XiaoMi-AI文件搜索系统
World File Search Systembidirectional
用于电动汽车充电站的双向三级堆叠中性点钳位变换器
摘要 由电池和其他储能设备（ESD）（例如超级电容器）供电的电动汽车（EV）有望在更可持续的未来发展中发挥重要作用。在此背景下，充电站（CS）应该成为电池充电的主要能源，并且严重依赖电力电子转换器。本文分析了一种用于 CS 应用的双向单相三级堆叠中性点钳位（3L-SNPC）转换器，该转换器可以根据电流流向充当整流器或逆变器。此外，得出的分析可以轻松扩展到三相版本的开发。考虑到 CS 能够整合公用电网和可再生能源，因此可以以高功率因数和降低电流谐波含量的方式吸收或向交流电网注入能量。双向拓扑的主要优点是，每个支路和中性点上都有三级电压波形，而与电动汽车电流互感器中使用的典型两级结构相比，滤波要求有所降低；所有半导体上的电压应力等于总直流链路电压的一半；在任何操作模式下，功率因数几乎为 1；直流链路电容器两端的电压是平衡的。本文介绍了功率和控制级的详细设计，并详细讨论了实验室原型的实验结果。
用于智能门驱动板的双向通信电源电路
摘要 - 在电源电路中，栅极驱动器需要提供功率半导体器件的最佳和安全切换。如今，栅极驱动器板包含越来越多的功能，例如短路检测、软关断、温度感应、通态电压监控……正在研究集成在线监控功能以实现预测性维护。栅极驱动系统的仪表假定集成了通信系统来传输监控数据。在高功率设计中，栅极驱动器板上必须进行电流隔离。隔离栅上的寄生电容在这些设计中至关重要，因为它可能导致切换期间共模电流的循环。因此，由于电磁干扰 (EMI) 的限制，在隔离栅上添加额外的光耦合器或变压器是有风险的。本文提出了一种用于驱动 1.2kV SiC 功率 MOSFET 的栅极驱动器的新型双向数据传输方法。所提出的方法可以在单个电源变压器上实现能量传输和双向数据交换。实验结果表明 TxD 为 1Mb/s，RxD 为 16kb/s。目标应用是使用栅极驱动器板对 SiC 功率 MOSFET 进行健康监测。
带电池的光伏供电双向四端口变压器的设计与仿真
1 名学生，2 名教授，1 名电气和电子工程系，1 名博士。安贝德卡尔理工学院，班加罗尔，卡纳塔克邦，印度 摘要：巨大的电力需求需要有效的能源转换和存储技术来利用可再生能源。在本研究中，设计并模拟了一种由光伏 (PV) 供电并结合电池蓄能系统 (BAS) 的双向四端口转换器。通过促进跨多个端口的双向功率流，建议的方法可提高 PV 系统的整体性能并优化能源管理。在系统中添加电池可通过实现电网接触来提高系统的功能，并充当能量缓冲器。BAS 充当缓冲器，在晴天时保存 PV 阵列产生的额外能量，并在阴天或黑暗时释放这些能量。此外，电池的双向功能使其能够在高需求时向电网放电，并在非高峰时段从电网充电，这两者都有助于稳定系统并降低电价。
基于双向RNN的3D医疗图像分割的少数射击学习
在3D医学图像中对感兴趣的器官进行分割是准确诊断和纵向研究的必要条件。尽管使用深度学习的最新进展已显示出许多细分任务的成功，但是高性能需要大的数据集，而注释过程既耗时又耗时。在本文中，我们提出了一个3D少数射击分割框架，以使用目标器官注释的有限训练样本进行准确的器官序列。为了实现这一目标，像U-NET一样的网络旨在通过了解支持数据的2D片与查询图像之间的关系，包括辅助门控复发单元（GRU），该单元（GRU）了解相邻切片之间编码特征的一致性。此外，我们会介绍一种传输学习方法，以通过在支持数据中采样的任意支持和查询数据进行测试之前对模型进行更新，以适应目标图像和器官的特征。我们使用带有不同器官注释的三个3D CT数据集评估了我们提出的模型。我们的模型比最先进的射击分段模型产生了显着提高的性能，并且与经过更多目标培训数据训练的完全监督模型相当。
病毒感染与代谢疾病的双向关系的机制和临床相关性
内科系III（N Perakakis MD教授，C Steenblock PD，W Kanczkowski，B Ludwig教授，M Gado，M Gado，A Linkermann教授，P nawroth教授，Pr. s r Bornstein）； Paul Langerhans Institute Dresden，Helmholtz Munich（N Perakakis，B Ludwig，M Solimena教授，M Gado，M Gado，T Chavakis教授，S R Bornstein）；临床化学与实验室医学研究所（V I Alexaki，P Mirtschink教授，T Chavakis）；分子糖尿病学系（M Solimena）；儿科系（N TOEPFNER PD）；再生疗法中心德累斯顿（B Ludwig，seissig教授）；医学微生物学和病毒学（H Harb教授）；医学系医学院，医学院和大学医院卡尔·古斯塔夫·卡鲁斯（Carl Gustav Carus），德累斯顿德累斯顿（Dresden），德累斯顿（Dresden）01307，德国（S Zeissig）；德国德国德国糖尿病研究中心（N Perakakis，B Ludwig，M Solimena，M Solimena，M Gado，T Chavakis，S R Bornstein）；医学病毒学研究所（B G Hale教授，A Abela，M Huber PD，A Trkola教授）；流行病学，生物统计学和预防研究所（M a Puhan教授）；瑞士苏黎世苏黎世大学分子生命科学系（W-L Wong教授）；病理学和分子病理学系（Z VARGA教授）；传染病和医院流行病学系（A Abela，A s Zinkernagel教授）；和内分泌，糖尿病学和临床部
人工智能是否适合这份工作？映射劳动力和人工智能强度的双向模型
在本文中，我们提出了一个环境，用于检查人工智能研究中研究强度的分布与当前和模拟场景中一系列工作任务（和职业）的相关性之间的关系。我们使用一组认知能力作为中间层，在劳动力和人工智能之间进行映射。这种设置有利于双向解释，以分析（1）当前或模拟的人工智能研究活动对劳动相关任务和职业有何影响，以及（2）人工智能研究活动的哪些领域会对特定劳动任务和职业产生预期或不良影响。具体而言，在我们的分析中，我们将来自几份工人调查和数据库的 59 项通用劳动相关任务映射到认知科学文献中的 14 种认知能力，并将其映射到用于评估人工智能技术进展的 328 个人工智能基准的综合列表。我们提供此模型及其实现作为模拟工具。我们还通过一些示例展示了我们设置的有效性。
基于人工智能的可再生交流微电网与双向 LSTM 风力发电的优化调度
摘要——在微电网运行方面，优化调度是一个必须考虑的重要问题。在这方面，本文提出了一个有效的可再生微电网优化调度框架，考虑了储能设备、风力涡轮机、微型涡轮机。由于微电网运行问题的非线性和复杂性，使用准确而鲁棒的优化技术来有效地解决这个问题至关重要。为此，在所提出的框架中，利用基于教师学习的优化来有效地解决系统中的调度问题。此外，提出了一种基于双向长短期记忆的深度学习模型来解决短期风电预测问题。使用 IEEE 33 总线测试系统检查了所提框架的可行性和性能以及风电预测对运行效率的影响。此外，澳大利亚羊毛北风场数据被用作真实数据集来评估预测模型的性能。结果表明，所提出的框架在微电网优化调度中具有有效和高效的性能。
视觉mamba：双向状态空间模型的有效视觉表示学习
最近，具有效率的硬件感知设计的状态空间模型（SSM），即Mamba深度学习模型，已显示出长序列建模的巨大计算。同时，纯粹在SSM上建立有效和通用的视力骨干是一个吸引人的方向。，由于视觉数据的位置敏感性以及全球上下文对视觉理解的要求，代表视觉数据对SSM的挑战。在本文中，我们表明，对自我注意力的依赖无需进行视觉代表学习，并提出了带有双向Mamba块（VIM）的新的通用视觉主链，该主块（VIM）标记了带有位置嵌入的图像序列，并用Bidirectiact态态空间模型将视觉表示。Imagenet分类，可可对象检测和ADE20K
bafusion：基于LIDAR和摄像机的3D对象检测的双向注意融合
摘要：3D对象检测是自动驾驶和机器人技术的一项具有挑战性且有前途的任务，从LIDAR和相机等多传感器融合中受益匪浅。传感器融合的常规方法依赖于投影矩阵来对齐LiDAR和相机的特征。但是，这些方法通常遭受灵活性和鲁棒性不足，从而在复杂的环境条件下导致对齐精度降低。解决这些挑战，在本文中，我们提出了一个新型的双向注意融合模块，该模块名为Bafusion，该模块有效地使用跨注意力从激光雷达和照相机中融合了信息。与常规方法不同，我们的浮雕模块可以自适应地学习跨模式的注意力，从而使方法更加灵活和健壮。从2D Vision中的高级注意优化技术中汲取灵感，我们开发了集合的线性注意融合层（CFLAF层），并将其集成到我们的小管道中。该层优化了注意机制的计算复杂性，并促进了图像和点云数据之间的高级相互作用，展示了一种新的方法来解决跨模式注意计算的挑战。我们使用各种基线网络（例如Pointpillars，Second和A Part-A 2）在KITTI数据集上评估了我们的方法，并在这些基准线上表现出了3D对象检测性能的一致改进，尤其是对于骑自行车的人和骑行者等较小的对象。我们的方法在Kitti基准测试中取得了竞争成果。
肠道微生物组，miRNA和人类病理之间的双向相互作用的系统回顾
microRNA（miRNA）和肠道微生物组是人类健康的关键调节剂，新兴的证据突出了它们在慢性疾病中复杂的双向相互作用。miRNA，会影响基因表达，并可以调节肠道微生物组的组成和功能，从而影响代谢和免疫过程。相反，微生物组会影响宿主miRNA表达，从而影响炎症途径和疾病易感性。这项系统评价研究了最近的研究（2020-2024），专注于人类受试者，通过严格的包容和排除标准选择。如果研究在胃肠道疾病，肥胖，自身免疫性疾病，认知和神经退行性疾病以及自闭症的背景下研究了miRNA与肠道微生物组之间的相互作用，则包括研究。在体外，体内和计算机分析中被排除在外，以确保对人类病理生理学的强烈转化。值得注意的是，患者稳定且丰富的miRNA已成为微生物组驱动的炎症的有前途的生物标志物。这项系统评价概述了miRNA，它们对细菌菌株的调节作用及其与特定疾病的关联。它还探讨了治疗性进步以及基于miRNA的疗法恢复微生物平衡并减少炎症的潜力。