性的硬件稳健而全面的评估仍然缺失。从优化器的角度来看，主要挑战在于求解器的随机性，以及它们对随机初始化的显著差异。因此，稳健的比较需要对每个求解器执行多条训练曲线，然后才能得出关于其典型性能的结论。由于每条训练曲线都需要在量子计算机中执行数千个量子电路，因此对于当今大多数混合平台而言，这种稳健的研究仍然是一项艰巨的挑战。在这里，我们利用 Rigetti 的量子云服务 (QCS™) 来克服这一实施障碍，并研究数据驱动的量子电路学习 (DDQCL) 在三种不同的最先进经典求解器上的硬件性能，以及与同一任务的不同纠缠连接图相关的两种不同电路分析。此外，我们还评估了不同电路深度带来的性能提升。为了评估此基准研究中与这些设置中的每一个相关的典型性能，我们使用至少五次独立的 DDQCL 运行来生成能够捕捉规范 Bars and Stripes 数据集模式的量子生成模型。在此实验基准测试中，无梯度优化算法与基于梯度的求解器相比表现出了出色的性能。特别是，其中一个在处理实验条件下要最小化的不可避免的噪声目标函数时具有更好的性能。
使用优化和机器学习
摘要：准确的瞬时电力峰值负载预测对于有效的容量计划和具有成本效益的电力网络建立至关重要。本文旨在通过采用包含各种优化和机器学习（ML）方法的模型来提高瞬时峰值预测的准确性。本研究使用多线性回归（MLR）方程来研究独立输入对峰负荷估计的影响。这项研究利用1980年至2020年的输入数据，包括进出口数据，人口和国内生产总值（GDP），以预测瞬时电力峰值负载为输出值。根据误差指标，包括平均绝对误差（MAE），均方根误差（MSE），平均绝对百分比误差（MAPE），均方根误差（RMSE）和r 2评估这些技术的有效性。比较扩展到流行的优化方法，例如粒子群优化（PSO），以及该领域的最新方法，包括蒲公英优化器（DO）和淘金热优化器（GRO）。与常规机器学习方法进行了比较，例如支持向量回归（SVR）和人工神经网络（ANN），就其预测准确性而言。调查结果表明，ANN和GRO方法会产生最小的统计错误。此外，相关矩阵表明GDP与瞬时峰负载之间存在牢固的正线性相关性。所提出的模型显示出强大的预测能力来估计峰负荷，而ANN和GRO的表现与其他方法相比表现出色。
使用表型、结构和功能 MRI 数据增强自闭症谱系障碍的诊断
模型 3 分类器使用深度学习方法来预测目标类别。图像的目标大小为 190 x 190。每幅图像乘以因子 1/255，因此像素值在 [0, 1] 范围内。该模型的架构由 2D-CNN 模型的所有层组成，除了密集层。在训练之前，所有来自卷积的层都不可训练。它有两个密集层，每个层有 120 个单元，后面跟着一个 S 形层。采用 Adam 优化器，损失函数为二元交叉熵。模型 3 的架构如图 3 所示。
第 43 卷，第 1 期。2024 年 1 月最佳尺寸和经济...
本文介绍了一种创新方法，利用迭代优化技术 (IOT) 来计算自主混合系统的最佳规模，以确定可靠性指数最高的系统产生的最低平准化能源成本 (LEC) 和虚拟能量 (E dummy)。该系统包括光伏 (PV) 板、风力发电机 (WTG)、柴油发电机 (DG) 和电池存储。根据太阳辐射、风速、环境温度和一年 8,760 小时的负载需求的实时气象数据，开发了一个创新的计算机程序 (CP)。针对位于埃及新河谷省的一个自主站点和来自不同制造商的许多 WTG，介绍了一种精确的方法，用于以系统提供的最低能源成本获得最大的能量产量。CP 会以一定的增量修改风能和光伏的渗透率以满足需求负载。通过将获得的结果与从 HOMER 软件和 Grey Wolf Optimizer (GWO) 获得的结果进行比较来验证 CP。模拟结果证明了IOT在确定系统最优规模方面的有效性和简单性。
Brocade Gen 7使网络弹性，自主san成为可能
Brocade Gen 7流量优化器功能主动地将流量像虚拟通道一样，创建单独的性能组。它通过速度，延迟或协议等特征（例如NVME或SCSI）来自动化流量的分离。通过类型对流量进行分类和自动隔离流量，以优化应用程序性能，并消除因速度不匹配而引起的超额检查和拥塞问题。此功能通过自动隔离不利影响其他流量的流量来避免应用程序性能的影响。这意味着您的网络将自动在交通优先级和拥堵管理方面做出更明智的决定，从而提供效率和绩效改进，而绩效改进永远无法手动实现。
![arXiv:2207.13175v1 [physics.comp-ph] 2022 年 7 月 23 日](/simg/g:\will\search\icon\source\b\bd2117ec78ec88690daa91a194973bdc3d7cd1ea.webp)
arXiv:2207.13175v1 [physics.comp-ph] 2022 年 7 月 23 日
本研究旨在利用数值优化方法提供一种新型的地月初始轨道确定 (IOD) 方法。在 CR3BP 动力学下，针对各种观测器和目标轨道几何形状模拟副卫星和主卫星。然后使用粒子群优化器 (PSO) 将一组观测值（仅距离、角度和角度）拟合到从初始粒子状态向前传播到测量时间计算出的粒子观测值。通过包含收缩因子、以网格方式初始化粒子以及限制初始粒子状态的范围，有助于 PSO 的收敛。结果表明，PSO 收敛到副卫星的精确初始状态估计。并行处理和 GPU 处理方法用于加快计算时间。
一个基于自动驾驶汽车决策和轨迹计划的基于互动游戏理论-PSO的综合框架
摘要：自动驾驶汽车和人类驾驶员之间的相互依赖性是自动驾驶安全性和可行性的一个开放问题。本文介绍了游戏理论轨迹计划者和混合人流环境的决策者。我们的解决方案是与周围车辆的相互作用，同时做出决策，并使用用衣架插值方法产生类似人类的轨迹。此处使用的粒子群优化器（PSO）桥梁桥接决策和轨迹生成过程，用于连接执行。我们选择了一个未信号的交叉点，以证明我们方法的可行性。测试结果表明，我们的方法降低了轨迹优化问题的搜索空间的维度，并在路径曲率上实施了几何约束。
最优功率流导出的稀疏线性求解器基准
由于电网的变化性质，能够在大型电网中求解高保真最优潮流模型变得越来越重要。这种高保真问题称为交流最优潮流 (ACOPF)，是一个非线性、非凸优化问题。解决此类问题的少数可靠方法之一是内点法。这些方法会产生稀疏线性系统，其中系数矩阵是对称的、不确定的并且通常是病态的。因此，它们对于稀疏线性求解器来说尤其具有挑战性，并且代表了求解 ACOPF 问题时相当大的计算瓶颈。在本文中，我们介绍了一个线性系统存储库，该存储库由开源优化器 IPOPT 求解 ACOPF 问题时捕获。这些矩阵旨在用作稀疏线性求解器开发的测试套件。