XiaoMi-AI文件搜索系统
World File Search Systemtrol
![arXiv:2002.00538v1 [eess.SP] 2020 年 2 月 3 日](/simg/6\61319fe93dd478a149577aa0b161eb32886ef0da.webp)
arXiv:2002.00538v1 [eess.SP] 2020 年 2 月 3 日
脑机接口 (BCI) 不仅用于健康人控制外部设备，还用于恢复运动障碍患者的运动功能。解码运动意图是使用脑信号执行手臂运动任务的最重要方面之一。从脑电图 (EEG) 信号解码运动执行 (ME) 在之前的工作中表现出色，然而基于运动想象 (MI) 范式的意图解码迄今为止未能达到足够的精度。在本研究中，我们重点研究了一种针对 ME 和 MI 范式的具有迁移学习的稳健 MI 解码方法。我们获取了与手臂伸展 3D 方向相关的 EEG 数据。我们提出了一种基于关系网络 (BTRN) 架构的 BCI 迁移学习方法。与传统工作相比，解码性能最高。我们确认了 BTRN 架构有可能有助于使用 ME 数据集连续解码 MI。
用于控制增强量子计量的高效张量网络
优化的量子控制可以提高量子计量的性能和抗噪能力。然而，当多个控制操作顺序应用时，优化很快就会变得难以处理。在这项工作中，我们提出了有效的张量网络算法来优化通过一长串控制操作增强的量子计量策略。我们的方法涵盖了一种普遍而实用的场景，其中实验者在要估计的通道的 N 个查询之间应用 N - 1 个交错的控制操作，并且不使用或使用有界辅助。根据不同的实验能力，这些控制操作可以是通用量子通道或变分酉门。数值实验表明，我们的算法在优化多达 N = 100 个查询的计量策略方面具有良好的性能。具体来说，我们的算法确定了一种在 N 有限但很大的情况下能够胜过最先进策略的策略。
肌肉指导的吉他踏板：通过表面肌电图和深度学习探索互动策略
本文探讨了一种与吉他踏板进行传统互动的方法。通过分析通过表面肌电图（SEMG）可穿戴传感器跟踪的肌肉收缩，我们旨在调查如何动态跟踪吉他手的声音意图，以自动控制吉他声音。基于双向长期记忆的两个复发性神经网络被删除，以实时分析SEMG信号。该系统被设计为一种数字乐器，可在初始培训过程中向每个用户校准。在培训期间，音乐家提供了他们的手势词汇，将每个手势都带到相应的踏板预设中。最有效的特征与最佳肌肉相当，以优化系统的学习率。通过一项用户研究评估了该系统，其中包括七个专家吉他手。sults表明，平均而言，参与者赞赏该系统的基础概念，并认为它能够促进其创造力。
强化基于学习的控制，以抑制受未知谐波激发的半活性结构的瞬时振动
在时间范围内不断向后回滚的地方（通常称为“退缩的地平线控制”）。即使MPC控制器按定义依赖于系统模型，模型参数中的某些不确定性或预测外部干扰时的不确定性可以通过状态反馈循环来补偿，该状态反馈循环在随后的最佳最佳控制问题中适应实际系统响应。在优化工业过程（Bordons＆Camacho，1998）和交通流量（Ferrara等，2015）中，可以找到许多MPC应用，其中控制器用于应对时间变化的参数和不断发展的边界条件。MPC对于风电场的协调至关重要（Vali等，2019），这会在风向上永久变化。基于MPC的控制器也证实了它们在自动驾驶中的效率，在该自动驾驶中，车辆面临动态障碍（Babu等，2018）。在结构控制中，大多数MPC控制器都依赖于预测外部激发力演化的专门设计的动态模型。Oveisi等。 （2018）开发了一种递归的最小二乘算法来估算干扰信号，该算法不断更新并用于确定退化的地平线控制。 该方法已成功验证了受谐波干扰的压电层压梁的验证。 Wasilewski等人。 （2019年），从自回归模型中回收了地震激发，并将其前进到MPC Conloller，这稳定了使用液压执行器的多局建筑物的振动。 （2007）。Oveisi等。（2018）开发了一种递归的最小二乘算法来估算干扰信号，该算法不断更新并用于确定退化的地平线控制。该方法已成功验证了受谐波干扰的压电层压梁的验证。Wasilewski等人。（2019年），从自回归模型中回收了地震激发，并将其前进到MPC Conloller，这稳定了使用液压执行器的多局建筑物的振动。（2007）。在Zelleke和Matsagar（2019）中，开发了一种基于能量的预测控制算法，以抑制受风激发的多局建筑物的振动。Yuen等人提出了一种基于概率的鲁棒性控制方法来减轻暴露于不确定激发的细长建筑物的振动的替代方法。在Takacs和Rohal'-Ilkiv（2014）中测试了五种最佳和次优MPC方法，以确定它们的构成复杂性和在线启动的能力，以减轻配备Piezoce-Ramic Control设备的自由，稳态和短暂振动。作者观察到最佳和次优策略之间的控制绩效没有显着多样性。他们建议在计算上有效的次优方法（例如，最低时间显式或牛顿– Raphson的MPC）可以用于较大维度的系统而不会大大损失性能的系统。
测试和评估政策 - 陆军出版局
美国国民警卫队/陆军国民警卫队和美国陆军预备役，除非另有说明。它还适用于参与物资和系统研究、开发、采购和支持的所有测试和评估阶段的人员。它适用于所有陆军部采购计划的测试和评估，包括信息技术系统（也称为国家安全系统或国防业务系统）；特殊访问程序（除非程序章程明确规定例外）；医疗系统；这些项目或系统不可或缺的计算机资源；系统和非系统培训辅助工具、设备、模拟和模拟器；嵌入式培训；嵌入式测试；以及仪器、目标和威胁模拟器。它适用于陆军作为其他组织或部门的执行代理机构的指挥、控制、通信和计算机/信息技术系统，或与其他政府合作开发的指挥、控制、通信和计算机/信息技术系统，除非这些组织能够保证其合规性。
测试和评估政策 - 陆军出版局
美国国民警卫队/陆军国民警卫队和美国陆军预备役，除非另有说明。它还适用于参与物资和系统研究、开发、采购和支持的所有测试和评估阶段的人员。它适用于所有陆军部采购计划的测试和评估，包括信息技术系统（也称为国家安全系统或国防业务系统）；特殊访问程序（除非程序章程明确规定例外）；医疗系统；这些项目或系统不可或缺的计算机资源；系统和非系统培训辅助工具、设备、模拟和模拟器；嵌入式培训；嵌入式测试；以及仪器、目标和威胁模拟器。它适用于陆军作为其他组织或部门的执行代理机构的指挥、控制、通信和计算机/信息技术系统，或与其他政府合作开发的指挥、控制、通信和计算机/信息技术系统，除非这些组织能够保证其合规性。
与柔软外骨骼的自然人步态辅助的无时间控制系统
摘要 - 当将外骨骼用于步行援助时，一个重要的考虑因素是确保用户保留对外骨骼提供的援助的完全控制，由于缺乏合适的控制系统，这在现有外骨骼中非常有限。在本文中，基于新颖的辅助生成方法和一种迭代力控制方法开发了与时间无关的外骨骼控制系统，以实现持续的辅助调整。辅助文件被称为具有人类状态变量的高斯功能，可以在LinetoadaptTodifferentusers上更新。尤其是在用户腿的运动中，proposeposedpro Filedecontifecondepro Filedecondeprofimentifecontroprofrofroposeprofroproproproproproproproproproposeprofroposed profosprofroprofropropseprofroposedpro Filedecliendeprofropropropropropsion todifferfilef。拟议的控制系统迭代地补偿了力控制滞后和振幅衰减，以便在自然人步行期间精确地跟踪援助效果。使用外骨骼的受试者对受试者进行了软外骨骼进行了实验。实验结果表明，与常用时间依赖性控制系统相比，提出的控制系统的有效性。
测试与评估政策 - 陆军出版局
美国国民警卫队 / 陆军国民警卫队和美国陆军预备役，除非另有说明。它也适用于参与物资和系统研究、开发、采购和支持的所有阶段的测试和评估的人员。它适用于所有陆军部采购计划的测试和评估，包括信息技术系统（也称为国家安全系统或国防业务系统）；特殊访问程序（除非程序章程另有规定）；医疗系统；这些项目或系统不可或缺的计算机资源；系统和非系统训练辅助工具、设备、模拟和模拟器；嵌入式训练；嵌入式测试；以及仪器、目标和威胁模拟器。它适用于陆军作为另一个组织或部门的执行代理的指挥、控制、通信和计算机/信息技术系统，或与其他政府合作开发的指挥、控制、通信和计算机/信息技术系统，除非这些组织能够保证其遵守规定。
用于电动汽车充电网络控制的有效分布式多代理增强学习
摘要 - 采用电动汽车（EV）的增加趋势将显着影响住宅电力需求，从而导致分配网格中变压器过载的风险增加。为了减轻这种风险，迫切需要开发有效的EV充电控制器。当前，大多数EV电荷控制器都是基于管理单个电动汽车或一组电动汽车的集中式方法。在本文中，我们介绍了一个分散的多代理增强学习（MARL）充电框架，该框架优先确定电动汽车所有者的隐私。我们采用了集中的培训，分散的执行确定性策略梯度（CTDE-DDPG）方案，该方案在培训期间为用户提供有价值的信息，同时在执行过程中保持隐私。我们的结果表明，CTDE框架通过降低网络成本来提高充电网络的性能。此外，我们表明总需求的峰值与平均比率（PAR）减少了，进而降低了峰值时间内变压器过载的风险。索引术语 - 合作MARL，EV充电网络控制，分布式控制，需求端管理
电力推进模块的高压流量控制单元
AST（先进空间技术有限公司）开发了一种紧凑型流体管理系统设计，以实现高度可扩展且经济高效的电力推进模块解决方案。利用其高压流量控制单元（HP-FCU），设计了一个高度集成的流量控制和分配系统，并已集成到目前太空中的数百个 EP 子系统中。对成本改进和工业稳健性的需求引入了基于氪和其他惰性气体的推进器开发，这些气体需要更高的储存压力来弥补其较低的气体密度。因此，需要压力高于 300 bar MEOP（预期最大工作压力）的气体储存和分配系统，从而导致 HP-FCU 的设计升级。本文将总结资格状态。在示例性电力推进模块设计的基础上，本文描述了 HP-FCU 在 EP 系统应用的架构和操作方面。描述了控制电子设备、HP-FCU 和推进器之间的相互作用以及流体系统集成的各个方面。1. 简介