XiaoMi-AI文件搜索系统
World File Search Systemfuzzy
软件行业中的量子计算挑战。基于模糊 AHP 的方法
背景：当前的技术革命给软件行业带来了意想不到的挑战。近年来，量子计算 (QC) 技术领域的影响力和成熟度不断增长，现在有望彻底改变软件工程。然而，软件行业中 QC 挑战的评估和优先级排序仍未得到探索，相对缺乏识别和分散。目标：本研究的目的是通过实施模糊层次分析法 (F-AHP) 来识别、检查和优先考虑软件行业中最关键的挑战。方法：首先，为了确定关键挑战，我们进行了系统的文献综述，从四个相关数字图书馆中提取数据，并通过向前和向后滚雪球搜索补充这些努力。其次，我们遵循 F-AHP 方法对已确定的挑战或障碍进行评估和排序。结果：结果表明，采用 QC 的主要障碍是缺乏技术专业知识、信息准确性和组织对采用新流程的兴趣。另一个关键障碍是缺乏实施 QC 的安全通信技术标准。结论：通过应用 F-AHP，我们发现在软件行业面临的主要 QC 挑战中，制度障碍是全球权重排名最高的类别，组织障碍是全球权重排名第二的类别。我们观察到，软件技术行业面临的排名最高的本地障碍是缺乏设计和主动性的资源，而组织对采用新流程缺乏兴趣则是最重要的组织障碍。我们的研究结果对学者和从业者都具有重要意义，揭示了 QC 研究的新兴性质以及对跨学科研究日益增长的需求，以应对已发现的挑战。
绿色能力下可再生能源供应链的战略供应商选择（模糊BWM-WASPAS-COPRAS方法）
供应商选择问题 (SSP) 是可再生供应链管理 (RSCM) 中的一个重要问题。选择战略性绿色供应商不仅可以发现供应链的可持续发展，还可以优化资源消耗率并减少负面环境影响，这与绿色发展背景相适应。作为多准则群决策 (MCGDM) 问题，选择战略性绿色供应商对可再生供应链至关重要。然而，如何为供应链选择战略性绿色供应商是一项艰巨的工作。因此，在这项研究中，评估一组战略供应商主要基于绿色能力，使用集成模糊最佳最差方法 (FBWM) 和其他两种技术，即 COPRAS（复杂比例替代方案评估）和 WASPAS（加权聚合和-产品评估）。首先，通过文献综述确定了九项战略供应商选择标准，并对伊朗可再生能源供应链的真实案例研究进行了讨论，以展示所提出框架的适用性。所应用的方法及其分析将为战略供应商选择的决策者提供见解。它可以帮助决策者和采购部门区分重要的战略绿色供应商选择标准，并评估本地和全球市场供应链中的战略绿色供应商。最后，通过与其他方法的比较分析讨论了该框架的优势和局限性。
Awan, U.、Hannola, L.、Tandon, A.、Goyal, RK、Dhir, A. (2022)。软件行业中的量子计算挑战。基于模糊 AHP 的方法。我
量子计算 (QC) 在软件工程和信息科学领域受到越来越多的关注 [1]。它启发了计算机科学家、工程师和物理学家，其应用潜力无疑正在改变当前的信息技术 (IT) 格局 [2]。量子计算是一种基于量子力学的技术，能够快速解决复杂计算，同时处理和传输信息 [3]。例如，谷歌 Sycamore 量子处理器仅需 200 秒即可完成超级计算机需要 10,000 年才能完成的任务 [4]。据 [4] 称，该技术非常适合许多商业交易，因为它可以有效地分析数据集 [5]，具有丰富的知识和更少的计算时间 [6]，同时还使企业能够破译数据驱动的模式，从而发现新的机会。包括谷歌、英特尔和 IBM 等 IT 巨头以及 Rigetti 和 IonQ 等初创公司在内的多家组织都已经认识到量子计算的潜力 [7]。尽管量子计算的应用已在工业品和制药等一些商业领域根深蒂固 [8]，但最近越来越多的其他行业和领域也认识到了其实际应用的潜力 [9]。例如，金融行业越来越认识到量子计算的快速数据处理能力的好处 [10]。因此，随着商界认识到量子计算在技术转型中的重要优势并更广泛地采用它，预计未来量子计算应用将大幅增加 [1] [11]。
基于局部均值分解和 Fisher 规则的多尺度模糊熵用于人体运动分析中的脑电特征提取
脑电信号（EEG）是由大量神经元产生的非线性、非平稳、随机的微弱信号，在人工智能、生物医学工程等领域具有重要的研究价值和实际意义，而脑电特征提取是直接影响处理结果的重要步骤，目前常用的脑电特征提取方法有频域或时域分析、时频结合等方法。由于脑电信号的非线性，上述方法都存在一定的局限性。因此，该文提出一种基于局部均值分解和Fisher规则的多尺度模糊熵用于人体运动分析中的脑电特征提取。首先将脑电信号自适应地分解为一系列乘积函数（PF）分量，然后选取有效的PF分量并计算多尺度模糊熵，利用多尺度模糊熵进行特征提取。利用Fisher规则对模糊熵在不同尺度上的特征分类能力进行排序，选取排序最高的多尺度模糊熵构成最优特征向量，实现特征降维。实验结果表明，该方法能有效提取脑电信号特征，验证了新方法的有效性和可行性。
神经元 - 胶体传播中的外泌体
抽象简介：Covid-19已在世界各地散布，并严重中断了人类活动。是一种新发现的疾病，不仅疾病的许多方面都是未知的，而且没有有效治愈该疾病的有效药物。此外，设计药物是一个耗时的过程，需要大量投资。因此，使用药物重新利用技术来发现现有药物的隐藏好处，这可能是治疗Covid-19的有用选择。方法：本研究利用了药物重新定位概念，并引入了一些可能有效控制Covid-19的候选药物。建议的方法包括三个主要步骤。首先，从公共数据库中提取了所需的数据，例如靶标的氨基酸序列和药物 - 靶标相互作用。第二，使用拟议的基于模糊逻辑的方法计算目标（蛋白质/酶）和SARS-COV-2的基因组之间的相似性评分。由于经典方法产生的结果可能对现实世界应用没有用，因此模糊技术可以解决该问题。第三，在基于获得的分数对目标进行排名之后，检查了影响靶标的药物的有用性以管理COVID-19。结果：结果表明，专为治愈丙型肝炎的抗病毒药物也可以治疗19.19。根据发现，利巴韦林，Simeprevir，Danoprevir和XTL-6865可能有助于控制该疾病。此外，基于模糊逻辑的评分方法可以产生与实际生物学应用更一致的结果。结论：可以得出结论，基于相似性的药物重新利用技术可能是管理新兴疾病（例如COVID-19）的最合适的选择，并且可以应用于广泛的数据。
模糊加权影响非线性测量系统在 NASA 先进技术评估中的应用
由于评估标准多重且相互交织，而且未经证实的新技术本身具有不确定性，因此很难评估 NASA 的先进技术项目。传统的多标准决策模型往往忽略了评估过程中的相互依赖性和不确定性。我们提出了一种模糊加权影响非线性量规系统 (WINGS) 来评估肯尼迪航天中心 (KSC) 的先进技术项目。WINGS 方法使用表意因果图来揭示复杂问题中相互交织的标准及其因果关系。模糊集理论是一种有效的方法，它使用模糊逻辑来模拟定义不明确的问题中的不确定性。本研究提出的模糊 WINGS 方法通过识别依赖关系 (影响) 的方向及其强度以及评估标准的强度来揭示评估标准之间的相互依赖关系。模糊判断用于应对未经测试的新技术中的不确定性。传统的 WINGS 方法不考虑解空间中的参考点。为此，我们引入了理想解和最低点解的概念，这是 WINGS 的新概念，根据备选方案与理想解（或最低点解）之间的欧几里得距离对备选方案进行排序。最后，我们提出了一个案例研究，根据六个相互交织的标准和 38 个子标准对 KSC 的十个先进技术项目进行评估，以证明本研究提出的新模糊 WINGS 方法的适用性。
使用模糊模型自动分割 MR 脑图像中的肿瘤...
肿瘤的自动分割仍然是医学图像处理领域一个相当令人兴奋的研究课题，并且它在形成正确诊断和辅助有效治疗方面发挥着重要作用。在本文中，介绍了一种用于分割 MRI 图像中的脑肿瘤的全自动系统。建议的系统由三部分组成：首先，使用过滤和形态学操作对图像进行预处理以增强对比度、消除噪音并从图像中去除头骨。其次，使用两种技术对图像进行分割，即模糊 c 均值聚类 (FCM) 和应用种子区域增长算法 (SGR)。第三，该方法提出了一个后处理步骤，使用形态学操作平滑分割区域边缘。对所提出的系统的测试涉及 233 名患者，其中包括 287 张 MRI 图像。随后，通过医生对轨迹的人工验证，将结果与传统分割技术（如FCM方法）进行比较，最终证明平均Dice系数为90.13％，平均Jaccard系数为82.60％。分割结果和定量数据分析证明了所提出的系统的有效性。
一种基于模糊的推理方法，用于评估接收末端电源系统中协调的生成网格储存控制能力
摘要。随着灵活的负载和能源存储的快速发展，它具有巨大的科学和工程价值，可以通过协调的生成网格加载存储控制使用HVDC Feed-Infi-Infer Power提高接收端电源系统的安全性和经济性。在本文中，提出了一种基于模糊的推理方法，以评估具有HVDC馈电功率的接收端功率系统的生成网格加载存储控制能力的协调控制能力。首先，通过考虑发电，电网，电力负载和能源存储的协调和相互作用来构建评估索引。主观重量和客观重量都被认为可以计算每个评估指数的全面权重。此外，在每个评估指数中提出了基于Kmeans聚类的方法。最后，通过提出的方法评估了不同状态下修改的IEEE 57-BUS系统的协调控制能力。
具有隐私保护的分层模糊神经网络...
摘要 — 异构大数据给机器学习带来了许多挑战。其巨大的规模、高维性和固有的不确定性使机器学习的几乎每个方面都变得困难，从提供足够的处理能力到保持模型准确性再到保护隐私。然而，也许最棘手的问题是大数据中经常夹杂着敏感的个人数据。因此，我们提出了一种隐私保护分层模糊神经网络 (PP-HFNN)，以解决这些技术挑战，同时缓解隐私问题。该网络采用两阶段优化算法进行训练，并使用基于众所周知的交替方向乘数法的方案来学习层次结构低层的参数，该方法不会向其他代理透露本地数据。层次结构高层的协调由交替优化方法处理，该方法收敛速度非常快。整个训练过程可扩展、快速，并且不会像基于反向传播的方法那样遭受梯度消失问题。在回归和分类任务上进行的综合模拟证明了所提模型的有效性。我们的代码可在线获取 1 。
生物反馈：基于不断发展的模糊神经网络和可穿戴技术的电子健康预测
摘要 可穿戴微电子技术和新型神经网络范式（如进化模糊神经网络 (EFuNN)）的最新进展使得基于生物反馈的应用得以部署，这些新型神经网络范式能够在线进化和学习。通过无创地测量心率、生物阻抗、体温、运动活动、血压、血氧和呼吸频率等生命体征，可以恢复错过的生理反应。然后，可以应用进化的 ANN 范式进行预测。已经应用进化模糊神经网络 (EFuNN) 范式进行预测，对可穿戴生物反馈系统进行了仿真。已经部署了一种用于无创生命体征测量的高度集成的可穿戴微电子设备。仿真结果表明，生物反馈控制模型可以成为一种有效的参考设计，能够实现短期和长期的电子健康预测。然后定义了生物反馈框架。