XiaoMi-AI文件搜索系统
World File Search Systemnsf
智能变压器中性点电流优化控制...
摘要 — 在三相四线低压配电系统中，不平衡负载会导致中性电流 (NC) 形成环路，从而导致功率损耗增加和中性电位变化。与传统电力变压器相比，智能变压器 (ST) 具有严格的电流限制以避免过流。然而，其在下游低压电网电压调节方面的优势可以提供调节过度 NC 的能力。本文提出了一种闭环 NC 优化控制，一方面，在满足标准 EN 50160 要求的正常运行中最小化 NC 电流，另一方面，在极端情况下抑制 NC 电流以避免 ST 过流损坏。根据曼彻斯特地区三相四线配电网，通过硬件在环设置和基于不平衡负载曲线下的 350kVA、10kV/400V、ST 供电配电网的案例研究，通过实验测试验证了所提出的控制策略。结果清楚地证明了所提出的NC优化控制策略对NC抑制和最小化的有效性和灵活性。
小波损耗的训练变压器模型可改善单图像超分辨率
基于变压器的模型已在包括图像超级分辨率（SR）在内的低级视觉任务中取得了显着的结果。但是，在获得全球信息时，基于不重叠的窗口中依赖自我注意的早期aperach遇到了挑战。为了激活全球更多输入像素，已经提出了混合注意模型。此外，通过仅将像素的RGB损失（例如L 1）降至最低而无法捕获基本的高频降低，训练不足。本文提出了两种贡献：i）我们引入了卷积非本地稀疏注意（NLSA）块，以扩展混合变压器体系结构，以增强其接受场。ii）我们采用小波损失来训练变压器模型，以提高定量和主观性能。虽然先前已经探索过小波损耗，但在基于训练变压器的SR模型中显示了它们的力量是新颖的。我们的实验结果表明，所提出的模型在各种基准数据集中提供了状态的PSNR结果以及出色的视觉性能。
高效农杆菌介导转化和...
荞麦 (Fagopyrum tataricum (L.) Gaertn.) 是一种特殊的作物，以其显著的健康益处、高含量的有益多酚和无麸质特性而闻名，使其成为备受追捧的功能性食品。它的自花授粉能力和对恶劣环境的适应性进一步增强了它作为可持续农业选择的潜力。为了利用其独有的性状，荞麦的遗传转化至关重要。在本研究中，我们优化了农杆菌介导的荞麦愈伤组织转化方案，使再生植物的转化率达到约 20%。通过成功的 GUS 染色、GFP 表达以及通过 FtPDS 基因失活产生白化植物，证实了该方案的有效性。这些结果验证了基因操作的可行性，并强调了荞麦性状增强的潜力。
人工智能助力决策数字化转型
摘要——这项工作源于对人工智能与数字技术的使用的需要，因此研究了决策中至关重要的过程，并对多个组织进行了评估。研究的过程是物品处理中的保管链。这一过程非常重要，因为它用于司法调查，以证明存在某种关系，从而可以清楚地确定犯罪现场发现的要素之间的关系。对每个相关方进行分析，了解物品的当前保管过程，以及物品从一个办公室转移到另一个办公室的情况。为了了解处理物品的保管链过程，采用了访谈工具，并与负责处理物品的人员进行更直接的接触，获取信息。总之，在完成前面的步骤后，获得了更清晰的流程图，从而确定了单一的流程流程，以及人工智能研究的一部分，提出了可以应用的建议，并针对提出的问题给出了解决方案，其中
通过融合改变教育技术
今年发布的 NAEP 分数显示，COVID 对学生学习产生了巨大影响：阅读和数学成绩的下降幅度是实施测试 30 年来最大的。即使在疫情之前，NAEP 分数也落后了。为了让美国的教育系统重回正轨，我们邀请了来自不同团体的 40 位专家——从教育技术公司到慈善组织再到教师——来讨论可能的解决方案。该小组强调了教育的多学科和融合性质，教育领域涉及心理学、认知科学、社会学和经济学以及正在学习的特定领域（数学、生物学、化学等）。教育传统上是孤立的，往往抵制从技术到职业和工作性质变化等关键社会创新。这使得教育成为融合加速器的绝佳潜在轨道，它“建立在基础研究和发现的基础上，以加速解决方案对社会产生影响。”在构思了数据科学教育、中学数学和评估等关键领域的可交付成果后，该小组讨论了这些领域的交叉趋势。他们发现，支持教育融合至关重要，这将有助于让当今的学生成为明智的决策者、积极解决问题的人和自我导向的终身学习者。本报告提出了专家认为对改善教育机会至关重要的关键主题和必要的伙伴关系。然后，它研究了产生能够改变美国教育格局的可交付成果所需的关键学科和融合。可交付成果的主要未来方向、其智力价值和更广泛的社会影响：● 中学数学可交付成果侧重于提高学生的积极性、数学概念和技能的相关性、支持协作和基于项目的学习、优化和扩展反馈机制以及开发 AI 来响应学生的输入。这些创新将有助于揭示更多关于成就和机会差距以及其他在 STEM 领域对学生群体产生不同影响的机制。 ● 数据科学教育成果侧重于让学生掌握处理数据的程序技能，并支持教师及时对数据科学相关的评估提供反馈。这些成果的智力价值包括了解如何将数据科学教育融入主流课程——或将其作为一门独立的学科进行开发和教授（Engel，2017）——鉴于其跨学科性质。● 评估成果侧重于开发新的、越来越不引人注目的学生评估方式，包括游戏化等元素以及评估更广泛的技能（如自我调节和协作学习）。这些成果的智力价值包括更深入地理解学习过程，通过更有效、更少破坏性和更全面的评估产生更广泛的影响。
直接金属沉积中基于神经网络的过程模型的迁移学习
增材制造工艺在工业领域越来越重要。特别是直接金属沉积 (DMD) 是一种很有前途的制造技术，因为它可以实现广泛的应用，例如从头开始制造零件、在传统加工的原始零件上添加材料，甚至高效修复高价值零件 [1]。除了许多优点外，该工艺的可控性仍然很困难，导致内部缺陷、几何偏差或微观结构不均匀。相变、粉末-气体动力学和参数不确定性等多种物理现象会影响工艺行为并使工艺处理复杂化。因此，需要进行大量的实验活动来确定具有可接受几何和材料性能的工艺参数
一种基于点集变换估计的迭代量子方法
量子计算 (QC) 的出现提供了一种全新的计算范式，它利用量子机制的原理，有望以指数级加速特定问题的解决，同时显著减少数据存储空间等资源的消耗 [ 12 , 25 , 31 , 36 ]。直观地说，量子系统可以呈现混合状态，本质上是同时存在于几种纯状态，利用这一事实，可以同时对所有这些状态进行计算。这种效应称为量子并行性，它将量子计算机与只能执行顺序计算的经典计算机区分开来 [ 28 ]。绝热量子计算 (AQC) 是 QC 的一个子领域，它已成为一种很有前途的方法，可以在经典计算机上近似解决众所周知的组合问题，比如 NP 难题 [ 21 , 22 ]。 AQC 优化算法通常解决的问题类别之一是所谓的二次无约束二元优化 (QUBO) 问题，其形式为
避免数字化转型中的价值衰减
德勤为许多全球最受赞赏的品牌提供业界领先的审计、咨询、税务和顾问服务，其中包括近 90% 的《财富》500 强企业和 8,500 多家美国私营公司。在德勤，我们努力实现我们的目标，即通过在更公平的社会中建立信任和信心来发挥重大影响。我们利用我们独特的商业敏锐度、技术掌握和战略技术联盟为各行各业的客户打造未来提供建议。德勤很自豪能够成为全球最大的专业服务网络的一部分，在对他们最重要的市场上为客户提供服务。我们的成员所网络拥有超过 175 年的服务历史，遍布 150 多个国家和地区。了解德勤全球约 460,000 名员工如何相互影响，请访问 www.deloitte.com。