XiaoMi-AI文件搜索系统
World File Search Systemtimal
确定个人虚拟大脑的最佳工作点
。CC-BY 4.0 国际许可，根据 提供（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者，此版本于 2020 年 3 月 26 日发布。；https://doi.org/10.1101/2020.03.26.009795 doi：bioRxiv 预印本
最佳尺寸方法 - 几个影响因素的影响
摘要 - 由于表现不断提高和成本降低，Battery储能系统（BESS）越来越具竞争力。从技术角度来看，某些电池存储技术可能是成熟且可靠的，但预计会进一步降低成本，但电池系统的经济关注仍然是要克服的主要障碍，然后才能将BESS充分用作能源领域的主流存储解决方案。由于部署BES的投资成本很大，因此最关键的问题之一是最佳尺寸，以平衡使用BESS改善能源系统绩效和实现盈利投资之间的权衡取舍。确定特定应用程序的最佳BES大小是一项复杂的任务，因为它取决于应用程序本身，电池系统的技术特征和业务模型框架的许多因素。本文介绍了一种基于通用仿真的分析方法，该方法已开发出来，以确定BESS最佳尺寸，同时考虑到其生命周期的应用程序和存储性能。它的实现和相关的结果介绍了两个不同的BES用例：PV注入的平滑和峰值剃须应用和一个离网杂种微网案。为了更好地理解在BESS大小程序中要考虑的最有影响力的驱动因素，对这两个说明性案例进行了一些灵敏度分析。使用比较方案导致量化以下主题中几个因素的最佳尺寸结果的影响程度：控制策略，预测质量，由于老化而导致电池性能的退化，技术建模的精度。
使用深钢筋学习的非线性最佳控制
摘要，我们根据深钢筋学习的应用（DRL）提出了范式控制流体流体的转变。此策略正在迅速在机器学习社区中传播，并且以与非线性控制理论的联系而闻名。DRL的起源可以追溯到最佳控制对非线性问题的概括，在连续公式中引导到Hamilton-Jacobi-Bellman（HJB）方程，DRL旨在提供离散的，数据驱动的近似值。DRL中唯一的先验要求是定义瞬时奖励，以衡量系统处于给定状态时动作的相关性。然后将值函数定义为预期的累积奖励，这是最大化的目标。通过神经网络近似控制动作和值函数。在这项工作中，我们通过参数分析在一维[4]中控制了DRL和重新发现我们最近控制Kuramoto-Sivashinsky（KS）方程的结果。
使用最佳门源电压去极化在功率SIC MOSFET的短路操作下朝着安全故障模式
摘要 - 本文重点介绍了在短路条件下SIC MOSFET的鲁棒性水平的提高。在这项研究中，提出了两种允许在短电路操作下在平面电源MOSFET设备中确保安全的“失败”（FTO）模式的方法。这些方法基于栅极源电压的直接去极化及其根据FTO和经典不安全热失控之间的临界消散功率（W/mm²）的计算进行估计。他们允许确定门源电压的最大值，以在接近名义值的排水源电压下保留FTO模式。引入了FTO和“ Fafto-Short”（FTS）之间功率密度的边界。对竞争中的两种故障模式进行了完整的实验，该实验可能出现在1.2 kV SIC MOSFET的短路测试（SC）测试中。最后，研究了栅极源电压去极化对国家电阻（R DS（ON））的惩罚，以评估技术效率。
因果效应识别的最佳实验设计
Pearl's Do Colculus是一种从观察数据中学习可识别的因果关系效应的完整公理方法。当这种效果无法识别时，有必要在系统中执行通常昂贵的干预措施的集合来学习因果关系。在这项工作中，我们考虑了设计一系列干预措施的问题，并以最低成本确定所需的效果。首先，我们证明了此问题是NP完整的，随后提出了一种可以找到最佳解决方案或对数的算法的算法。这是通过在我们的问题与最小击球设置问题之间建立联系来完成的。此外，我们提出了几种多项式启发式算法来解决问题的计算复杂性。尽管这些算法可能会偶然发现亚最佳解决方案，但我们的模拟表明它们在随机图上产生了小的遗憾。
具有充电限制的电动汽车时间和能量优化路线策略
摘要 — 精确的电动汽车长途路线规划器有助于缓解行驶里程焦虑。本文介绍了一种考虑电池充电限制的时间和能量优化路线策略。通过模拟天气和交通状况对车辆能耗的影响，以及考虑实际的充电功能，提高了该方法的准确性。路线问题被视为多目标优化，并使用不同的算法进行求解，以评估每种方法的准确性和可处理性。结果表明，当速度成为决策变量并在路线的某些部分进行调整时，在行程时间和能耗方面出现了有吸引力的权衡。索引词 — 电动汽车、充电调度、行驶里程、受限最短路径、生态路线。
全球分布的低碳云联盟的优化规模
摘要 — 近年来，IT 技术的碳足迹一直备受关注。这种关注主要集中在数据中心的电力消耗上；许多云供应商承诺使用 100% 的可再生能源。然而，这种方法忽略了设备制造的影响。在本文中，我们考虑了地理分布云的可再生能源规模问题，同时考虑了所考虑位置的电网电力消耗以及太阳能电池板和电池制造的碳影响。我们设计了一个线性程序来优化一年内的云规模，考虑了数据中心的全球位置、实际工作负载轨迹和太阳辐射值。我们的结果表明，与完全由太阳能供电的云相比，碳足迹减少了约 30%，与 100% 电网电力模型相比，碳足迹减少了 85%。索引词 — 云计算、可再生能源、能源存储、线性程序、作业调度、跟随太阳、绿色计算
不确定性下的轨迹计划的连续时间最佳控制
摘要。本文提出了连续的时间最佳控制框架 - 在不确定性驱动方案中生成参考轨迹的工作。先前的工作[1]提出了一个自动驾驶汽车的离散时间随机代理。这些结果扩展到连续的时间，以确保在实时设置中发电机的鲁棒性。我们表明，连续时间的随机模型可以通过产生更好的结果来捕获信息的不确定性，从而限制了与离散方法相比，违反问题限制的风险。动态求解器提供更快的计算，而连续的时间模型比离散时间模型更适合多种多样的驾驶场景，因为它可以处理进一步的时间范围，这可以在城市驾驶场景的框架之外进行轨迹计划。
令牌分配，微调和最佳定价
* Dirk Bergemann感激地感谢NSF SES 2049754和ONR Muri的财政支持。Alex Smolin在未来的投资（投资D'Avenir）计划（Grant ANR-17-EURE-0010）以及通过人工和自然情报图Toulouse Institute（ANITI）下，感谢法国国家研究局（ANR）的资金。
Zhang, Y., Valsecchi, M., Gegenfurtner, KR, Chen, J. (2023)。拉普拉斯参考是稳态视觉诱发电位的最佳选择。JOURNAL OF N
Zhang, Y., Valsecchi, M., Gegenfurtner, KR, Chen, J. (2023)。拉普拉斯参考是稳态视觉诱发电位的最佳选择。JOURNAL OF NEUROPHYSIOLOGY，130(3)，557-568 [10.1152/jn.00469.2022]。