摘要:本文介绍了基于 MATLAB/Simulink 通用模型的锂离子电池单元数字孪生。数字孪生基于恒流/恒压充电和放电循环的测量数据,健康状态 (SoH) 高达 79%,还包括快速充电。数字孪生使用的数学方程是通过对测量的 SoH、电池容量和电池单元电流进行 3D 数据拟合获得的。所提出的数字孪生的输入仅仅是测量的电池单元电流,其输出包括充电状态 (SoC)、SoH 和电池单元电压。对设计的数字孪生进行了测试,并与 MATLAB/Simulink 通用模型和电池单元测量值进行了比较,以获得恒定放电电流和动态生成的放电电流曲线。结果表明,通用 MATLAB/Simulink 模型有显著改进。
摘要:机器学习 (ML) 正在有效地颠覆和现代化城市,改善移动、安全、机器人、医疗保健、电力、金融等服务质量。尽管机器学习算法取得了不可否认的成功,但它需要高速计算硬件进行大量计算,以应对模型复杂性和承诺,从而获得高效、可靠且有弹性的解决方案。量子计算 (QC) 被认为是一种强有力的候选者,可帮助机器学习达到最佳性能,尤其是在网络安全问题和数字防御方面。本文提出了量子支持向量机 (QSVM) 模型来检测智能微电网 (SMG) 上的分布式拒绝服务 (DDoS) 攻击。针对真实的 DDoS 攻击实例数据集对我们的方法的评估表明了我们提出的模型的有效性。最后,本文总结了将机器学习与量子计算相结合的一些未解决的问题和挑战。
HITRAN2004 论文 [1] 中曾描述过 HITRAN 数据库逐行部分提供的能级或状态的量子数标识。从那时起,许多新分子被添加到 HITRAN 数据库中,并且对某些分子和同位素的格式进行了调整以包含更多信息。下表将概述作为 HITRAN2020 传统(默认)“.par”输出格式(请参阅 www.hitran.org/lbl/ )的一部分提供的量子数格式(截至 HITRAN2020 [2])。应当注意,“.par”是固定长度的 ASCII 格式;因此,一些分子需要单独的解决方案才能在有限的空间内拟合所有可用的量子信息。数据库的关系结构还支持XSAMS格式(解释见http://www.vamdc.org/documents/cbc-1.0/),可以通过创建自定义输出格式进行检索,并能够存储更详细的量子信息。
摘要:设计并制作了一种采用方形膜片、充油封装隔离的0~120 MPa压力传感器,该装置在无电路补偿的情况下非线性度优于0.4%,精度为0.43%。利用ANSYS软件对该传感器模型进行仿真,基于该模型仿真计算了压敏电阻位置变化时输出电压及非线性度的变化。仿真结果表明,随着纵向电阻(RL )相对于横向电阻(RT )的应力增大,压力传感器的非线性误差先减小到0左右后又增大。对此现象进行了理论计算和数学拟合。基于此提出了一种在保证最大灵敏度的情况下优化高压传感器非线性度的方法。在仿真中,优化模型的输出较原模型有明显的改善,非线性误差由0.106%显著降低至0.0000713%。
本文介绍了两种原则性的推理形式:溯因推理和论证推理,并阐述了它们在机器学习中可以发挥的基本作用。本文回顾了过去几十年来关于这两种推理形式与机器学习工作的联系的最新成果,并由此阐述了溯因推理和论证推理的解释生成作用如何使它们成为可解释机器学习和人工智能系统开发的自然机制。溯因推理通过数据的转换、准备和均质化来促进学习,从而为实现这一目标做出了贡献。论证作为传统演绎推理的保守扩展,为学习提供了一种灵活的预测和覆盖机制——一种与所学知识相关的目标语言——它明确承认在学习的背景下,需要处理与任何经典逻辑理论不相容的不确定、不完整和不一致的数据。
摘要:本文在存在以快速充电条件为特征的电池循环专题文件的情况下,基于高电流增量的功能提出了电池老化模型。尤其是,提出了增量容量图下的主要峰面积作为容量指标。分析了丰田研究所的数据集。电池的循环数据以恒定电流的各种单或双步快速电荷为特征,以达到电池充电状态的80%;剩余的充电过程由1C电荷执行。根据电池的不同,将线性或对数模型确定为最适合表示容量 - 峰面积关系的最佳方法。通过对电池组的拟合结果进行推断分析来评估所提出模型的概括能力。最后,我们通过采用交叉验证方法评估了模型的预测性能。
在本文中,我们提出了一种为中性原子量子处理器开发的噪声模型,并对模拟电路执行进行了基准测试。我们通过结合诊断测量和将模拟的位串概率与之前在计算机上运行的电路的测量值进行拟合来构建噪声模型。量子处理器在二维方格上使用中性原子量子比特,并使用激光和微波场实现门 [8]。由于 QED-C 基准测试中的某些电路需要的量子比特多于量子处理器中使用的量子比特,我们假设每个站点的误差都是均匀的,并扩展了模拟器以适应基准测试中提供的高宽度电路。我们运行了全对全和最近邻连接的模拟,以适应未来潜在的设备连接能力范围。我们发现与最近邻连接相比,全对全连接的电路保真度有显著提高。
· 主要内容:概率与统计、均值与方差、测量与统计误差、二项分布与泊松分布、高斯分布、中心极限定理、误差传播、卡方分布、最小二乘拟合、假设检验、基本实验室方法。· 实验室主题:掷两个六面骰子的概率、π 的测量、从一打六面骰子中掷出二的概率、宇宙射线粒子通过盖革计数器的速率、基本“弹球机”的高斯分布、伽马射线能谱、NaI 探测器的能量分辨率、放射性 137 Ba 同位素的寿命。· 教科书:John Taylor 著《误差分析导论》;第 1 至 12 章(第 9 章除外)的各个部分。教科书未涵盖的主题的讲座和实验笔记:https://www.asc. ohio-state.edu/gan.1/teaching/spring18/3700.html。
摘要 本文介绍了一种使用半导体分布掺杂区 (ScDDA) 作为有源元件的带宽可切换带通滤波器的新型合成方法。提出了一种协同设计方法,对可切换滤波器的有源和无源部分进行整体和同步设计。集成在硅基板中的 ScDDA 能够从半波长开路短截线转换为四分之一波长短路短截线。这种协同设计方法具有很大的灵活性,允许将有源元件直接集成在基板中,从而避免任何元件焊接。该合成是针对有源元件的两种状态开发的,并作为概念验证应用于四极带宽可切换带通滤波器。该滤波器工作频率为 5 GHz,在 OFF 状态下(当短截线通过开路终止时)带宽为 50%,在 ON 状态下(当短截线短路时)带宽为 70%。对于该滤波器,合成在两种状态下进行,允许选择两个所需的带宽。这些结果得到了良好的拟合,证明了这种方法的可行性。
当丢失的过程取决于丢失的值本身时,需要在基于可能的基于可能性的suplce时明确建模并考虑到它。,我们提出了一种在丢失过程取决于丢失的数据的情况下构建和拟合深层变量模型(DLVM)的方法。特别是,深层神经网络使我们能够显着建模给定数据的缺失模式的条件分布。这允许对缺失类型的先验信息(例如,自我审查)进入模型。我们的推理技术基于重要性加权推断,涉及最大化关节可能性的下限。通过在潜在空间和数据空间中使用重新聚集技巧来获得界限的随机梯度。我们在各种数据集和缺少的模式上显示,明确建模丢失过程是无价的。