XiaoMi-AI文件搜索系统
World File Search SystemStochastic
基于区块链的随机能量管理，考虑激励价格
摘要 - 将大分布网格分解为互连的微电网（MG）可以潜在地增强电力系统的效率，可持续性，弹性和可靠性。但是，整个网络中的能源管理将更加复杂和具有挑战性。本文为基于区块链技术的互连MGS开发了一个新颖的能源管理框架。利用区块链技术可以潜在地提高系统安全性，还可以降低系统风险，减少财务欺诈并降低运营成本。首先定义优先级列表，以进入相互联系的MGS内的有效的能源折衷。此外，提出了内置合同，为从一个亚mg购买更多电力的一方提供价格折扣。还建立了基于无意义转换技术的随机框架，以管理与可再生能源的小时负载需求和输出功率相关的不确定性。所提出的模型被形成为混合企业线性编程问题，并通过基于区块链的能量/功率管理算法解决。案例研究包括住宅，工业和商业MG，即三个住宅，一个商业和一个关键负荷（医院）。类似结果表明，提出的模型的效率和有效性很高，并验证了其经济和可靠性的优点。
采用信念随机最优控制的稳健空间轨迹设计
步进轨迹通常经过优化以满足标准场景中的科学和飞行系统约束。然而，在实际应用中，完全遵循参考轨迹是不可能的，因为不确定性总是影响系统；不确定性可能是由于不完善的状态知识、不完善的动态参数、错过的推力事件或执行错误造成的。在设计阶段，通常通过导航分析事后评估参考轨迹对这些不确定性的稳健性和可靠性，并通过多次迭代调整标准设计。通过评估轨迹受到不同不确定性实现影响时的任务结果来进行稳健性和可靠性评估。为了提高稳健性，通过增加推进剂裕度和强制滑行弧进行轨迹校正机动 (TCM)，或降低推力水平来确保对轨迹进行微小调整。因此，该迭代过程主要将标准轨迹优化视为与不确定性处理阶段分离。此过程通常很耗时，并且可能导致具有过于保守的裕度的次优轨迹。组件和发射器的最新发展现在使深空微型卫星和纳米卫星任务成为可能。此类航天器的轨道控制能力有限（DV 有限），状态知识（地面站访问有限）和执行（TRL 组件低）的不确定性很大，裕度和系统冗余的可能性低（尺寸和成本有限）。因此，对于这些任务，轨迹的设计更重要的是其对不确定性的稳健性。虽然不确定性下的轨迹优化是小型航天器的一种可行方法，但大型传统任务也将受益于随机轨迹优化，既可以提高性能，因为随机最优轨迹通常与具有经验裕度的确定性轨迹不同，也可以减少设计迭代次数。如上所述，目前主要的实际方法是分配后验经验裕度 [1,2]。最近的研究采用随机最优控制问题的不同公式生成了稳健轨迹。模型预测控制或随机闭环公式用于解释控制曲线中的校正项 [3,4]。通过随机规划研究了发动机暂时故障的情况 [5,6]。微分
基因组的随机组织和基于生物 - 安特纳阵列的能量信息进化学说
摘要。本文继续对真核基因组和原核基因组中长单链DNA序列的随机（概率）组织的矩阵tensor研究的矩阵tensor研究。作者揭示了每个基因组DNA的n文本表示中N型概率的相应矩阵在数值上以这种代数形式相互关联，该代数形式具有与已知的张量张量 - 数字天线阵列理论的形式主义的类比。这些阵列将许多单独的天线结合到单个协调的合奏中，并具有独特的新兴特性，因此天线阵列被广泛用于医学，天体物理学，航空电子学等。著名的类比允许提出作者的假设，即基因组DNA的随机组织与生物 - 安特纳纳阵列有关。从这个假设的角度来看，在与基因组DNA的单个分组中收集了许多有关使用天线阵列原理的已知事实。关于天线阵列有利可图的特性生物学含义的这个新主题包括生物进化的问题，遗传密码的起源，再生医学和代数生物学的发展。这些问题与作者对基因组DNA随机特征的量子信息分析的结果共同讨论。关键字：基因组DNA，概率，矩阵，张量产物，HADAMARD产品，天线阵列，光子晶体，液晶，生物素器，量子信息学
从神经数据中推断出随机的低级复发性神经网络
计算神经科学的核心目的是将大量神经元种群的活性与潜在的动态系统联系起来。这些神经动力学的模型理想情况下应既可以解释又适合观察到的数据。低级复发性神经网络（RNN）通过具有可拖动动力学表现出这种解释性。但是，尚不清楚如何最佳地拟合低级别的RNN与由对潜在随机系统进行嘈杂观察的数据组成的数据。在这里，我们建议与随机的低级RNN一起使用各种顺序蒙特卡洛方法。我们在由连续和尖峰神经数据组成的几个数据集上验证了我们的方法，在该数据集中，我们获得的尺寸潜在动力学比当前方法的当前状态较低。此外，对于具有分段线性非线性的低级模型，我们展示了如何有效地识别单位数量中多项式而不是指数成本的所有固定点，从而分析了针对大型RNN的推断动力学分析。我们的方法都阐明了实验记录的基础动力系统，并提供了一种生成模型，其轨迹与观察到的可变性相匹配。
初步翼盒结构设计中刚性的随机建模
本文介绍了一种利用自动化工具在概念设计过程早期考虑机翼结构刚度和气动弹性的方法。由于机翼非结构质量（如燃油负荷和控制面）的不确定性和可变性很高，因此在概念设计过程中，可以用随机模型很好地表示刚度和气动弹性。为了实现这一点，我们改进了现有的设计工具，利用基于规则的自动化设计从特定的机翼外模线生成机翼扭矩盒几何形状。对挠度和推断刚度的简单分析表明，早期概念设计选择会强烈影响结构刚度。本文讨论了设计选择的影响以及屈曲约束如何在特定示例中驱动结构重量。本文为未来进一步研究的模型做准备，包括有限元模型 (FEM)，用于分析所得的模态形状和频率，以用于气动弹性分析。
通过量子系统参数估计增强随机过程分析
摘要 本文从所有可能的角度研究了向量空间中的线性伊藤随机微分方程。在这种情况下，势向量描述了作用于量子系统的经典噪声的大小。该向量势可以表示为其参数的线性函数，其中厄米算子作为其系数，因为其参数被假定为未知的。对于二阶扰动，可以借助势扰动参数确定幺正演化算子。至于第二项，它写成关于布朗运动的双迭代随机积分，而第一项写成伊藤随机积分。在控制量子系统时，来自环境的噪声可能是一个主要障碍；这种技术可以提供帮助。通过学习检测和调节噪声，提高计算机等量子技术的可靠性和实用性。如果势的参数受到噪声的影响，那么它们的可靠性就会降低。我们重点关注特殊情况，即势能是这些参数的线性函数，以厄米算子为系数。为了找到达到 O ( ǫ ) 的幺正演化算子，我们可以将 O ( ǫ ) 项写为关于布朗运动的伊藤随机积分，将 O ( ǫ 2 ) 项写为关于布朗运动的双迭代随机积分。
连续时间随机过程的量子编码与分析及其金融应用
对连续时间中的随机现象进行建模是一项重要而又具有挑战性的问题。通常无法获得解析解，而数值方法可能非常耗时且计算成本高昂。为了解决这个问题，我们提出了一个专门针对量子连续时间随机过程的算法框架。该框架由两个关键程序组成：数据准备和信息提取。数据准备程序专门用于编码和压缩信息，从而显着降低空间和时间复杂度。这种减少对于随机过程的关键特征参数而言是指数级的。此外，它可以作为其他量子算法的子模块，缓解常见的数据输入瓶颈。信息提取程序旨在以二次加速解码和处理压缩信息，扩展量子增强蒙特卡罗方法。该框架展示了多功能性和灵活性，可在统计学、物理学、时间序列分析和金融领域得到应用。举例来说，默顿跳跃扩散模型中的期权定价和集体风险模型中的破产概率计算，展示了该框架捕捉极端市场事件和纳入历史相关信息的能力。总的来说，这个量子算法框架为准确分析和增强对随机现象的理解提供了一个强大的工具。
考虑随机多属性决策方法的氢能能源中心优化调度
摘要：如今，多能源载体的整合是智能能源系统中最关键的问题之一，目的是满足可持续能源发展指标。氢被认为是未来能源行业的主要能源载体之一，但将其整合到能源系统中面临着不同的开放挑战，这些挑战尚未得到全面研究。本文提出了一种基于随机多属性决策方法的新型日前调度方法，以实现氢基能源枢纽的最佳运行。通过这种方式，首先通过提供电转氢 (P2H) 设施的详细模型来开发能源枢纽模型。然后，通过考虑产消者在所提出的能源枢纽模型中的作用以及综合需求响应计划 (IDRP)，给出了一个新的多目标问题。所提出的模型引入了一种从历史数据分析到最终决策的综合方法，旨在最大限度地降低系统运行成本和碳排放。此外，为了应对系统的不确定性，采用基于场景的方法来模拟可再生能源资源波动。所提出的问题被定义为混合整数非线性规划 (MINLP)，为了解决这个问题，采用了一种简单的增强 e 约束 (SAUGMECON) 方法。最后，对所提出的模型进行了案例研究的仿真，所得结果证明了所提方案的有效性和优势。
一个随机人群模型，用于癌细胞休眠对治疗成功的影响
摘要。逃避治疗以及随后的疾病进展 - 是当前肿瘤学的主要挑战。在这种情况下的重要作用似乎是由各种形式的癌细胞杂草扮演的。例如，在短时间内，治疗引起的休眠可能会给积极的治疗方法（例如化学疗法和长期休眠）造成严重的障碍，即使在最初成功治疗后很多年，也可能导致复发和转移。潜在的休眠相关机制是复杂且高度多样的，因此，对休眠状态的基本模式的分析甚至需要抽象和理想化，以及相关特定方案的识别。在本文中，我们关注的是，单个癌细胞可以自发地和治疗的响应以及相对短的时间跨度均可转移和从休眠状态转移。我们基于基于随机剂的相互作用的数学“玩具模型”，用于涉及单个短期休眠的癌细胞种群的动力学，并允许一系列（多药）治疗方案。我们的分析表明，在我们理想化的模型中，即使是一小少数的休眠细胞群体也可能导致经典（以及在没有休眠成功）的单药治疗下的治疗失败。我们进一步研究了多种多种药物方案（以特定方式操纵休眠癌细胞）的有效性，并根据人群中存在的休眠机制的类型和参数为设计（多）药物治疗方案的设计提供了一些基本规则。
考虑随机多属性决策方法的氢能能源中心优化调度
摘要：如今，多能源载体的整合是智能能源系统中最关键的问题之一，目的是满足可持续能源发展指标。氢被认为是未来能源行业的主要能源载体之一，但将其整合到能源系统中面临着不同的开放挑战，这些挑战尚未得到全面研究。本文提出了一种基于随机多属性决策方法的新型日前调度方法，以实现氢基能源枢纽的最佳运行。通过这种方式，首先通过提供电转氢 (P2H) 设施的详细模型来开发能源枢纽模型。然后，通过考虑产消者在所提出的能源枢纽模型中的作用以及综合需求响应计划 (IDRP)，给出了一个新的多目标问题。所提出的模型引入了一种从历史数据分析到最终决策的综合方法，旨在最大限度地降低系统运行成本和碳排放。此外，为了应对系统的不确定性，采用基于场景的方法来模拟可再生能源资源波动。所提出的问题被定义为混合整数非线性规划 (MINLP)，为了解决这个问题，采用了一种简单的增强 e 约束 (SAUGMECON) 方法。最后，对所提出的模型进行了案例研究的仿真，所得结果证明了所提方案的有效性和优势。