XiaoMi-AI文件搜索系统
World File Search SystemReliable
使用贝叶斯推理实现 MEMS 最终模块测试中的可靠参数提取
摘要：在微机电系统 (MEMS) 中，高整体精度和可靠性测试至关重要。由于对运行效率的额外要求，近年来人们一直在研究机器学习方法。然而，这些方法通常与不确定性量化和可靠性保证方面的固有挑战有关。因此，本文的目标是提出一种基于贝叶斯推理的 MEMS 测试新机器学习方法，以确定估计是否可信。使用四种方法评估整体预测性能以及不确定性量化：贝叶斯神经网络、混合密度网络、概率贝叶斯神经网络和 BayesFlow。在训练集大小变化、不同加性噪声水平和分布外条件（即 MEMS 设备的阻尼系数变化）下对它们进行研究。此外，还评估和讨论了认知和随机不确定性，以鼓励在部署之前彻底检查模型，力求在 MEMS 设备的最终模块测试期间进行可靠和有效的参数估计。 BayesFlow 在预测性能方面始终优于其他方法。由于概率贝叶斯神经网络能够区分认知不确定性和随机不确定性，因此它们在总不确定性中所占的份额已得到深入研究。
采用同轴送丝的激光金属沉积技术，实现固体金属部件的自动化和可靠制造
achristian.bernauer@iwb.tum.de、bthomas.merk@tum.de、cavelino.zapata@iwb.tum.de、dmichael.zaeh@iwb.tum.de achristian.bernauer@iwb.tum.de、bthomas.merk@tum.de、cavelino.zapata@iwb.tum.de、 dmichael.zaeh@iwb.tum.de achristian.bernauer@iwb.tum.de、bthomas.merk@tum.de、cavelino.zapata@iwb.tum.de、dmichael.zaeh@iwb.tum.de achristian.bernauer@iwb.tum.de、bthomas.merk@tum.de、 Cavelino.zapata@iwb.tum.de, dmichael.zaeh@iwb.tum.de achristian.bernauer@iwb.tum.de、bthomas.merk@tum.de、cavelino.zapata@iwb.tum.de、dmichael.zaeh@iwb.tum.de achristian.bernauer@iwb.tum.de、bthomas.merk@tum.de、 Cavelino.zapata@iwb.tum.de、dmichael.zaeh@iwb.tum.de achristian.bernauer@iwb.tum.de、bthomas.merk@tum.de、cavelino.zapata@iwb.tum.de、dmichael.zaeh@iwb.tum.de achristian.bernauer@iwb.tum.de、 bthomas.merk@tum.de, Cavelino.zapata@iwb.tum.de、dmichael.zaeh@iwb.tum.de achristian.bernauer@iwb.tum.de、bthomas.merk@tum.de、cavelino.zapata@iwb.tum.de、dmichael.zaeh@iwb.tum.de
适用于 THz HEMT 的可靠 T 门工艺 - Enlighten Publications
最近，具有 25 nm T 栅极的 InP 基高电子迁移率晶体管 (HEMT) 已被证明可在 1.1 THz 下放大 [1]，这使得传统电子设备在太赫兹应用方面比光学设备更具竞争力。尽管积极推动 T 栅极的占用空间变得更短以实现更高的工作频率现已成为热门研究课题，但针对 100 nm 以下 T 栅极的稳健且经济高效的 T 栅极工艺仍然是行业的首要任务。在本文中，我们将展示格拉斯哥大学在超短 T 栅极工艺开发方面的最新进展。该工艺涉及在 PMMA/LOR/CSAR 三层 EBL 光刻胶堆栈上进行单次电子束光刻 (EBL) 曝光。通过仔细控制光刻胶厚度、电子束剂量以及适当的显影剂和显影时间，我们开发了一种可靠且稳健的工艺，用于具有各种脚和头长度的 T 栅极。图 1 显示了 GaAs 半绝缘基板上典型 T 栅极的扫描电子显微镜 (SEM) 图像。与最先进的 T 门工艺[3][4]相比，新工艺具有多项优势，并且有可能将 HEMT 的 THz 操作占用空间进一步缩小至 20 纳米以下。我们将在会议上更详细地阐述该工艺。
可再生能源使电网更加可靠
电力系统正处于数字革命之中。智能逆变器和快速控制等技术进步扩大了清洁能源能够以经济高效的方式向市场供应的可靠性服务。先进的电力电子和输出控制使清洁能源能够提供自动发电控制和快速频率响应等服务。下图简要比较了不同发电技术提供电网可靠性服务的能力，该图表源自北美电力可靠性公司 (NERC) 近期和正在进行的努力，该公司为电力系统制定了可靠性规则。
纽约走向可靠、绿色电网之路
自 1999 年成立以来，纽约独立系统运营商 (NYISO) 一直将维护电力系统可靠性作为首要任务。随着我们朝着州公共政策目标迈进，新技术改变了电力系统，我们规划和满足可靠性要求的方式也必须改变。纽约的公共政策强调清洁能源生产和快速摆脱化石燃料。纽约独立系统运营商 (NYISO) 处于这一转变的前沿，致力于以保持电力系统可靠性的平衡方式实现州排放要求。在我们向零排放电网过渡时，保持足够的供应能力和确保可靠性所必需的特性至关重要。实现这种平衡将是未来几年该行业面临的核心挑战。
Power Trends 2022： - 通往可靠，更绿色网格的途径...
纽约历史上已经在电网上看到了强大的资源来满足峰值负载，从而支持系统的可靠性和弹性。这些可靠性边际正在缩小，因为化石燃料的资源的退休速度要比清洁能源资源更快地退休。虽然批量电动系统符合当前的可靠性要求，但所需资源的利润正在收紧。例如，虽然印度点能源中心的关闭并没有产生直接的可靠性需求，但它是更广泛的容量损失的一部分，即可靠性幅度更薄。
案例研究：CloudFerro 为地球观测数据构建高可靠性公共云
©2020-22 Western Digital Corporation 或其附属公司。保留所有权利。Western Digital、Western Digital 徽标、ArcticFlow、IsoVibe 和 Ultrastar 是 Western Digital Corporation 或其附属公司在美国和/或其他国家/地区的注册商标或商标。Ceph 是 Red Hat, Inc. 或其子公司在美国和其他国家/地区的商标或注册商标。OpenStack ® 文字商标和 OpenStack 徽标是 OpenStack Foundation 在美国和其他国家/地区的注册商标/服务标记或商标/服务标记，并经 OpenStack Foundation 许可使用。所有其他商标均为其各自所有者的财产。
适用于工业自动化的超可靠低延迟 5G
5G 新无线电 (NR) 的首批规范已经达成一致，商用 5G 移动宽带服务预计将于 2019 年推出。然而，5G NR 将带来更多商业机会。本白皮书讨论了运营商和企业如何利用 5G 的超可靠低延迟通信 (URLLC) 功能来解决与工业自动化相关的各种高性能用例。这是通常被称为 Industry-X、工业 4.0 或工业互联网的更广泛机会的一部分。本文重点关注“未来工厂”概念，并使用机器人运动控制作为具有极端性能要求的应用示例。它展示了 5G 如何有助于提高生产流程的效率和灵活性，并强调了 5G 与现有和新兴工业网络标准集成的重要性，以使这一转变更快、更有效。基于有线以太网、WiFi 和 LTE 的局域网已用于工业应用，并为使用 5G 实现要求更高、变革性更强的自动化提供了起点。私有、专用网络使企业能够将网络配置为所需的性能。由于它不依赖于与公共网络的互通，并且工厂所有者可以完全控制部署环境，因此可以设计和优化工业网络以实现实时性能，从而实现极高的可靠性
迈向可靠的无人机山区定位……
摘要 — 可靠的定位服务对于山区环境中的用户和设备极为重要，因为它可以实现各种基于位置的应用。然而，在这样的环境中，传统无线定位技术的服务可靠性往往令人失望。频繁的非视距 (NLoS) 传播和可用锚节点的不良几何形状是两个重大挑战。由于无人机 (UAV) 的高机动性和灵活部署，无人机定位可能是解决这些挑战的一个有希望的解决方案。与卫星和地面基站相比，无人机能够飞到传播条件和几何形状都有利于定位的地方。本研究项目的最终目标是设计一种新型的无人机定位系统，该系统使用低空无人机平台为山区环境中的地面用户提供高可靠性服务。在本文中，我们介绍了项目第一阶段的最新进展，包括以下内容。首先，在综合考虑各种因素后确定所提出的系统的结构和使用的定位方法。利用现实地形的数字高程模型，我们建立了基于几何的 NLoS 概率模型，以便在可靠性分析期间将 NLoS 传播视为一种故障。最重要的是，开发了一种可靠性预测方法和相应的指标来评估系统提供可靠定位服务的能力。在本文的最后，我们还提出了一种基于投票的方法来提高服务可靠性。数值结果证明了所提出的系统在可靠定位方面的巨大潜力。
可靠的脑电图神经标记物可区分不同练习者的冥想状态
8.) Martínez Vivot, R.、Pallavicini, C.、Zamberlan, F.、Vigo, D. 和 Tagliazucchi, E. (2020)。冥想增加大脑振荡活动的熵。神经科学，431，40–51。https://doi.org/10.1016/j.neuroscience.2020.01.033 9.) memories, C. (2018 年 1 月 28 日)。从科学上讲，冥想对我们的大脑有多大帮助？🧠。Medium。2022 年 2 月 27 日检索自 https://medium.com/@christiandag/scientifically-how-much-meditation-helps-our-brain-459dc021925b 10.) P Harne, B. (2014)。 Higuchi 对吟诵 om 之前和之后的 EEG 信号进行分形维数分析以观察对大脑的整体影响。国际电气和计算机工程杂志 (IJECE)，4 (4)。https://doi.org/10.11591/ijece.v4i4.5800 11.) Shaw, L.，& Routray, A. (2016)。SVM 和 K-SVM 在克里亚瑜伽冥想状态相关 EEG 分类中的关键比较。2016 年 IEEE 国际 WIE 电气和计算机工程会议 (WIECON-ECE)。https://doi.org/10.1109/wiecon-ece.2016.8009103 12.) Rodriguez-Larios, J.、Faber, P.、Achermann, P.、Tei, S. 和 Alaerts, K. (2020)。从无思虑的意识到费力的认知：经验丰富的冥想者在冥想、休息和算术过程中的 Alpha - theta 跨频率动态 13.) Xue, S.-W.、Tang, Y.-Y.、Tang, R. 和 Posner, MI (2014)。短期冥想会引起大脑静息 EEG Theta 网络的变化。脑与认知，87，1-6。https://doi.org/10.1016/j.bandc.2014.02.008 14.) Young, JH、Arterberry, ME 和 Martin,JP(2021)。对比脑电图衍生的熵和神经振荡与高技能冥想者。人类神经科学前沿，15。