XiaoMi-AI文件搜索系统
World File Search Systemstacked
EEG数据分析与堆叠的可区分神经计算机EEG数据分析与堆叠的可区分神经计算机
抽象可区分的神经计算机（DNC）在解决复杂问题方面表现出了显着的功能。在本文中，我们建议将增强的可区分神经计算机堆叠在一起，以扩展其学习能力。首先，我们对DNC进行了直观的解释来解释建筑本质，并通过将其与常规的经常性神经网络进行对比，证明了堆叠的可行性。其次，提出了堆叠DNC的结构，并修改了脑电图（EEG）数据分析的构建。我们用经常性的卷积网络控制器替换原始的长期短期内存网络控制器，并调整用于处理EEG EEG地形数据的内存访问结构。第三，我们提出的模型的实用性由开源的EEG数据集验证，其平均精度最高。然后，在调整参数后，我们显示了在专有EEG数据集上获得的最小平均误差。最后，通过分析训练有素的堆叠DNCS模型的行为特征，我们强调了在EEG信号处理中利用堆叠的DNC的适当性和潜力。
股票市场预测时间序列分析使用堆叠...
1。处理顺序依赖性：股票市场数据本质上是顺序的，每个数据点取决于先前的数据点。lstms可以通过维护内部状态并选择性地记住或忘记以前的时间步骤中的信息来捕获数据中的远程依赖关系。
标题：深度堆叠支持矩阵机器表示
© 2020. 此手稿版本根据 CC-BY-NC-ND 4.0 许可证提供 https://creativecommons.org/licenses/by-nc-nd/4.0/。
可解释的大脑图的堆叠回归和结构性方差分配
将与复杂刺激相关的大脑活动与2的不同特性相关联，刺激是构建功能性脑图的强大方法。然而，3当刺激是自然主义时，它们的性质通常是相关的（例如，自然图像的视觉和4个语义特征，或用作图像特征的卷积神经网络5的不同层）。相关性能可以充当混杂因素6，并使大脑图的解释性复杂化，并可能影响统计估计器的7个鲁棒性。在这里，我们根据提出的两种方法提出了一种大脑映射8的方法：堆叠不同的编码模型和结构化9方差分配。我们的堆叠算法结合了编码模型，每个模型都将10用作输入一个描述不同刺激属性的特征空间。算法11学会预测体素的活性，作为不同12个编码模型的输出的线性组合。我们表明，由此产生的组合模型可以更好或至少与单个编码模型更好或至少预测13个大脑活动。此外，线性组合的14个权重很容易解释；它们显示了预测体素的每个特征空间的重要性15。然后，我们将堆叠模型构建到16个引入结构化方差分区，这是一种新型的方差分区，考虑了17个特征之间的已知关系。我们验证了我们的模拟方法，展示其大脑在fMRI数据上的21个潜力，并发布Python软件包。24我们的方法限制了假设空间的18个大小，并使我们能够提出有关特征空间和大脑区域之间相似性19的有针对性问题，即使在20个特征空间之间存在相关性的情况下。我们的方法对于有兴趣将大脑活动与神经网络的不同层（23）或其他类型的相关特征空间对齐的研究人员有用。
垂直 SiGe 纳米线中堆叠 Si 量子点的可控形成
摘要：我们展示了在 SiGe 纳米线内制造垂直堆叠 Si 量子点 (QD) 的能力，QD 直径最小为 2 纳米。这些 QD 是在 Si/SiGe 异质结构柱的高温干氧化过程中形成的，在此过程中 Ge 扩散沿着柱的侧壁使用并封装 Si 层。持续氧化会产生 QD，其尺寸取决于氧化时间。观察到封装 Si QD 的富 Ge 壳的形成，分子动力学和密度泛函理论证实该配置在热力学上是有利的。Si 点/SiGe 柱的 II 型能带排列表明 Si QD 上可以实现电荷捕获，电子能量损失谱表明，即使是最小的 Si QD 也能保持至少 200 meV 的导带偏移。我们的方法与当前的 Si 基制造工艺兼容，为实现 Si QD 设备提供了一条新途径。关键词：Si 量子点、Si/SiGe 柱、高温氧化、垂直堆叠 QD
执行堆叠服务的电池储能系统优化调度
摘要 — 电网规模电池储能系统 (BESS) 是用于为电网提供稳定性和灵活性的前沿技术。因此，BESS 通过参与辅助服务（例如能源套利和频率调节市场）为其运营商创造了可观的收入。因此，BESS 运营商可以从一个模型中受益，该模型允许他们优化提供服务的竞标过程，同时优化调度，以通过同时堆叠各种电网服务来充分利用每个 BESS 周期。估计最大 BESS 收入对于建立投资者的财务可持续性至关重要。在本文中，提出了一种适用于多种电网应用的 BESS 优化模型，以估计最大日收入，并适当关注保持 BESS 的寿命。该模型旨在通过允许系统同时参与能源套利和频率调节市场来最大化 BESS 产生的收入。在本提案中，使用历史 PJM 市场数据测试了一种新的 BESS 调度方法，该方法用于通过基于能源市场买卖的 PJM 监管市场进行有效和优化的竞标来提高提供辅助服务的收入。该模型采用混合整数线性规划 (MILP) 公式。索引术语 — 电池储能系统 (BESS)、频率调节上/下市场、辅助服务、能源套利、竞标容量、调度优化、BESS 周期。
研究基于堆叠的源沟槽TFET
摘要：为了检测生物分子，提出了基于介电调节的堆叠源沟槽闸门隧道效果晶体管（DM-SSTGTFET）的生物传感器。堆叠的源结构可以同时使状态电流较高，并且较低的状态电流较低。沟槽栅极结构将增加隧道区域和隧道概率。技术计算机辅助设计（TCAD）用于对拟议的结构化生物传感器的灵敏度研究。结果表明，DM-SSTGTFET生物传感器的当前灵敏度可以高达10 8，阈值电压灵敏度可以达到0.46 V，亚阈值秋千灵敏度可以达到0.8。由于其高灵敏度和低功耗，该提议的生物传感器具有很高的前景。
标题：Pentalyer Rhombohedral堆叠石墨烯
我们承认与F. Zhang，T。Senthil，L。Levitov，L。Fu，Z。Dong和A. Patri的有用讨论。L.J.承认斯隆奖学金的支持。T.H.的工作得到了NSF Grant No的支持。DMR- 2225925。这项工作的设备制造得到了STC集成量子材料中心的支持，NSF Grant No。DMR-1231319。设备制造是在哈佛纳米级系统和MIT.NANO的哈佛中心进行的。一部分设备制造得到了USD（R＆E）在合同号下的支持。FA8702-15-D-0001。K.W. 和T.T. 承认JSPS Kakenhi（赠款号20H00354、21H05233和23H02052）和日本Mext的世界首屈一指的国际研究中心计划（WPI）。 H.P. 确认NSF赠款号的支持。 PHY-1506284和AFOSR授予号。 FA9550-21-1-0216。 这项工作的一部分是在国家高磁场实验室进行的，该实验室得到了国家科学基金会合作协议号的支持 DMR- 2128556*和佛罗里达州。K.W.和T.T.承认JSPS Kakenhi（赠款号20H00354、21H05233和23H02052）和日本Mext的世界首屈一指的国际研究中心计划（WPI）。H.P. 确认NSF赠款号的支持。 PHY-1506284和AFOSR授予号。 FA9550-21-1-0216。 这项工作的一部分是在国家高磁场实验室进行的，该实验室得到了国家科学基金会合作协议号的支持 DMR- 2128556*和佛罗里达州。H.P.确认NSF赠款号的支持。PHY-1506284和AFOSR授予号。FA9550-21-1-0216。这项工作的一部分是在国家高磁场实验室进行的，该实验室得到了国家科学基金会合作协议号DMR- 2128556*和佛罗里达州。