XiaoMi-AI文件搜索系统
World File Search SystemSimulate
在模拟家庭环境中联合学习社会适当的代理行为
随着社会机器人越来越多地整合到日常生活中，将其行为与社会规范保持一致至关重要。对于他们广泛的开放世界应用程序，探索联邦学习（FL）设置很重要，在这些设置中，单个机器人可以在其中学习其独特的环境，同时还可以从彼此学习。在本文中，我们提出了一种新颖的FL基准，该基准使用多标签回归目标评估不同的策略，每个客户单独学习以预测不同机器人行动的社会适当性，同时也与他人分享他们的学习。此外，通过不同的上下文将培训数据分开，以使每个客户逐渐学习跨环境，我们提出了一种新颖的联合持续学习（FCL）基准，该基准适用于基于FL的方法，以使用最先进的持续学习（CL）方法，以在不同的上下文背景下持续学习社会适当的推动力。联合的平均权重（FedAvg）作为一种强大的FL策略出现，而基于彩排的FCL可以通过上下文分配逐步学习机器人行动的社会适当性。
在许多模拟世界中缩放指导代理
SIMA Team: 1 Maria Abi Raad, Ahuja's Stand, Barros, Frederic Besse, Andrew Bolt, Adrian Bolton, Bethanie Brownfield, Adrian, Cullum, Isare, Julia Did Trapani, Yani Donchev, Emma Dunleavy, Martin Engelkeke, Ryan Faulkner, Frankie Garcia, Charles Gbadammosi, Zhitao Gong，Lucy Gonzales Drew A. Hudson，Steph Hughes-Fitt，Danilo J. Rezende，Mimi Jasareaceavic，Laura Kampis，Thomas Keck，Thomas Keck，Jungy Kim，Louis-Thompson Maria，Maria Loks-Thompson，Maria Loks-Thompson，Joseph Marino。罗伯茨，罗伯茨，罗伯特，马库斯·温赖特，马库斯·温赖特，简·X。
无铅钙钛矿材料Masni 3，Masnbr 3和Magei 3的比较研究，以设计，模拟和优化铅免费PSC
光伏技术的进步肯定是由铅基钙钛矿太阳能电池（PSC）改造的。但铅毒性是其大规模商业生产和使用的巨大障碍。因此，在目前的工作中，已经对三种无铅钙钛矿材料Masni 3，Masnbr 3和Magei 3进行了彻底研究，以开发高效率和稳定性的环境友好PSC。建模的设备结构用ZnO用作电子传输层（ETL），CH 3 NH 3 SNI 3，CH 3 NH 3 NH 3 SNBR 3和CH 3 NH 3 GEI 3作为钙钛矿的吸收层（PAL），螺旋形成孔作为孔传输层（HTL），Indium掺杂锡氧化物（HTL），Indium oped Tin oxide（Ito）（ITO）（ITO）和顶部的Electode and Anode Anode Anode Anode Anode Anode Anode Anode。缺陷密度与钙钛矿吸收层的不同厚度相结合，以获得最佳的太阳能电池参数。At a thickness of 500 nm and defect density of 1 × 10 14 cm −3 of PAL, simulated Perovskite solar cell ITO/ZnO/CH 3 NH 3 SnI 3 /Spiro- OMeTAD/Au provided optimized solar cell parameters as PCE 25.95%, Voc 1.06V, Jsc 31.67mA/cm 2 and FF 77.24%, ITO/ ZnO/CH 3 NH 3 SnBr 3 /Spiro-OMeTAD/Au provided PCE 25.01%, V OC 1.02V, J SC 32.41 mA/cm 2 and FF 75.68%, ITO/ZnO/CH 3 NH 3 SnI 3 /Spiro-OMeTAD/Au provided PCE 19.66%, V OC 1.81V, J SC 14.29 mA/cm 2 and FF 75.95%.此外，对太阳能电池特征研究了界面缺陷密度，串联电阻，分流电阻和温度的影响。可以很好地观察到，基于SN的设备比基于GE的设备更有效，更稳定，反之亦然。
使用模拟地面实况对脑电图进行深度学习可解释性方法的实证比较
机器学习和基于深度学习 (DL) 的神经解码器的最新进展显著提高了使用头皮脑电图 (EEG) 的解码能力。然而，DL 模型的可解释性仍然是一个未被充分探索的领域。在本研究中，我们比较了多种模型解释方法，以确定最适合 EEG 的方法，并了解这些方法中的一些方法何时可能失败。我们开发了一个模拟框架，通过与地面真实特征进行比较来评估十二种基于反向传播的可视化方法的稳健性和灵敏度。这里测试的多种方法在随机化模型权重或标签后显示出可靠性问题：例如，显着性方法是 EEG 中最常用的可视化技术，它不是特定于类或模型的。我们发现 DeepLift 始终准确且稳健，可以检测这里测试的三个关键属性（时间、空间和频谱精度）。总体而言，本研究回顾了基于 DL 的神经解码器的模型解释方法，并提出了建议，以了解这些方法中的一些何时会失败以及它们可以在 EEG 中捕获什么。
在自主驾驶的背景下，基于对象检测模型的模拟RGB和LIDAR图像训练
摘要。对象检测的主题，涉及使汽车能够感知其环境的能力引起了更多的关注。为了更好地性能，对象检测算法通常需要大量的数据集，这些数据集经常被手动标记。此过程是充分的且耗时的。相反，模拟环境可以完全控制所有参数，并启用自动图像注释。Carla是一个专门用于自动驾驶研究的开源项目，就是这样的模拟器。本研究检查是否可以使用卡拉自动注释的模拟器数据来培训可以识别实际流量项目的对象检测模型。实验的发现表明，使用Carla的数据以及一些实际数据优化训练有素的模型令人鼓舞。Yolov5模型使用预验证的CARLA重量训练，与在2000 Kitti图像上受过训练的一项训练有素相比，所有性能指标均表现出改进。虽然它没有达到6000图像Kitti模型的性能水平，但增强确实很重要。MAP0.5：0.95得分的增强率约为10％，行人级别的改善最为明显。此外，可以证明，可以通过训练使用Carla数据的基本模型并使用Kitti数据集的较小部分对其进行微调来实现实质性的提升。此外，Carla Lidar图像在减少所需的真实图像的体积时的潜在效用是显而易见的。我们的代码可在以下网址找到：https：//tinyurl.com/3fdjd9xb。
在模拟广域搜索场景中开发、测试和评估自主无人机系统：自主系统参考架构的实现
3.1 概述。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。43 3.2 WAS场景设计。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。43 3.3 软件设计。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。46 3.4 测试定义。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。..............47 3.5 迭代开发。..........。。。。。。。。。。。。。。。。。。。。。。。。........50 3.6 自动化测试 .............。。。。。。。。。。。。。。。。。。。。。。。。......51 3.7 指标和所需数据 ...............。。。。。。。。。。。。。。。。。。。。。。。54 3.8 因子和水平选择 .....................。。。。。。。。。。。。。。。.57 3.9 多重响应优化。.....................。。。。。。。。。60 3.10 总结。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。62
采用新型模拟移动床进行高级矿物分离
本作品由美国国家可再生能源实验室根据合同号 DE-AC36-08GO28308 为美国能源部 (DOE) 撰写，该实验室由可持续能源联盟有限责任公司运营。美国能源部能源效率与可再生能源高级材料与制造技术办公室提供资金。本海报不包含任何专有、机密或其他受限制信息。文章中表达的观点不一定代表美国能源部或美国政府的观点。美国政府保留；出版商在接受发表文章时，即承认美国政府保留非独占的、已付费的、不可撤销的全球许可，可以为美国政府的目的出版或复制本作品的已出版形式，或允许他人这样做。我们特别感谢我们的合作者：壳牌、标准锂业和科罗拉多矿业学院的 Tzahi Cath 教授。
PAseos 模拟操作多艘航天器的环境
摘要 下一代航天器有望实现各种新应用，包括机载处理、机器学习和分散操作场景。尽管其中许多应用之前已经提出并评估过，但实际任务场景的操作约束通常要么未被考虑，要么只是初步考虑。在这里，我们介绍了一个名为 PASEOS 的开源 Python 模块，该模块能够模拟涉及一个或多个航天器的操作场景。它考虑了几种物理现象，包括热、功率、带宽和通信约束以及辐射对航天器的影响。PASEOS 既可以作为高性能导向的数值模拟运行，也可以在边缘硬件上直接以实时模式运行。我们在三种场景中展示了这些功能，一种是在 Unibap iX-10 100 卫星处理器上的实时模拟，另一种是在模拟建模整个星座在几个小时内执行任务的模拟，一种是在分散环境中训练机器学习模型。虽然我们展示了地球轨道上的任务，但 PASEOS 在概念上也设计为允许深空场景。我们的结果表明，PASEOS 可以有效地模拟所述场景，从而提供对操作考虑的洞察。我们从运行时间和开销的角度以及通过研究星座的建模温度、电池状态和通信窗口来展示这一点。通过在实际卫星处理器上运行 PASEOS，我们展示了如何将 PASEOS 直接纳入未来任务的硬件演示器中。总的来说，我们提供了第一个解决方案，可以全面模拟航天器在地球轨道及更远的地方遇到的物理约束。PASEOS 模块可在线开源，并附有大量文档，使研究人员能够快速将其纳入他们的研究中。
基于自适应模拟退火粒子群算法的风光互补氢能储能系统日前运行分析
摘要：随着低碳经济的不断发展，利用可再生能源替代化石能源的能源结构调整已成为必然趋势。为提高可再生能源在电力系统中的比例，提高可再生能源制氢发电系统的经济性，本文基于电化学储能和氢储能技术，建立了风光互补氢储能系统运行优化模型，采用自适应模拟退火粒子群算法进行求解，并与标准粒子群算法进行了比较。结果表明，改进算法求解的日前运行方案全天可节省系统运行成本约28%。算例分析结果表明，建立的模型充分考虑了系统中设备的实际运行特点，在分时电价机制下，通过调节从电网购入的电量和蓄电池的充放电功率，可以减少风能和太阳能的浪费。系统日前调度优化在保证制氢功率满足氢气需求的同时，实现了日系统运行成本最小化。
标题：技术插入对模拟伤亡的影响...
背景：未来的战斗环境将是复杂的，对多域战场伤害的有效护理具有挑战性。附近的同行交战会对疏散产生负面影响，因此迫使前进的运营单位在资源有限的同时为伤亡提供更长的支持。需要其他技术和资源来减少提供者的认知负担，以进行更准确的评估，支持决策，扩大治疗干预措施并改善结果。项目融合（PC）是陆军期货司令部（AFC）的年度练习，以评估概念，并将其纳入陆军的未来力量。PC 2022是将医疗方案纳入练习的第一年。