XiaoMi-AI文件搜索系统
World File Search Systempublis
引用了原始发表的论文（记录的版本）：Kermani，M.，Chen，P.，Göransson，L。等（2022）。全面的最佳能量cont
如今，由于可再生能源（RESS）和车辆电气化的整合增加，因此本地分销网格一直面临技术，经济和监管挑战。 电网扩展的传统解决方案，例如建立额外的电力线，是以公用事业为中心的解决方案，即分销网格运营商（DSOS）是唯一涉及解决网格问题的方。 DSO必须与电网用户与技术提供商联系，以开发创新的解决方案来解决一个问题并具有成本效益。 本文提出了一种整体解决方案，可在相互连接的微电网（MGS）之间进行最佳控制跨部门的能量流，该微电网（MGS）由不同的Ress，水力发电厂（HPP）和风tur bines（WTS）组成，以满足电动汽车（EVS），居住，商业和工业需求，并提供主要网格的贡献。 此问题将提供基于社区的MGS在本地能源交易中的优势，这会导致活跃和参与的系统，但是，需要适当的控制策略。 提出的解决方案是基于两个MG之间的新互连线，通过多托转换器（MPC），对新安装的组件（例如MPC，电缆和所需的电池储能系统（BESS））的技术经济考虑考虑。 在三种不同条件下评估了拟议的案例研究，例如，载荷增量，需求响应（DR）和N-1标准在单独的互连和岛模式下。 使用GAMS软件的CPLEX求解器用于求解混合组的线性编程模型。如今，由于可再生能源（RESS）和车辆电气化的整合增加，因此本地分销网格一直面临技术，经济和监管挑战。电网扩展的传统解决方案，例如建立额外的电力线，是以公用事业为中心的解决方案，即分销网格运营商（DSOS）是唯一涉及解决网格问题的方。DSO必须与电网用户与技术提供商联系，以开发创新的解决方案来解决一个问题并具有成本效益。本文提出了一种整体解决方案，可在相互连接的微电网（MGS）之间进行最佳控制跨部门的能量流，该微电网（MGS）由不同的Ress，水力发电厂（HPP）和风tur bines（WTS）组成，以满足电动汽车（EVS），居住，商业和工业需求，并提供主要网格的贡献。此问题将提供基于社区的MGS在本地能源交易中的优势，这会导致活跃和参与的系统，但是，需要适当的控制策略。提出的解决方案是基于两个MG之间的新互连线，通过多托转换器（MPC），对新安装的组件（例如MPC，电缆和所需的电池储能系统（BESS））的技术经济考虑考虑。在三种不同条件下评估了拟议的案例研究，例如，载荷增量，需求响应（DR）和N-1标准在单独的互连和岛模式下。使用GAMS软件的CPLEX求解器用于求解混合组的线性编程模型。结果表明，与分离的操作模式相比，MGS的应用互连线可以降低系统的总成本，将所应用的峰降低到上游网格中，并在不同条件下增强系统的依赖能力。此外，应用的解决方案即使在不同条件下（24小时）在岛模式下（24小时）也提供了MGS操作的能力。
原始发表论文的引用（记录版本）：Narula, A., Bongiorno, M., Beza, M. et al (2022). 电网形成 c 的协调控制
本文旨在提出一种配备储能装置的电网形成转换器与水力发电机之间的协调控制策略，以促进未来电力系统中转换器的频率支持。这样，就可以利用转换器系统的快速动态特性，同时最大限度地减少与转换器系统相关的储能要求。电网形成转换器频率控制器的拟议调整标准有助于转换器系统与水力发电机之间的自然协调。将所提出的控制策略的有效性与文献中现有的传统下垂方法进行了比较。最后，使用 PSCAD 中的详细时域仿真模型验证了分析结果。
原始发表论文的引用（记录版本）：Thaler, B., Kanchiralla, F., Posch, S. et al (2022). 优化设计和运行
逐步淘汰航运业的化石燃料对于减少温室气体排放至关重要。基于可再生能源的合成燃料是可持续海运业的一个有前途的选择，可再生甲醇是最广泛考虑的能源载体之一。然而，可再生甲醇的供应仍然有限，而且与传统燃料相关的成本明显高于传统燃料，这也是因为燃料合成必须依赖二氧化碳作为资源。通过使用船上碳捕获，可以避免燃烧过程中二氧化碳的释放，这种闭式循环减少了对碳源的需求。本文通过分析使用内燃机和相连的燃烧前和燃烧后碳捕获技术的整体船舶能源系统来研究这种情况。通过建立一个混合整数优化框架来优化船舶推进系统的设计和运行，研究了这些技术对完全可再生能源系统的技术经济性能的影响。所选案例研究的推进需求包括在波罗的海运营的渡轮的典型运行概况。将捕获情况与仅基于可再生甲醇的系统进行比较，可以发现封闭式碳循环系统具有显著的成本优势。基线情景的年成本降低了近 20%，燃烧后情况下的总捕获率为 90%，燃烧前情况下的总捕获率为 40% 左右。广泛的敏感性分析表明，这些成本优势在各种技术和经济边界条件下都具有稳健性。在燃烧前情况下，工艺热需求减少与发动机热供应增加相结合可能会使捕获率超过 90%。结果表明，将可再生燃料与船上碳捕获相结合可以为成本效益高、可持续的航运创造机会。
原始发表论文的引用（记录版本）：Li, X., Shong, K., Kim, W. et al (2022)。透明细胞 r 候选药物预测
a Bash Biotech Inc，600 est Broadway，Suite 700，圣地亚哥，CA 92101，美国 b 生命科学实验室，KTH-Royal Institute of Technology，斯德哥尔摩 SE-17165，瑞典 c 病理学和肿瘤生物学系，人类生物学高级研究中心（WPI-ASHBi），京都大学，京都 606-8501，日本 d 泌尿外科，东京大学医学院，东京 113-8654，日本 e 血液学和再生医学中心，卡罗琳斯卡医学院，斯德哥尔摩 SE-17177，瑞典 f 医学生物学系，Atat € urk 大学医学院，埃尔祖鲁姆 25240，土耳其 g 宿主-微生物组相互作用中心，牙科、口腔和颅面科学学院，伦敦国王学院，伦敦 SE1 9RT，英国h 哥德堡大学萨尔格伦斯卡大学医院分子与临床医学系，哥德堡 SE- 41345，瑞典 i 查尔姆斯理工大学生物与生物工程系，哥德堡 SE-41296，瑞典 j 生物创新研究所，哥本哈根 N DK-2200，丹麦 k 郑州大学药学院先进药物制备技术教育部重点实验室，郑州 450001，中国
原始发表论文的引文（记录版本）：Skogh, M., Barucha-Dobrautz, W., Lolur, P. et al (2023). The electronic density: a fideli
在本研究中，我们展示了如何使用量子计算来评估分子的电子密度。我们还认为电子密度可以成为未来量子计算的有力验证工具，而传统量子化学可能无法解决这一问题。电子密度研究是化学、物理学和材料科学等多个领域的核心。霍恩伯格-科恩定理规定，电子密度唯一地定义了电子系统的基态特性。1通过赫尔曼-费曼定理，2电子密度提供了分子内作用力的信息。3,4作为物理科学中信息最丰富的可观测量之一，5-10密度为密度泛函理论 (DFT) 奠定了基础，DFT 是一种预测多电子系统特性的形式化方法。11由于实验是真理的仲裁者，所以责任通常落在电子密度上。重要的是，电子密度可以通过细化X射线衍射和散射数据来重建，9例如使用多极模型、5-8、10X射线约束波函数12或最大熵方法。13我们工作的一个动机是
已发表版本的引文（APA）：Popenici, S., Catalano, H., Mestic, G., & Ani-Rus, A. (2023)。人工智能系统评价
本研究基于定量和定性分析方法构建的方法论框架，遵循 Pickering 和 Byrne (2014) 提出的步骤，进行系统的文献综述和文献收集设计，重点分析人工智能 (AI) 时代高等教育的想象未来。我们的研究旨在回答以下研究问题：（1）人工智能时代高等教育的想象未来是什么？（2）哪些因素影响高等教育教学过程与人工智能之间的联系？（3）学生和教师改进数据库和开发 ChatGPT 会产生什么影响？作者探讨了人工智能在西方世界当前大学治理安排和精神背景下的影响。深入分析与人工智能系统的出现相关的一些已确定的主要挑战、机遇和风险相一致，例如技术监控或学术界对人工智能和大型语言模型（如 ChatGPT）的普遍访问，并提出了在高等教育中明智地选择和使用人工智能解决方案进行学习和教学的论据。本研究采用的分析框架还用于总结该领域研究的新方向，以恢复大学的主导地位，提高学生、学者和公众的高等教育质量。
引用了原始发表的论文（记录的版本）：Tekden，A.，Erdem，A.，Erdem，E。等（2024）。对象和关系中心代表
推动是一项必不可少的非划算操作技能，用于任务，从预抓操作到场景重新排列，关于场景中的对象关系的推理，因此在机器人技术中广泛研究了推动动作。有效使用推动动作通常需要了解受操纵对象的动态并适应预测与现实之间的差异。出于这个原因，在文献中对推动作用进行了效果预测和参数估计。但是，当前方法受到限制，因为它们要么建模具有固定数量对象的系统，要么使用基于图像的表示，其输出不是很容易解释并迅速累积错误。在本文中，我们提出了一个基于图神经网络的框架，以根据触点或关节对对象关系进行建模，以效应预测和参数估计推动操作。我们的框架在真实和模拟环境中都得到了验证，这些环境包含不同形状的多部分对象，这些对象通过不同类型的关节和具有不同质量的对象连接，并且在物理预测上的表现优于基于图像的表示。我们的方法使机器人能够预测并适应其观察场景时推动动作的效果。它也可用于使用从未看过的工具进行工具操作。此外，我们在基于机器人的硬盘拆卸的背景下证明了杠杆起作的6D效应预测。
已发布版本 (APA) 的引文：Beck, S., Poetz, M., & Sauermann, H. (2022)。人工智能 (AI) 将如何影响开放和协作
作者简介 Susanne Beck 是维也纳 LBG 科学开放创新中心和哥本哈根商学院战略与创新系的高级研究员。她的主要研究兴趣是科学知识生产和基于科学的创新的组织。在她目前的项目中，Susanne 调查了在科学研究过程中应用开放和协作实践的个人和组织层面的前因、后果和偶然性。她的出版物和工作论文获得了管理学院、欧洲管理学院和研发管理会议的多个奖项。她还是工业和创新科学开放创新特刊的首席客座编辑、年度科学研究开放创新会议的联合组织者，以及涉及 35 位作者等的多个合作写作工作的首席协调员。
原始发表论文（记录版本）的引用：Sadik, M.、López-Urdaneta, J.、Ulén, J. 等人 (2021)。人工智能可以提醒使用 FDG-PET/CT 分期的霍奇金淋巴瘤患者局部骨骼/骨髓摄取。科学报告，11(1)。http://dx.doi.org/10.1038/s41598-021-89656-9
开发一种基于人工智能 (AI) 的方法，用于检测接受 FDG-PET/CT 分期的霍奇金淋巴瘤 (HL) 患者的局灶性骨骼/骨髓摄取 (BMU)。将单独测试组的 AI 结果与独立医生的解释进行比较。使用卷积神经网络对骨骼和骨髓进行分割。AI 的训练基于 153 名未接受治疗的患者。骨摄取明显高于平均 BMU 的被标记为异常，并根据总异常摄取平方计算指数以识别局灶性摄取。指数高于预定义阈值的患者被解释为具有局灶性摄取。作为测试组，回顾性纳入了 48 名在 2017-2018 年期间接受过分期 FDG-PET/CT 且活检证实患有 HL 的未接受治疗患者。十位医生根据局灶性骨骼/BMU 对 48 例病例进行分类。在 48 例 (81%) 的局部骨骼/骨髓受累病例中，大多数医生同意 AI 的观点。医生之间的观察者间一致性为中等，Kappa 值为 0.51（范围为 0.25–0.80）。可以开发一种基于 AI 的方法来突出显示使用 FDG-PET/CT 分期的 HL 患者中的可疑局部骨骼/BMU。核医学医生之间关于局部 BMU 的观察者间一致性为中等。
![文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控](/simg/8/8dd469c55249d1165cc0c55c494f5b27bda7b11b.png)
文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控