XiaoMi-AI文件搜索系统
World File Search Systemconvex
化学计量矩阵左零空间的凸基导致了具有代谢意义的池的定义
摘要 计量矩阵 S 表示反应速率向量到浓度时间导数空间的映射。计量矩阵的左零空间包含动态不变量：浓度变量的组合，称为代谢池，其总浓度不会随时间而变化。通过类比 S 形成的传统反应图，可以从 ST 得出化合物图。与 S 的（右）零空间的通量分析类比使我们能够将代谢池分为三类：A 类包含以某些部分形式的化学元素及其组合，B 类除了包含网络内部携带此类部分的辅因子外，还包含此类部分，C 类仅包含辅因子。左零空间基的凸公式使我们能够将代谢池直接分为这三类。 B 型代谢池包括保守池，这些池形成代谢物和辅因子的部分占据和部分空置浓度状态的结合物。因此，B 型代谢池描述了主要底物和辅因子之间捕获能量和氧化还原电位等特性的部分交换的各种状态。凸基可以清楚地洞察人类红细胞中糖酵解途径的这种交换，包括识别形成结合物的高能池和低能池。示例表明，池图可能比通量图更适合信号通路。对化学计量矩阵左零空间的分析使我们能够定义细胞的可实现状态及其生理相关性。
直流 OPF 中具有互补约束的并网储能系统模型的凸松弛
可再生能源的间歇性是将可再生能源发电整合到电网的主要挑战之一。可再生能源的变化或可用的可再生能源预测误差可以通过在电网中纳入分布式能源存储系统 (ESS) 来解决 [1]–[4]。与电网连接的 ESS 的优势包括削减峰值负荷和降低发电机爬升率。然而，在将 ESS 模型纳入优化问题时，特别是凸最优潮流 (DC OPF) 问题，由于使用无损 ESS 模型 [5] 或非凸 ESS 操作模型，需要使用计算限制方法 [3]，[6]，因此确保适当的 ESS 动态可能会受到很大限制。在本文中，我们对与电网连接的 ESS 模型的凸松弛进行了分析，该模型在 DC OPF 问题中有单独的充电和放电项。我们考虑一个一般的直流 OPF 问题，它协调传统发电机、分布式可再生能源和受网络功率流约束的 ESS，以满足网络负载，同时最小化发电成本并考虑发电容量约束。在这项工作中，我们使用 Karush Kuhn-Tucker (KKT) 条件来展示何时解决科学问题，科罗拉多大学博尔德分校，科罗拉多州博尔德，80309 美国（电子邮件：{kaitlyn.garifi; kyri.baker}@colorado.edu）。当使用建议的放松 D. Christensen 时，ESS 同时充电和放电的直流 OPF 问题不是最优的，他是国家可再生能源实验室的成员，科罗拉多州戈尔登，80401 美国（电子邮件：dane.christensen@nrel.gov）
非Convex Minimax优化的两次梯度梯度下降算法
We provide a unified analysis of two-timescale gradient descent ascent (TTGDA) for solving structured nonconvex minimax optimization problems in the form of min x max y ∈Y f ( x , y ), where the objective function f ( x , y ) is nonconvex in x and concave in y , and the constraint set Y ⊆ R n is convex and bounded.在凸 - 孔循环设置中，单次梯度下降（GDA）算法被广泛用于应用中，并且已被证明具有强大的收敛保证。在更一般的设置中，它可能无法收敛。我们的贡献是设计ttgda算法，这些算法是有效的，这些算法超出了凸形 - 连接设置，并有效地确定了函数φ（·）的固定点：= maxy∈Yf（·f（·，y）。我们还建立了解决求解平滑和非平滑concove-concave minimax优化问题的复杂性的理论界限。据我们所知，这是对非凸端优化的TTGDA的第一个系统分析，阐明了其在训练生成的对抗网络（GAN）和其他现实世界应用问题中的卓越性能。关键字：结构化的非凸极最小值优化，两次尺度梯度下降，迭代复杂度分析
使用伪凸凸优化的信号走廊中连接车辆的文章类型实时控制†
没有人类驾驶员的干预，并与其他车辆和/或基础设施以及其他设备2进行通信2。美国运输部总结了将CAV技术引入运输系统3：道路安全，经济和社会福利，能源效率和公共流动性的四个主要潜在好处。CAV技术为驾驶员/车辆和交通基础设施创造了一个新的环境，以在现实世界中进行交互。在这种环境中，连接起着至关重要的作用，无线通信使车辆能够相互通信（V2V）以及基础架构（V2I）（v2i）关于实时车辆位置，速度，加速度和其他数据。这些实时数据的可用性为CAVS提供了协调交通相互作用的机会，以使交通相互作用，以最大程度地提高燃油效率并减少碰撞4。猜测对自动运输系统进行了实质性转变，已经进行了许多研究，以调查涉及CAV应用程序的挑战和机会5,6,7,8。例如，橡树岭国家实验室9正在开发用于CAVS应用程序的实时移动控制系统（RTMC），其中包括流量数据管理，路线计划，集中式通信和可视化。已经证明，可以使用交通信号阶段和计时（SPAT）信息来提高车辆燃油效率以协调车辆操作10。还已经确定，可以通过解决相关的最佳控制问题4来确定车辆的最佳速度方案。然而，尽管许多研究人员已经证明了使用SPAT信息来优化燃油经济性的潜力，但大多数努力都集中在提高单个车辆的性能并发出信号计时控制11,12。此外，相关作品主要集中于为CAV生成可行的轨迹，同时忽略了以计算效率和保证收敛性来实时执行生成的轨迹。骑士的运动控制系统是安全至关重要的，并严重依赖于车载算法。需要对操作的实时更新，以应对周围环境的动态。尽管已经提出了许多方法来获得轨迹的轨迹，但由于高计算成本，无法保证最佳解决方案，并且无法应付非凸运动限制和动态环境，因此它们的优化方法不适合现实世界实施。13,14。本文将通过开发一种基于凸优化的新型方法来满足这种需求，该方法使用SPAT信息产生速度曲线。具有多项式解决方案时间和全球最佳收敛的优点，凸优化方法对于车载应用非常有前途。这项研究的贡献是三倍。首先，提出的顺序凸编程（SCP）算法解决了非线性和非凸的最佳速度控制问题，并确保收敛性和多项式解决方案时间在解决每个步骤中解决凸的问题时。本文的其余部分如下：第2节对相关工作进行了简要审查。第二，我们利用伪搭配方法与线路搜索和信任区域技术结合使用，从根本上改善了提出的SCP算法，以提高准确性，更好的实时和融合性能。第三，得益于高级计算效率，该提出的方法实现了实时模型预测控制（MPC）框架，并对动态交通环境的即时响应，以避免碰撞和车辆协调。第3节描述了本研究中考虑的系统动力学和最佳控制问题。第4节介绍了一种新方法，该方法确定了在信号走廊中行驶的骑士的最佳车辆速度轮廓。第5节通过模拟结果和比较证明了拟议方法的性能和有效性。第6节总结了本文的工作。
私人异质联盟学习没有受信任的服务器的重新审视：凸损失的错误 - 最佳和沟通效率算法
我们通过不信任服务器或其他筒仓/客户的人的私人数据来重新审视联合学习（FL）的问题。在这种情况下，每个筒仓（例如医院）有来自几个人的数据（例如患者），需要保护每个人数据的隐私（例如健康记录），即使服务器和/或其他孤岛试图发现此数据。silo记录级差异差异隐私（ISRL-DP）通过要求Silo I的通信满足项目级差异隐私，从而防止每个Silo的数据被泄漏。先前的工作[Lowy and Razaviyayn，2023a]表征了具有同质（I.I.D.）ISRL-DP算法的最佳多余风险范围筒仓数据和凸损失函数。但是，两个重要的问题被打开：（1）可以通过异质（非I.I.D。）实现相同的多余风险范围。孤岛数据？（2）可以通过更少的沟通回合实现最佳风险范围吗？在本文中，我们对两个问题给出了积极的答案。我们提供了新颖的ISRL-DP FL算法，这些算法在存在异质筒仓数据的情况下达到了最佳的过量风险界限。此外，我们的算法比以前的最新算法更有沟通效率。对于平滑的损失功能，我们的算法达到了最佳的多余风险界限，并且具有与非私有的下限相匹配的通信复杂性。此外，我们的算法比以前的最新算法更有效。
使用凸面编程，模型预测和滚动预测控制的混合PV触发器微电网的能源管理系统
储能技术与可再生能源系统的集成可以显着降低未来电力网络中微电网（MG）的运营成本。本文提出了一种新型的能源管理系统（EMS），可以通过确定基于定义的成本函数的中央电池储能系统（BESS）的最佳设置来最大程度地减少MG的每日运营成本，并最大程度地减少RES的自我消费。此EMS具有两层结构。在上层中，使用凸优化技术来解决优化问题，并使用15分钟的样本时间从主网格中确定电源的参考值。然后将参考值馈送到使用1分钟样品时间的较低控制层以确定BES的设置，从而确保MG准确遵循这些参考。此较低的控制层使用滚动范围预测控制器和模型预测控制器来实现其目标。使用基于实验室的MG的实验研究实施了提出的EMS的能力。实施了提出的EMS的能力。
![arxiv：2502.07650v1 [stat.ml] 2025年2月11日与Soc- ...](/simg/g:\will\search\icon\source\1\12632700aa162d7c6065e8c136a1212acf6274e5.webp)
arxiv：2502.07650v1 [stat.ml] 2025年2月11日与Soc- ...
摘要 - 我们考虑与电池存储参与者的收费（SOC）依赖性投标的合作能源储备市场清算的问题。尽管SOC依赖性投标捕获了存储的降级和机会成本，但此类投标导致市场清算过程中的非凸优化。更具挑战性的是法规储备能力清算，在这种情况下，依赖社会的成本不确定，因为它取决于市场清算的未知法规轨迹。在多间隔合作的实时能源储备市场中解决非概念性和不确定性，我们对SOC依赖性竞标的简单限制以及强大的优化配方进行了简单的限制，并将非convex市场转化为在不确定性的不确定性convex piece convex time convex linearearearearearearearearearemearearearemearemearemearemearemearemecle和socke ins contection中，并使其能够进行大型存储。在合理的假设下，我们表明，与与独立的投标相比，SOC依赖性的投标对存储参与者产生的影响更高。数值模拟表明，与独立于SOC的同行相比，所提出的SOC依赖性投标的增长28％-150％。
le/eecs 4171 3.00算法中的高级主题
这是算法设计和分析的高级课程。该课程使学生了解了算法的设计，分析，应用和限制方面的各种主题。我们涵盖了精确算法（例如，流量，匹配，字符串算法），近似算法（图形问题，背包），随机算法（例如，原始算法，随机步行，随机步行）几何算法（几何算法）（convex hull，convex hull，ge-emet artig artig artig artig），流动算法（con）算法（滑雪租赁，搜索，分页和遗憾最小化），线性编程（算法和应用程序）以及算法公平性。
降级扩散模型的替代视图
- （慢）收敛（例如，参见Bakry等，2008） - 快速的对数圆形分布的快速（例如，F convex）（Dalalyan，2017年，Durmus和Moulines，2017年，2017年，Chewi，Chewi，2022等）
广义量子力学
构造凸集的仿射几何不变量作为转移概率 [16]。这一发展导致了量子力学广义凸方案的出现，从这个角度来看，当今理论的方案并不是唯一的，而是数学上可接受的“量子世界”大家族中的一个特殊成员。人们还猜测凸集理论在量子物理学中可能发挥与黎曼几何在广义相对论中类似的作用 [16]。本文的目的是更进一步，表明“凸方案”足够灵活，可以包含量子力学的非线性版本，其中非线性波动方程将扮演薛定谔方程的角色。为此，第 2 节概述了基于凸集理论的量子力学的几何描述。第 3 节和第 4 节将系统的几何与动力学联系起来，这种动力学允许为遵循广义波力学的系统构造量子态的凸流形。第 4 节指出了所得方案的一些应用，第 5 节讨论了其与其他物理理论的关系。