XiaoMi-AI文件搜索系统
World File Search SystemSwarm
使用粒子群优化算法实现并网住宅太阳能发电系统的日前最优能源调度
摘要 本文提出了并网住宅光伏系统的日前优化能源调度技术，以符合电价并优化家庭运营效益。该解决方案被视为优化问题，目标是最大化家庭能源效益，优化变量是电力调度率，即出售给电网的光伏电力与供应负载后的额外光伏能源之比。之后，使用粒子群优化 (PSO) 解决公式化的非线性优化问题。使用位于尼泊尔拉利特布尔的典型并网太阳能供电系统（具有太阳能光伏系统和电池储能系统）进行验证分析。研究结果表明，建议的能源调度策略与启发式优化方法相结合，可成功实现多种能源的优化能源调度，从而在分时电价下实现财务效益最大化。
类别、量子计算和群体机器人
摘要：机器人群体是人工集体智能的例子，具有简单的个体自主行为和新兴的群体效应，可以完成甚至复杂的任务。机器人群体开发的建模方法是该研究领域的主要挑战之一。在这里，我们提出了一个机器人实例化的理论框架和一个定量的算例。为了建立一个通用模型，我们首先在范畴论的启发下，勾勒出群体的图解分类，将理想群体与现有实现联系起来。然后，我们提出了一个矩阵表示来关联群体中的局部和全局行为，对角子矩阵描述单个特征，非对角子矩阵作为成对的交互项。因此，我们尝试塑造这种交互项的结构，使用量子计算语言和工具对玩具模型进行定量模拟。我们选择量子计算是因为它的计算效率。该案例研究可以阐明量子计算在群体机器人领域的潜力，为逐步丰富和完善留下空间。
癌症组织病理学中分散人工智能的群体学习
奥利弗·莱斯特·萨尔达尼亚 (1)、菲利普·奎克 (2)、尼古拉斯·P·韦斯特 (2)、杰奎琳·A·詹姆斯 (3,4,5)、莫里斯·B·洛里 (5,6,7)、海克·I·格拉布什 (2,8)、曼努埃尔·萨尔托-特莱兹 (3,4,5)、伊丽莎白·阿尔沃斯 (9)、迪德姆·西夫奇 (1)、纳尔明·加法里·拉勒(1), 托比亚斯·塞贝尔 (1), 理查德·格雷 (10), 戈登·GA·哈钦斯 (2), 赫尔曼·布伦纳 (9,11,12), 谭伟源 (9), Titus J. Brinker (13), Jenny Chang-Claude (14,15), Firas Khader (16), Andreas Schuppert (17), Tom Luedde (18), Sebastian Foersch (19)、汉娜·索菲·穆蒂 (1)、克里斯蒂安·特劳特温 (1)、迈克尔·霍夫迈斯特 (9)、丹尼尔Truhn (16)、Jakob Nikolas Kather (1,2,12,20) (1) 德国亚琛工业大学医院医学 III 系 (2) 英国利兹大学圣詹姆斯利兹医学研究所病理学与数据分析系 (3) 英国贝尔法斯特女王大学 Patrick G Johnston 癌症研究中心健康科学大楼精准医学卓越中心 (4) 英国贝尔法斯特贝尔法斯特健康与社会保健信托区域分子诊断服务中心 (5) 英国贝尔法斯特女王大学 Patrick G Johnston 癌症研究中心 (6) 英国贝尔法斯特贝尔法斯特健康与社会保健信托细胞病理学系 (7) 英国贝尔法斯特女王大学公共卫生中心 (8) 荷兰马斯特里赫特马斯特里赫特大学医学中心病理学和 GROW 肿瘤学与发育生物学学院 (9) 临床流行病学分部德国海德堡德国癌症研究中心（DKFZ）衰老和衰老研究中心（10）英国牛津大学临床试验服务部（11）德国海德堡德国癌症研究中心（DKFZ）和国家肿瘤疾病中心（NCT）预防肿瘤学部（12）德国海德堡德国癌症研究中心（DKFZ）德国癌症联盟（DKTK）（13）德国海德堡德国癌症研究中心（DKFZ）国家肿瘤疾病中心（NCT）肿瘤学数字生物标志物组（DBO）（14）德国海德堡德国癌症研究中心（DKFZ）癌症流行病学部（15）德国汉堡大学癌症中心、汉堡-埃彭多夫大学医学中心癌症流行病学组（16）德国亚琛工业大学医院诊断和介入放射学系（17）德国亚琛工业大学计算生物医学联合研究中心生物医学系、亚琛大学医院（18）德国杜塞尔多夫海因里希海涅大学医学院胃肠病学、肝病学和传染病系、杜塞尔多夫大学医院（19）德国美因茨大学医学中心病理学研究所（20）德国海德堡大学医院国家肿瘤疾病中心 (NCT) 肿瘤内科系
用于 CNN 的粒子群优化模糊积分 - ...
摘要 最近，使用卷积神经网络 (CNN) 解码人类脑电图 (EEG) 数据推动了脑机接口 (BCI) 中运动想象脑电图模式识别的最新技术。虽然已经使用多种 CNN 模型来对运动想象脑电图数据进行分类，但尚不清楚聚合异构 CNN 模型集合是否可以进一步提高分类性能。为了整合集成分类器的输出，本研究利用模糊积分和粒子群优化 (PSO) 来估计分配给分类器的最佳置信度水平。所提出的框架聚合了 CNN 分类器和模糊积分与 PSO，根据 BCI 使用场景，在各种 CNN 模型训练方案中实现运动想象脑电图数据的单次试验分类的稳健性能。这项概念验证研究证明了应用模糊融合技术增强基于 CNN 的 EEG 解码的可行性，并有利于 BCI 的实际应用。关键词：脑机接口 (BCI)、脑电图 (EEG)、卷积神经网络 (CNN)、模糊积分、运动想象 (MI)、粒子群优化 (PSO)。
用多目标粒子群算法
摘要伊朗太阳能的高潜力以及空气污染的问题使使用太阳能越来越不可避免。在这项工作中，研究了太阳能有机兰丁周期（ORC）。太阳能收集器是平板收集器。与MOPSO算法的混合体系的能量，自我和经济分析是针对伊朗首都德黑兰进行的。假定太阳能收集器的工作流体被认为是水，ORC的工作流体为R123。MATLAB软件用于仿真，为了计算R123流体属性，使用了重建软件。exergy的调查表明，最充电的破坏与蒸发器有关。考虑了两个由发射效率和电价组成的目标功能。该优化的决策变量被认为是太阳能收集器面板和泵的数量，涡轮机等效率以及冷凝器和蒸发器的压力。帕累托图显示，系统的发电效率在7.5-10.5％的范围内可能有所不同，生产的电力价格可能会在0.2-0.26 $/kWh的范围内变化。关键字：自动，有机兰金周期，平坦收集器，能量，经济，太阳能。
模拟激光武器系统决策支持，利用机器学习对抗无人机群
本论文展示了机器学习的一种应用，它为在复杂战术情况下操作激光武器系统的战士提供自动决策支持。该论文使用 NPS 建模虚拟环境与仿真 (MOVES) 研究所的 Swarm Commander 建模和仿真软件环境来开发模拟数据集，模拟涉及舰载激光武器系统防御无人机群威胁的战争游戏场景。模拟数据集用于训练机器学习算法，以预测复杂战场中异构无人机群的最佳交战策略。评估了多种机器学习技术，并选择分类树技术作为首选方法。最终算法在根据无人机威胁类型、数量和激光武器系统攻击策略正确预测交战结果方面总体准确率为 96%。研究结果表明：（1）建模和仿真对于支持战术机器学习应用开发的实用性；（2）机器学习对支持未来战术行动的潜力；（3）机器学习和自动化总体上可以减轻未来作战人员在复杂威胁环境中做出关键决策时的认知负荷。
一种新的群体收集任务方法，用于持续的情境意识
涉及移动临时传感器代理的群技术应用程序越来越多地扩展到多个军事问题领域，例如战术智能，监视，目标获取和侦察（ISTAR）。在Istar中，由半自主传感器组成的团队合作实现了收集任务和执行，以弥合信息需求和信息收集之间的差距，以保持持久的情境意识。最新的贡献在很大程度上暴露了多维问题的复杂性。突出显示有限的板载传感器平台资源能力和能源预算，他们经常采用临时规定的传感器行为，从而导致过度保守的连接限制，偏见的决策和/或融合解决方案结构。这些可能会任意传达巨大的机会成本，并有害影响整体绩效。提出了一种创新的方法来处理移动临时传感器网络/群集收集任务问题，但要遵守有限的处理能力和有限的能源预算，以进行数据传播/通信路由。在有限的车载电源注意事项的驱动下，收集计划是集中式的，并由群体领导者进行了情节介导，而计划执行则分散。收集计划依赖于带有反馈决策模型公式的新开环。它是反复解决在退缩时间范围内最大化收集值的静态决策问题。情节决策由传入的请求，累积收集价值，持续的资源承诺，剩余资源能力和上一个阶段的反馈来调节。该方法结合了一个新的紧凑图表表示和一个合理的近似决策模型，以执行传感器代理路径计划优化，但要定期连接，以实现信息共享，融合，情境意识和动态解剖/计划。提出的最小跨越树沟通方案赋予了群体拓扑意识，并结合主张的连通性约束处理方法提供了理想的灵活性，以显着扩大整体可观察的域；探索更大的解决方案空间；减少能耗；最大化网络范围；并提供预期的收集最终提高情境意识。
战斗管理系统中的 Swarm 态势感知
多架无人驾驶飞行器 (UAV) 的使用越来越重要。因此，人与机器人之间的交互及其交互设计变得越来越重要，尤其是在战场上的军事侦察中。然而，无人机群规模的不断扩大带来了许多需要解决的挑战，例如复杂的高动态情况增加了对用户的需求。在这项工作中，研究了符合人体工程学的人机交互显示的应用导向选项，重点关注战斗管理系统中的群体。在文献调查中，确定了单个操作员监控大型群体作为高度自动化系统时可能出现的潜在应用和挑战。此外，还确定了已经存在的设计指南。根据这些结果，我们设计了四种不同的群体可视化布局原型，目的是获得全面的态势感知。
一种实用方法，可以覆盖具有群体的动态区域
摘要 - 许多应用程序需要探索或监视区域。这可以通过传感器网络来实现，传感器网络是一大批机器人团队，每个机器人只能覆盖一个很小的分数。当该区域是凸，小且静态的时，将机器人部署为质心Voronoi tessellation（CVT）。相反，我们认为要覆盖的区域宽，不一定是凸面和复杂。然后，操纵一个较小的简单区域并变形以横切整个区域。向机器人提供了一些描述该区域的路点。目标是机器人在CVT附近均匀地在该区域上动态部署。不幸的是，分布式CVT计算算法的收敛太慢，无法实用。在这项工作中，CVT计算与基于反馈和基于前馈的控制技术和动态共识相辅相成，以调整机器人速度，以便它们协调以覆盖动态区域。我们在模拟中证明了所提出的方法成功地实现了跟踪该区域的目标，并通过机器人均匀部署，同时保持连通性并避免碰撞。我们还比较了所提出的方法与其他替代方案的性能。