XiaoMi-AI文件搜索系统
World File Search Systemuseful
使用 CNN-XGBoost 模型和 Coati 优化算法对电池剩余使用寿命进行早期预测
锂离子 (Li-ion) 电池是现代电力系统不可或缺的部件，但其性能会随着时间的推移而下降。准确预测这些电池的剩余使用寿命 (RUL) 对确保电网的可靠高效运行至关重要。在此基础上，本文提出了一种新的 Coati 集成卷积神经网络 (CNN)-XGBoost 方法，用于锂离子电池的早期 RUL 预测。该方法采用 CNN 架构，通过图像处理技术自动从电池放电容量数据中提取特征。从 CNN 模型中提取的特征与基于电池充电策略信息从前 100 个电池测量循环数据中提取的另一组特征相连接。然后将这组组合的特征输入 XGBoost 模型进行早期 RUL 预测。此外，Coati 优化方法 (COM) 用于 CNN 超参数调整，以提高所提出的 RUL 预测方法的性能。数值结果揭示了所提出方法在预测锂离子电池 RUL 方面的有效性，其中 RMSE 和 MAPE 分别获得了 106 次循环和 7.5% 的值。
视觉和听觉感知的事件相关脑电位标记：脑机接口系统的有用工具
BCI 系统是一种可以提取大脑活动并处理脑信号的设备，使计算机设备能够完成特定目的，例如通信或控制假肢。更常用的系统涉及运动想象（例如，Hétu等人，2013；Kober等人，2019；Su等人，2020；Jin等人，2021；Milanés-Hermosilla等人，2021；Mattioli等人，2022）、交流（Blankertz等人， 2011；Jahangiri 等人，2019；Panachakel 和 G，2021）、人脸识别（Zhang 等人，2012；Cai 等人，2013；Kaufmann 等人，2013）或 P300 检测（Pires 等人，2011；Azinfar 等人，2013）盖伊等人；等人，2018 年；Shan 等人，2018 年；Mussabayeva 等人，2021 年；Rathi 等人，2021 年；Leoni 等人，2022 年）。只有少数研究同时使用 BCI 系统识别反映不同类型心理内容的多个 ERP 信号，例如音乐（Zhang 等人，2012 年）、面孔（Cai 等人，2013 年；Li 等人，2020 年）或视觉对象（Pohlmeyer 等人，2011 年；Wang 等人，2012 年）。事实上，自大约 40 年前发现 ERP 电位以来（Ritter 等人，1982 年），它已被证明是一种非常可靠的标记
一种用于预测质子交换膜燃料电池剩余使用寿命的数据驱动数字孪生预测方法
在这个瞬息万变的时代，限制气候变化和实现可持续增长的迫切需要加强全球能源转型的势头。“氢经济时代”正在走进人类的视野，朝着建立更清洁的能源系统的方向发展[1]。在此背景下，燃料电池被视为最大限度发挥氢能潜在效率优势的首选技术[2]。质子交换膜燃料电池（PEMFC）目前是轻型车辆和物料搬运车辆的领先技术，在固定式和其他应用领域也占有较小份额[3]。然而，成本和耐久性两个主要挑战限制了其大规模商业化[4]。当前PEMFC系统耐久性和可靠性不理想可能导致高维护成本[5]，而非优化运行可能是导致意外停机和部件进一步退化的关键原因[6]。人们做出了许多努力来提高其耐久性：改进材料、减少退化原因、改进结构设计、实施新的监督和管理设计等。预测和健康管理 (PHM) 是一门新兴学科，最初源自基于状态的维护 [ 7 ]，已被用于监测和预测 PEMFC 系统的健康状况 [ 8 , 9 ]。人们已经研究了针对 PEMFC 的各种预测方法
通过沉浸式虚拟现实（Virtual-HF）提高对心力衰竭患者康复的依从性：一种随机对照试验的方案
由于锂离子电池已经变得越来越普遍，因此由于其对系统的可用性和安全性的影响，估计其剩余使用寿命（RUL）已成为必要。rul对于建立预后价值而建立预测维护策略特别有用。电池降解模型还应结合不同用法和环境条件对电池性能的影响，以对RUL进行可靠的预测。电池降解行为必须通过加速降解测试来表征，该测试是根据最佳设计理论计划的，以预测统治并区分竞争模型。可以通过使用基于良好降解模型的增强学习方法来选择最佳的维护策略。本文介绍了所有这些方法的简要概述。单独地，它们在文献中得到了很好的代表，但是考虑它们是一种新颖的维护方法。由于电池经常在不受控制的环境中使用，因此这种方法的综合政策和模型学习方面似乎尤其有希望。锂离子电池的健康状况（SOH）在降低过程中呈指数衰减。可以使用各种方法来估计SOH参数，包括从放电能力或开路电压（OCV），传感器融合算法或间接处理等效串联电阻（ESR）的直接估计。几个因素导致电池降解，包括电池化学，尺寸和操作条件。重要的是要注意，总体趋势始终是特征的
使用多种神经网络
准确预测锂离子电池（LIB）的剩余使用寿命（RUL）对于提高LIBSPAINTION应用程序的运营效率和安全性至关重要。它还促进了细胞设计程序的改进和快速充电方法的演变，从而最大程度地减少了周期测试时间。虽然人工神经网络（ANN）已成为该任务的有前途的工具，但识别跨不同数据集的最佳体系结构，而优化策略并非乏味。为了应对这一挑战，开发了一个机器学习框架，以系统地评估不同的ANN体系结构。仅利用从各种充电策略循环的124个锂离子电池中使用的训练数据集的30％，在此框架内进行了HyperParam-Eter优化。这确保以最佳配置对每个模型进行评估，从而促进了RUL预测任务的平衡比较。此外，该研究还研究了各种循环窗口对模型功效的影响。采用分层分区方法强调了统一数据集在不同子集之间表示的重要性。值得注意的是，最佳模型使用仅40个周期的循环特征，达到了平均绝对范围误差为10.7％。
基于机器学习的剩余使用寿命预测技术用于锂离子电池管理系统：全面评论
锂离子电池（LIB）用于为从便携式消费电子设备到电动汽车和网格式储能系统的一系列应用。现在，随着LIB在高功率和复杂应用中的越来越多的应用，预测可靠操作的剩余使用寿命（RUL）并保护电池组免受包括灾难性故障在内的不必要的事件，这是非常重要的。关于RUL的实时信息对于预测电池故障状况至关重要，导致预防有效或至少减少电池故障可能造成的损坏。此外，准确的Rul对于在其使用寿命结束时安排常规维护和必要的更换非常有帮助。因此，RUL预测已成为研究人员兴趣的话题。在过去的十年中提出了几种RUL估计技术，基于机器学习（ML）的技术在准确性，适应性和建模方面表现出了优越性。因此，基于ML的RUL预测方法是根据本文中的基本绩效参数对其基本性能参数进行了全面审查的。还提出了有关问题，挑战，趋势和未来研究范围的详细讨论，以向研究人员提供明确的指南。
宫颈癌患者和子宫内膜癌的生活质量在辅助治疗期间 - 相似性和差异在个性化
1 1，大学临床医院肿瘤学系，妇产科和妇产科，35-055Rzeszów，波兰2Rzeszów，25-310 Rzeszow医学科学研究院波兰4临床肿瘤学系与波兰大学临床医院的妇科肿瘤学分区，波兰35-055Rzeszów，55-55-055Rzeszów临床医院临床医院，波兰65-055Rzeszów，Poland 6科学，国家职业大学教授。塔诺布尔兹格（Tarnobrzeg）的StanisławTarnowski，波兰（Poland）39-400 Tarnobrzeg 8医学院，Jagiellonian大学医学院，波兰克拉科夫31-0081，大学临床医院肿瘤学系，妇产科和妇产科，35-055Rzeszów，波兰2Rzeszów，25-310 Rzeszow医学科学研究院波兰4临床肿瘤学系与波兰大学临床医院的妇科肿瘤学分区，波兰35-055Rzeszów，55-55-055Rzeszów临床医院临床医院，波兰65-055Rzeszów，Poland 6科学，国家职业大学教授。塔诺布尔兹格（Tarnobrzeg）的StanisławTarnowski，波兰（Poland）39-400 Tarnobrzeg 8医学院，Jagiellonian大学医学院，波兰克拉科夫31-008
心血管疾病是与肥胖有关的发病率和死亡率的主要原因之一。 BMI提供了允许
心血管疾病是与肥胖有关的发病率和死亡率的主要原因之一。BMI提供了有用的信息，可以整体评估肥胖，而腰围（CC）和腰围 /高度指数（ICE）评估腹部肥胖作为心血管风险的预测指标。本研究旨在确定尼日利亚西南部理工学院学生的人体测量指数和心血管风险。一种简单的随机技术用于选择大约2000名准备就绪，愿意从尼日利亚西南理工学院选出的普通学生。使用预验证的结构化问卷来获取有关社会人口统计学特征的信息，同时评估人体测量特征以确定重量，身高，腰部和髋关节比率。体重指数用于对营养状况进行分类，而心血管风险根据世界卫生组织标准进行分类。The result of the body mass index of the respondents showed that 75 % of the respondents had normal weight (18.5-24.9 kg/m 2 ), 11 % are overweight (25.5-29.9 kg/m 2 ), 3 % had obesity grade 1 (30.5-34.9 kg/m 2 ), 3 % had obesity grade 2 (30.5-34.9 kg/m 2 ) and 6 % are underweight (below 18.5 kg/m 2）。心血管风险的结果表明，有70％的人正常，有15％的腹部肥胖症是心血管风险的指标。这项研究表明，大多数学生的体重指数良好，而肥胖1级和2级。此外，心血管危险因素指标指标有点高。需要为学生提供营养教育和倡导。
脚手架杂交策略导致发现多巴胺D3受体选择性或多毒性bitopic配体可能对中枢神经系统疾病有用
摘要：在寻找靶向多巴胺D 3受体（D 3 R）的新型比特化合物中，N-（2,3-二氯苯基）替代嗪核（主要药物矩阵）已与6,6-或5,5-二苯基-1,4-苯基-1,4--二烷基-2-二甲酰基-2-甲酰基或1,4-碳二 - 4-碳二 - 4-碳二 - 4-碳二 - 4-4-二 - 4-4-4-二 - 4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-架（分解药理）通过未取代或3-F/3-OH取代的丁基链。这种旧的杂交策略导致发现有效的D 3 r-选择性或多坐菌配体可能对中枢神经系统疾病有用。，6,6-二苯基-1,4-二氧烷衍生物3显示了D 3 r-优先效果，而对于5,5-二苯基-1,4-二恶烷和1,4-苯并二氧烷衍生物6和9的5,5-二苯基-1,4-二氧烷和9和9的有趣的多白素行为已突出显示，该行为分别显示为6和9有效的D 3 R部分激动剂。他们还表现为低功率5-HT 2A R拮抗剂和5-HT 2C R部分激动剂。这样的验证可能是发现新型抗精神病药物的一个有希望的起点。关键词：多巴胺D 3受体，比特型配体，多坐Multitarget化合物，中枢神经系统疾病，停靠研究■简介
数值模型有用吗？从佛罗里达州的沿海形态变化进行建模的二十年中汲取的教训
摩尔法克：形态加速因子，形态上升级技术。简单的示例：一个波案在12小时的周期中运行，摩尔法克为10，将代表12天的形态变化。