XiaoMi-AI文件搜索系统
World File Search SystemPrzemys
可解释人工智能 (XAI) 文献趋势
[1] Anyifei。2019。All-about-XAI。(2019)。https://github.com/feifeife/All-about-XAI [2] Hubert Baniecki。2022。对抗性可解释人工智能。(2022)。https://github.com/hbaniecki/adversarial-explainable-ai [3] Przemysław Biecek。2022。与 XAI（可解释人工智能）相关的有趣资源。(2022)。https://github.com/pbiecek/xai_resources [4] Marina Danilevsky、Kun Qi、Ranit Aharonov、Yannis Katsis、Ban Kawas 和 Prithviraj Sen. 2020。自然语言处理可解释人工智能现状调查。AACL-IJCNLP 2020 (2020)。https://xainlp2020.github.io/xainlp/table [5] 摩根·弗兰克、Dashun Wang、Manuel Cebrian 和 Iyad Rahwan。2019。人工智能研究中引文图的演变。自然机器智能1 (02 2019), 79–85。https://doi.org/10.1038/s42256-019-0024-5 [6] Michal Lopuszynski。2020。很棒的可解释机器学习。(2020)。https://github.com/lopusz/awesome-interpretable-machine-learning [7] Anh M. Nguyen。2022。关于可解释人工智能的论文。(2022)。https://github.com/anguyen8/XAI-papers [8] Kevin McAreavey。2022.CHAI-XAI。(2022)。https://github.com/kevinmcareavey/chai-xai [9] Sina Mohseni。2020。Awesome-XAI-Evaluation。(2020)。https://github.com/SinaMohseni/Awesome-XAI-Evaluation [10] Sina Mohseni、Niloofar Zarei 和 Eric D Ragan。2018。用于可解释 AI 系统设计和评估的多学科调查和框架。arXiv 预印本 arXiv:1811.11839 (2018)。[11] Benedek Rozemberczki。2022。很棒的可解释图形推理。(2022)。https://github.com/AstraZeneca/awesome-explainable-graph-推理 [12] 王永杰。2020。Awesome-explainable-AI。(2020)。https://github.com/wangyongjie-ntu/Awesome-explainable-AI [13] Sam Zabdiel。2022.XAI。(2022)。https://github.com/samzabdiel/XAI [14] Rehman Zafar。2022。与 XAI（可解释人工智能）相关的有趣资源。(2022)。https://github.com/rehmanzafar/xai-iml-sota
2024关于密码学中故障检测和公差的研讨会（FDTC 2024）（目录）
Abdallah Fathy, Marvy Badr Monir Mansour, Memristive Coupled Neural Network Based Audio Signal Encryption .......................................................................................................................................................... 149 24.Tomasz Grzywalski, Dick Botteldooren, Automatic re-labeling of Google AudioSet for improved quality of learned features and pre-training ................................................................................................................... 155 25.Nur BanuHancı，İlkeKurt，Sezer Ulukaya，OğuzhanErdem，SibelGüler，Cem Uzun，Hybrid语音频谱 - 基于基于校友的深度学习（HVSC-DL）模型，用于检测帕金森氏病的检测 ............................................................................................................................................................... 161 26.tomasz grzywalski，Dick Botteldooren，Yanjue Song，Nilesh Madhu，使用深神经网络的显着声音提取，预测复杂的口罩.............................................................................................................................................................................................................................................................................................................................................................................................................................................................Deepthi Kattula, P. Rajesh Kumar, Praveen B. Choppala, Multiple sampling with reduced resampling for particle filtering .................................................................................................................................................. 172 28.Bianca-Alexandra Zîrnă, Denis Mihailovschi, Mădălin Corneliu Frunzete, EMG Signal Acquisition and Processing for Muscle Contraction Classification ............................................................................................. 177 29.Alin Alexandru șerban, Mădălin frunzete, Traffic flow models and statistical analysis using compressed date from acquisition module ...............................................................................................................................Solomon Habtamu Tessema, Daruisz Bismor, Roman Wyżgolik, Advanced Signal Processing Techniques for Plasma-Mag Welding Process ...................................................................................................................................................Karolina Bronczyk，MichałAdamski，AgatadąBrowska，Adam Konieczka，Adamdąbrowski，来自各种Passnger Car发动机的污染物的二次污染物.. div>卡洛琳娜·布朗西克（Karolina Bronczyk），米歇·亚当斯基（MichałAdamski），阿加塔·dąbrowska，亚当·科尼克斯卡（Adam Konieczka），亚当·迪布罗斯基（Adamdąbrowski），PMS5003 formaldehyde传感器的准确性和交叉敏感性分析Damian Jankowski，Sebastian Szwaczyk，PawełKaczmarek，PrzemysławFścibiorek，Zbigniew Piotrowski，大数据技术在互联网资源处理系统中的有效应用 ................................................................................................................................................... 211
波兰人工智能研究进展 5
PIOTR A. KOWALSKI AGH KRAKOW DARIUSZ KROLWROCław科学技术大学Marcin Kurdziel Agh Krakow HalinaKwaśnickawrocław科学与技术大学Bogdan Kwolek Agh Kwolek Agh Krakow piotr Lipirlipioutripioutski lodz aknieszknieszkkau thime a ga. KińskiWarsaw技术大学JacekMańdziukWarsaw技术大学Grzegorz J. Nalepa Jagiellonian University Robert Nowak Warsaw Warsaw Warsaw Karol Technology karol Opara Systems研究所研究所，科学院PIOTR PIOTR PIOTR PIOTR PIOTION RETISTING波兰科学学院KHALID SAEED BIALYSTOK技术大学RafałSchererCzestochowa技术大学PiotrSkrzypczyńskiPoznanskiPoznan技术大学jacekrumińskijacekrumiński滑雪系统研究研究所波兰科学学院jarosławwąsagh agh Krakow大学Adam Wojciechowski Lodz洛兹大学技术大学Nology nology CezaryZielińskiwarsaw Warsaw Warsaw Warsaw Warsaw warsaw warsaw warsaw warsaw warsaw
考虑控制非线性的双向DAB转换器现代控制策略
华沙理工大学，控制与工业电子学院 (1) 格但斯克理工大学，电力电子与电机系 (2) ORCID：1. 0000-0001-9589-7612； doi:10.15199/48.2024.05.01 考虑控制非线性的双向DAB转换器的现代控制策略摘要。本文重点介绍用于微电网系统的现代通用双向双有源桥 (DAB) 转换器的控制策略。对变换器方程进行了分析，并讨论了死区时间对系统工作影响的典型问题。开发了一个闭式控制回路，然后通过模拟和实验室测试。抽象的。本文讨论了用于微电网系统的现代通用双向双有源桥（DAB）转换器的控制策略。分析了变换器方程，并讨论了空载时间对系统运行影响的典型问题。开发了闭环控制系统，然后通过模拟和实验台进行测试。 （考虑控制非线性的双向DAB转换器的现代控制策略）。关键词：DAB，设计，优化，控制。关键词：DAB，设计，优化，控制。简介微电网是现代电力工业的一个重要问题。这一概念涉及将交流和直流装置组合成一个连贯的整体系统，以适应世界各地开发的电气工程领域各种解决方案的需求。技术应用包括可再生能源解决方案中使用的AC/DC/DC/AC转换器；智能储能充电系统；采用氢技术的电动汽车充电站[1]；采用直流双极装置的网络系统[2]。这种系统的稳定性和运行可靠性对于实现电动汽车、V2G（车辆到电网）[3] 的假设至关重要。无法安全地控制和断开系统部件阻碍了这些概念的实现。当前所有电力系统面临的问题包括电网的发展、增加电力需求、提高电力质量、增加可再生能源在能源市场中的份额、以及管理不断扩大的电网。微电网的概念就是为了解决这个问题，目前正在世界各地的研究单位进行测试。本文重点介绍适合微电网系统的现代通用双向双有源桥 (DAB) 转换器的适当控制策略。预计将在国内和本地微电网系统内推进安全和环保的电力分配方面取得积极的进展。一项研究 [1] 强调，DAB 转换器由于其双向性、隔离能力、效率和功率比，是平衡良好的微电网中的关键元素。然而，为各种应用制定适当的双向转换器控制策略并非易事。DAB 的非线性特性要求在设计用于各种应用的磁性元件时仔细考虑，包括
确定...
西里西亚技术大学电气工程学院（1），西里西亚技术大学，电动驱动器和机器人技术系（2），orcid：1。0000-0002-6185-7935; 2。无，3。0000-0002-2508-1893，4。0000-0002-4279-0472 doi：10.15199/48.2024.10.05确定高温超导体磁带1G摘要中临界电流和C的角度依赖性。本文介绍了第一代高温率超导体磁带（HTS）中临界电流的角度依赖性的理论和角度依赖性。研究重点是分析磁场值和方向对临界电流的影响。这项工作还描述了使用Halbach配置中的Neododmium Magnets进行特殊设计的测试台的构建和操作，该磁铁可实现HTS磁带的准确测量和表征。研究结果确认了符合KIM模型，并允许开发关键电流密度模型，该模型可用于进一步的计算机模拟。摘要。本文介绍了第一代临界电流的角度依赖性的疗法和测量角度依赖性。研究着重于磁场对临界电流的价值和方向的影响。本文还描述了使用Halbach配置中使用neododmium磁铁设计的特殊设计站的构建和操作，该测试站允许对HTS磁带进行精确的措施和表征。结果证实了KIM模型的一致性，并有助于开发关键的当前Delsity模型，该模型可用于进一步的计算机模拟。（在高体质超导胶带中确定临界电流IC的角度依赖性1G）关键字：临界电流，高温超导体磁带，bisccco，anisotropia。关键字：临界电流，高电流超导胶带，Biscco，各向异性。高温入院超导录像带（HTS）用于许多电力行业应用，例如变压器，电力限制器和电缆[1-2]。设计这些设备中的每一个都需要了解外部因素对HTS磁带参数的影响。尤其涉及临界场的影响，例如温度-T c，磁场-b c和临界电流密度-JC。使用HTS磁带设计超导体设备的关键参数是确定适当的工作点。这是由于可能在许多限制的同时最大程度地使用超导材料。对增加设备功率密度的可能性的限制之一是临界电流的值以及HTS磁带相对于外场线的位置的影响。这是由于所有设备在某些条件下运行的事实，并且有必要考虑到您自己的领域与运输电流流有关的影响，而且还要考虑到所有外部场。临界电流的值取决于磁感应的值（B）和相对于HTS胶带的磁场力线的方向。您可以同时使用Kim（1）和各向异性磁铁（2）Magneto模型来确定这些依赖性[3-4]。