XiaoMi-AI文件搜索系统
World File Search Systemtransformers
仅编码变压器 +视觉变压器
正向神经网络。•为了预见CNN或视觉变压器，我们通常会在监督分类问题上训练整个模型（即图像分类）•为了预识LLM，我们通常会训练整个模型，以无标记的句子的可能性。
理解 Transformer
摘要：本文是“了解变压器”应用笔记系列的第二部分。虽然第一部分介绍了变压器的基本参数，但本文将简要介绍这些参数在为不同应用选择变压器类型过程中的重要作用，以及这些参数的存在如何导致变压器的频率行为不理想。本文将更详细地讨论频率行为（电压增益和相移）以及如何在实验室中使用频率响应分析 (FRA) 对其进行测量。此外，还将使用包含所有参数的非理想模型进行模拟，以说明变压器的频率行为。
变形金刚峰会2023
Michelle Davis是Wood Mackenzie Power＆Renewables的首席分析师。她在伍德·麦肯齐（Wood Mackenzie）领导美国分发的太阳能实践，包括与SEIA（太阳能工业协会）合作的Solar Market Insight Report的季度出版物。她还领导着商业太阳能市场的研究报道，并跟踪安装人员，金融家和技术提供商的竞争格局。在加入Wood Mackenzie之前，米歇尔（Michelle）担任各种研究职位，重点介绍了可再生能源，涵盖了从能量水连接到电动汽车充电站的公用事业投资等主题。她拥有亚利桑那州立大学的生物学学士学位和安提阿大学的MBA，重点是可持续性。米歇尔总部位于亚利桑那州的坦佩。
变压器和电感器 - Myrra
额定功率（VA） 本目录中指定的功率水平为次级功率水平，换句话说，即变压器带载时可提供的功率水平。它是 RMS 额定次级电压与 RMS 额定电流的乘积。如果变压器具有多个输出绕组，则额定功率表示 RMS 额定次级电压与 RMS 额定次级电流乘积的最大和。此额定功率是根据额定环境温度条件定义的。示例：P = 3,2 VA ta 70/B 变压器在最高环境温度（70°C）下可提供 3.2VA，负载由电阻负载组成，定义为 R（负载）= U（秒）2/P（指定的 U 秒和 P 值），发热不超过此结构中使用的 B 类组件的相关限值。
高级变压器研讨会报告
免责声明 本报告是由美国政府机构资助的工作报告。美国政府及其任何机构或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不保证其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
关于有效视觉变压器的调查
摘要 - Vision Transformer（VIT）架构越来越流行，并广泛用于处理计算机视觉应用。他们的主要特征是通过自我发挥机制提取全球信息的能力，表现优于早期的卷积神经网络。但是，VIT部署和性能随着它们的规模，可训练的参数数量和操作而稳步增长。此外，自我注意力的计算和记忆成本随着图像分辨率四次增加。一般而言，由于许多硬件和环境限制（例如处理和计算功能），在现实世界应用中使用这些架构是一项挑战。因此，本调查研究了最有效的方法，以确保亚最佳估计性能。更详细地，将分析四个高效类别：紧凑的体系结构，修剪，知识蒸馏和量化策略。此外，已经引入了一种称为高效错误率的新指标，以便在推理时间（例如参数，钻头，拖船和模型大小）时对模型的功能进行标准化和比较模型的功能。总而言之，本文首先数学上定义了用于提高视觉变压器，描述和讨论最新方法的策略，并在不同的应用程序场景上分析其性能。在本文结束时，我们还讨论了开放的挑战和有希望的研究方向。
可再生能源收集器变压器
PTI Transformers LP，加拿大马尼托巴省温尼伯 ORCID：1. 0000-0002-1216-6513 doi:10.15199/48.2024.11.39 可再生能源收集器变压器摘要。太阳能发电站或风电场中的可再生能源集电变压器 (RCT) 将集电系统的电压转换为传输级电压。由于主要目标是提高电压，RCT 在此功能上与发电机升压 (GSU) 变压器相似，但有一些设计特点和操作特性使这些装置独一无二，例如典型的绕组配置星形-星形-埋置三角形，低压绕组通常通过中性点接地电抗器接地。设计必须考虑低压电流和电压中的谐波。抽象的。光伏站或风电场中的可再生能源站（RES站）的主变压器将来自主系统的电压转换为输电级电压。由于主要目的是提高电压，RCT 在这方面的功能与 GSU 变压器相似，但有一些设计特点和操作特性使这些装置独一无二，例如典型的三角形-星形绕组配置，低压绕组通常通过中性接地电感器接地。设计必须考虑低压电流和电压中谐波的存在。 (可再生能源发电站主变压器) 关键词：电力变压器、可再生能源发电站、过电压、谐波。可再生能源集电变压器 (RCT) 是一种专用电力变压器，它在太阳能发电站或风力发电场中，将电站集电系统的电压（通常为 34.5 kV）转换为传输电压水平，通常范围从 138 到 345 kV 或 500 kV。可再生能源站中 RCT 的位置如图 1 所示。虽然直接连接到逆变器的小功率变压器在论文和标准 [1, 2] 中有很好的描述，但集电变压器在已发表的参考文献或标准中并没有很好的描述。因此，本文的目标就是填补这一空白。图 1。集电变压器放置在集电母线和传输线之间；来自参考文献。 [1] 大多数可再生能源可能会出于不同的原因使用多个集电变压器，例如为了限制其物理尺寸（特别是为了运输或由于场地限制），或者利用电站设计理念的特点，例如分配负载或在故障期间在电站各部分之间转移负载，或紧急加载。由于 RCT 的主要目的是提高电压，因此该变压器的功能与发电机升压 (GSU) 变压器类似。然而，RCT 与 GSU 有许多区别，包括：（i）典型的绕组配置为星形-星形-埋地三角形，而 GSU 绕组采用星形-三角形连接，（ii）RCT 的低压绕组通常通过中性点接地电抗器 (NGR) 接地，而高压绕组
带有解剖学先验的引导变压器
摘要。肌肉体积是运动中有用的定量生物标志物，也是对退行性肌肉疾病的随访。除了体积外，还可以通过从医学图像中分割感兴趣的肌肉来提取其他形状的生物标志物。手动细分仍然是当今此类测量的黄金标准，尽管非常耗时。我们提出了一种在3D磁共振图像上自动分割18个下肢肌肉的方法，以进行这种形态计量分析。从本质上讲，当MR图像中观察到不同肌肉的组织是无法区分的。因此，肌肉分割算法不能依靠外观，而只能依靠参观提示。然而，这种轮廓很难检测到，它们的厚度在受试者之间也有所不同。为了应对上述挑战，我们提出了一种基于混合体系结构的分割方法，结合了汇总和视觉变压器块。我们首次在肌肉分割的背景下首次研究这种混合体系结构的行为以进行形状分析。考虑到一致的解剖肌肉构型，我们依靠变压器块来捕获肌肉之间的长距离关系。为了进一步利用解剖学先验，这项工作的第二个贡献包括基于根据训练数据估算出的合理肌肉邻居的邻接矩阵增加了规则损失。我们对
视觉变压器的移动友好线性注意力
Vision Transformers（Vits）在计算机VI-SION任务中出色，因为它们能够捕获令牌之间的全局上下文。但是，它们的二次复杂性o（n 2 d）就令牌数字n和功能尺寸d限制了移动设备上的实际使用，因此需要更加移动友好的VIT，并减少延迟。多头线性注意事项正在成为有前途的替代品，具有线性复杂性o（ndd），其中d是每个头尺寸。仍然需要更多的计算，因为d变得较大，以达到模型的准确性。降低D可以提高移动友好性，而牺牲了过度小头弱，但在学习有价值的子空间方面，最终阻碍了模型能力。为了克服这一效率难题，我们提出了一种新型的移动意见设计，并具有通过信息流赋予的头部竞争机制，这防止了过分强调琐碎的头部上的不太重要的子空间，同时保留了必要的子空间，以确保变压器的能力。它通过支持一个小尺寸d的小型动作效率来实现移动设备上的线性时间复杂性。通过移动注意事项替换VIT的标准注意力，我们优化的VIT在一系列计算机视觉任务中实现了增强的模型容量和竞争性的表现。特定的，我们已经在iPhone 12上实现了延迟的显着降低。代码可从https://github.com/thuml/mobileattention获得。