XiaoMi-AI文件搜索系统
World File Search SystemVoronoi
使用Markovian Morestoning用Voronoi Tessellations
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2023年3月6日发布。 https://doi.org/10.1101/2022.11.10.516058 doi：Biorxiv Preprint
使用Markovian Morestoning用Voronoi Tessellations
摘要：Janus激酶（JAK）是非受体酪氨酸激酶（NRTKS）家族中的一组蛋白质，在生长，生存和血管生成中起着至关重要的作用。它们通过janus激酶 - 信号传感器和转录（JAK-STAT）信号途径的激活因子激活它们。JAK-STAT信号通路在细胞分裂，凋亡和免疫力的调节中具有重要作用。在JAK2的JANUS同源性2（JH2）域中对V617F突变的鉴定导致骨髓增生性疾病已激发了对药物发现群落的极大兴趣，以开发JAK2特异性抑制剂。但是，这种抑制剂应在其他JAKS上选择JAK2并显示长时间的停留时间。最近，新型的JAK2/STAT5轴抑制剂（N-（1H-吡唑-3-基）吡啶蛋白-2-氨基衍生物）在目标和适当的选择性上显示了延长的停留时间（小时或更长时间），不包括JAK3。为了促进对激酶 - 抑制剂相互作用并推动这种抑制剂的发展，我们在启用模拟的启用模拟率估算的基于这些KIN属性的属性的多尺度的Markovian Morestonting使用Voronoi Tessellations（MMVT）方法中，并将其排名为KIN的属性，并将JAK3的抑制剂。我们的方法研究了与其他蛮力和杂交增强的采样方法相比，用户友好，快速，高效和准确的JAK-抑制剂复合物的动力学和热力学特性。
使用 MPC 技术进行基于 Voronoi 的无人机编队部署和重新配置
摘要 —本文介绍了一种基于分散 Voronoi 的线性模型预测控制 (MPC) 技术，用于在有界区域内部署和重构由无人机 (UAV) 组成的多智能体系统。在每个时刻，该区域被划分为与每个 UAV 智能体相关联的不重叠的时变 Voronoi 单元。编队部署目标是根据每个 Voronoi 单元的切比雪夫中心将智能体驱动到静态配置中。所提出的基于 MPC 的编队重构算法不仅允许故障/不合作的智能体离开编队，还允许恢复/健康的智能体加入当前编队，同时避免碰撞。仿真结果验证了所提出的控制算法的有效性。
Thomas Chevet、Cristina Stoica Maniu、Cristina Vlad、Youmin Zhang。使用 MPC 技术进行基于 Voronoi 的 UAV 编队部署和重新配置。国际无人机系统会议，ICUAS'18，2018 年 6 月，美国德克萨斯州达拉斯。第 9-14 页，10.1109/ICUAS.2018.8453342。hal-01768188
摘要 —本文介绍了一种基于分散 Voronoi 的线性模型预测控制 (MPC) 技术，用于在有界区域内部署和重构由无人机 (UAV) 组成的多智能体系统。在每个时刻，该区域被划分为与每个 UAV 智能体相关联的不重叠的时变 Voronoi 单元。编队部署目标是根据每个 Voronoi 单元的 Chebyshev 中心将智能体驱动到静态配置中。所提出的基于 MPC 的编队重构算法不仅允许有故障/不合作的智能体离开编队，还允许恢复/健康的智能体加入当前编队，同时避免碰撞。仿真结果验证了所提出的控制算法的有效性。
Alchembert：探索...
38,567 3,206 0.490 0.841 0.093 0.297 MEGNET 0.436 0.818 0.138 -0.603 CGCNN+P 39,500 2,563 0.392 0.786 0,113 0.0 Bowsr 1.964 0.300 0.712 0.118 0.151 0.684 0.122 0.055 Voronoi RF38,567 3,206 0.490 0.841 0.093 0.297 MEGNET 0.436 0.818 0.138 -0.603 CGCNN+P 39,500 2,563 0.392 0.786 0,113 0.0 Bowsr 1.964 0.300 0.712 0.118 0.151 0.684 0.122 0.055 Voronoi RF
机器学习增强的列生成...
我们以前的研究引入了一种改进的伏诺图方法，以提高州级在状态疫苗分布的效率。与广泛使用的柱生成技术相比，尽管运输费用更高，但该方法的运输成本降低了5.92％，需求覆盖率增加了28.15％。两种方法都有效地解决了分布问题，但由于决策变量的复杂性和数据的大规模性质，它们经历了大量的CPU时间。我们的论文着重于提高计算效率，同时保持解决方案的质量。文献提出了各种方法来提高基于Voronoi图的技术的效率。例如，Lipin（2014）引入了凸船体方法，而Chen＆Merkel（2006）利用这种技术在随机测试中减少了选择开销。此外，Li＆Liu（2020），Ohya等。（1984），秦等人。（2017）和Karavelas（2004）各自提出了降低计算冗余并提高效率的策略。但是，由于奖励功能和子区域重塑策略的差异，这些方法并不直接适用于我们修改的Voronoi图。为了解决这个问题，我们建议开发一种新算法，该算法将机器学习纳入增强的列生成（CG）方法，以改善运行时。
通过纹理表征液晶
1曼彻斯特大学物理与天文学系，曼彻斯特牛津路，曼彻斯特，M139PL，英国关键字：两极分化显微镜，纹理，缺陷，沃罗诺伊模式，在本教程中的机器学习，我们将讨论一系列通过其纹理表征液晶阶段的方法。从极化显微镜开始，我们将显示从列表到近晶和软晶体的各种不同阶段的最特征性纹理，并解释了它们的某些特征性外观和缺陷[1]。同样，我们将很快引入手性，并证明新颖的阶段（例如蓝色相和晶粒边界阶段）如何出现新颖，不同的纹理和缺陷。说明我们如何验证某些液晶缺陷的结构[2,3]后，我们将与固态系统进行简短的比较，固态系统通常显示出与液晶相似的缺陷，但长度尺度非常不同。在这种情况下，还证明了许多液晶纹理实际上可以是通过一种称为伏诺伊图的相当普遍使用的算法而导致的，从而导致伏诺诺纹理[4,5]。终于，我们将探索现代机器学习算法（例如卷积网络和构成模型）的多远来表征液晶。将出现一系列示例，从涉及列相的简单过渡到涉及列非列，流体近晶和近晶型序列[6]甚至软晶体相的更复杂的场景。将讨论机器学习的优势和缺点，也可以看到陷阱以避免[8]。__________________________此外，用副晶体，铁电，铁 - 和抗抗逆逆异性阶段的手性液晶中的完整相位序列将通过机器学习证明是可以预测的[7]。
催化剂发现的计算和机器学习
图。12。将包含N原子的催化表面结构转化为CNN输入表示的图。a）单速编码九个基本元素特征，b）产生从voronoi polyhedron获得的来自实体角（ω）的原子的相邻信息。经过Back等人的许可。J. Phys。 化学。 2019; 4401版权所有2019年美国化学学会。J. Phys。化学。2019; 4401版权所有2019年美国化学学会。
计算几何的进步：综合...
MONIKA SINGH，PRATAP SINGH PATWAL博士计算机科学与工程系，Laxmi Devi工程与技术研究所Bikaner技术大学，Alwar-Tijara-delhi，Rajasthan，Rajasthan 301028摘要：计算几何学：计算机科学的子场，计算机科学的一个子领域，在求解复杂的角色中扮演着重要的al-Algorice a a al algorith al gorice a a a al gymitic a viake a a al goritic a viake a viake。本文对计算几何形状的原理和进步进行了深入的探索，并特别关注C编程语言中的实现。Through an extensive review of literature, research articles, and practical applications, this paper aims to elucidate the key algorithms, data structures, and challenges in Computational Geometry while highlighting the efficiency and versatility of C as a programming language for these tasks.This comprehensive review explores the vibrant landscape of Computational Geometry with a focus on its implementation in the C programming language.它涵盖了基本的几何算法，例如凸赫尔计算，线段交集和多边形三角剖分，强调了它们的实际应用。讨论扩展到Quadtree和Octree等关键数据结构，从而实现有效的空间分区。的挑战，包括数值稳定性和维度的诅咒，通过在GIS，计算机图形和机器人技术中实现的强大解决方案来解决计算几何学的多功能性。本文还探讨了3D和高维几何形状，并行计算以及机器学习的集成的进步。道德考虑以及教育在促进协作和知识传播中的作用得到了强调。随着计算几何形状的不断发展，本文通过强调社区驱动的努力和道德考虑在塑造其未来的重要性而得出结论。关键字：计算几何，C编程语言，几何算法，数据结构，数据结构，凸面船体，线段相交，点位置，点位置，多边形三角剖分，Quadtree，Octree，Delaunay三角测量，三角形三角形，Voronoi图，Voronoi图，Voronoi图，数值，数值稳定性，相似的计算式实现，高度计算，较高dimiCore insimens grounice equorne，3 dike e e e equore，3d dime e egeorse，3d dim dime e georse，3D deceorce，3D d.考虑因素，教育，协作平台。
