XiaoMi-AI文件搜索系统
World File Search System两阶段
冠状病毒大流行期间人工智能（AI）在初级保健中的接受度：患者的性别、年龄和健康意识的作用是什么？一项两阶段试点研究
人工智能逐渐改变了医疗实践。数字化数据采集、机器学习和计算基础设施方面取得了最新进展，人工智能应用正在稳步进入以前仅由人类专家掌控的新领域。研究概述了人工智能技术的突破，确定了医疗保健和医疗人工智能系统进一步发展的挑战（4、5），并最近分析了人工智能在医疗保健领域的经济、法律和社会影响（3）。研究表明人工智能在初级保健 (PC) 领域发生了转变 (4)。基于大数据解决方案的技术应用可能有助于全科医生 (GP) 进行疾病检测。人工智能在初级保健医疗建议、临床决策、诊断和数字公共卫生建议方面发挥着重要作用 (6)。由于冠状病毒大流行，医疗保健提供者正在调整医疗保健提供渠道，通过针对新的和紧急需求的资源分配来保护患者和医务人员免受感染。因此，常规服务已大幅停止或放缓，并引入了严格的隔离和分离协议 ( 7 )。在当前大流行之前，一些研究集中于使用数字公共卫生解决方案的障碍 ( 8 )。然而，在冠状病毒大流行之后，医疗保健提供者对非紧急和慢性疾病患者的治疗变得权威。因此，正在引入视频咨询，并正在讨论使用社交媒体 ( 9 ) 的潜力，以将患者引导至可信赖的 PC 资源 ( 7 )。尽管如此，一些公司（例如 Babylon Health、Health Tap、Ada、Buoy、Your.MD）已经开发出人工智能医生，直接向有常见症状的患者提供健康建议，从而释放出 PC 访问权限，以进行更复杂的护理。到 2025 年，这些服务的市场（使用当前的远程医疗市场和零售诊所市场作为比较）预计将达到每年 270 亿美元（6、10、11）。数字公共医疗转型加剧了额外的挑战。例如，根据患者的社会人口背景存在潜在冲突。数字工具可以提供集体公共卫生利益；然而，它们
采用两阶段 PSO-模糊混合方法实现专用微电网的负荷管理和优化定型
1 伊斯兰堡 COMSATS 大学拉合尔校区能源研究中心，拉合尔 54000，巴基斯坦 2 伊斯兰堡 COMSATS 大学计算机科学系，拉合尔 54000，巴基斯坦 3 高级大学电气工程系，拉合尔 54600，巴基斯坦 4 伊斯兰堡 COMSATS 大学电气与计算机工程系，拉合尔 54700，巴基斯坦 5 政府学院大学电气工程系，拉合尔 54000，巴基斯坦 6 埃及未来大学工程与技术学院，新开罗 11835，埃及 7 岭南大学信息与通信工程系，庆山 38541，韩国 8 蒙克顿大学工程学院，蒙克顿，NB E1A3E9，加拿大 9 国际技术与管理学院，利伯维尔 BP1989，加蓬 10 知识生产与技能发展领域，斯法克斯3027，突尼斯 11 约翰内斯堡大学电气工程学院，电气与电子工程科学系，约翰内斯堡 2006，南非 * 通信地址：ateeq.rehman@gcu.edu.pk (AUR)；elsayed.tageldin@fue.edu.eg (EMTE)；shafiq@ynu.ac.kr (MS) † 这些作者对本文的贡献相同。
基于 EEG 的两阶段高效 3-D CNN 框架...
摘要 — 本文提出了一种使用 EEG 数据进行情绪识别的新型两阶段框架，该框架在保持模型尺寸小且计算效率高的同时，性能优于最先进的模型。该框架由两个阶段组成；第一阶段涉及构建名为 EEGNet 的高效模型，该模型受到最先进的高效架构的启发，并采用包含深度可分离卷积层的倒置残差块。EEGNet 模型在效价和唤醒标签上分别仅使用 6.4k、14k 和 25k 个参数即可实现 90%、96.6% 和 99.5% 的平均分类准确率。在准确率和存储成本方面，这些模型比之前最先进的结果高出多达 9%。在第二阶段，我们对这些模型进行二值化以进一步压缩它们并轻松将它们部署到边缘设备上。二值神经网络 (BNN) 通常会降低模型准确率。本文通过引入三种新方法改进了 EEGNet 二值化模型，并实现了比基线二值模型高出 20% 的改进。所提出的二值化 EEGNet 模型分别实现了 81%、95% 和 99% 的准确率，存储成本分别为 0.11Mbits、0.28Mbits 和 0.46Mbits。这些模型有助于在边缘环境中部署精确的人类情感识别系统。索引术语 — 情感识别；脑电图；3D-CNN；ResNet；量化；深度学习；二值 CNN
物联网平台的选择：两阶段多标准决策过程框架
物联网 (IoT) 是推动行业数字化转型的主要因素之一。物联网平台已成为物联网架构中不可或缺的部分，能够通过现场数据收集创造附加值。市场上有各种各样的产品和解决方案。然而，行业、物联网应用和物联网架构在功能和规模要求方面存在很大差异。因此，选择过程对工业公司提出了重大挑战。文献中提出了几组标准，但仍然缺乏实用的个体选择过程的方法和工具。本文提供了一个基于多标准评估的个体两阶段选择过程框架。这允许公司首先根据其个人需求对给定的标准集进行加权，其次，遵循包括面试相关部分和实际评估的两阶段评估。此外，本文还展示了基于研究所研究和学习工厂智能生产实验室的物联网平台选择过程的初步验证结果。
考虑不确定性的综合能源系统两阶段规划优化研究
摘要：在快速发展的综合能源系统（IES）背景下，考虑可再生能源出力的不确定性可以使综合能源系统规划更加符合现实。鉴于此，本文提出一种考虑不确定性的综合能源系统规划方法。首先，为了准确描述可再生能源出力场景，本文描述了IES模型并介绍了采用的场景分析方法。其次，构建了综合能源系统设备出力模型，设置了相应的约束条件和目标函数，采用改进的粒子群-蚁群优化算法进行求解，并提出了考虑不确定性的规划求解策略。最后，通过某园区实际案例数据验证了上述结论，结果表明本文提出的方法经济合理。
采用随机模型预测控制方法的储能系统两阶段能量管理
工业消费者越来越倾向于投资光伏 (PV) 和储能系统 (ESS) 来满足其电力需求。然而，负载需求和光伏输出的不确定性给 ESS 的运行带来了巨大的挑战。本文提出了一种基于随机模型预测控制 (MPC) 方法的 ESS 能量管理策略。采用嵌入时间序列相关性的非参数概率预测方法来描述负载需求和光伏输出的不确定性。然后，提出了一个以最小化总运营成本为目标的两阶段能量管理模型。上级可以为 ESS 生成每小时运行策略，而下级则侧重于更详细的分钟级运行策略。每小时运行策略也被用作指导下级 ESS 运行的基础。此外，引入机会约束以实现光伏用电量和电价之间的双赢解决方案，而 ESS 容量的终值约束可以更好地应对预测时间窗口之外的不确定性。最后，数值结果表明所提出的方法可以实现有效的ESS能量管理策略。
Ahmed, A.、Sutrisno, SW 和 You, S. (2020) 规划可再生能源使用和碳节约的两阶段多标准分析方法。能源、
Ahmed, A.、Sutrisno, SW 和 You, S. (2020) 规划可再生能源使用和碳节约的两阶段多标准分析方法。能源，199，117475。
风能 - 造巨石的两阶段调度方法 -
随着化石能源危机和环境污染，风能和其他可再生能源一直在蓬勃发展。然而，风能的强烈间歇性和波动性使其整合到网格中。为了解决此问题，本研究提出了一种互补的发电模型，该模型是风能泵的存储系统，该模型使用水力发电和泵送存储来调整风力的极高。如何考虑风能输出的不确定性和不可预测性，并使更可靠的水力发电计划和抽水存储生成计划是在网格中以高比例的可再生能源而解决的关键问题。预测演化的martingale模型用于描述不同区域中风能的不确定性演变。根据该区域中的灵活载荷，灵活指数用于量化灵活性，交易价格设置为与灵活性成正比。然后开发了日间和实时调度模型的两阶段框架。在白日阶段，不同地区彼此交易。如果交易后的电力不平衡，它将由水电和满足电力需求的电网补充。在实时阶段，添加泵存储以快速平衡风能的偏差和实时和日间阶段之间的负载。最后，考虑到水力发电对电网中风能消耗的积极影响，提出了一种基于改进的沙普利价值方法的好处分配方法。测试案例以验证提出的分配模型和益处分配方法的合理性。在水力发电和抽水储存的合作之后，平均收入增长率为3.02％。改进的益处分配方案使水力发电和抽水储存更加好处，并促进了多参与者的合作。
考虑电转气存储和风力发电成本的综合电力和天然气系统两阶段随机调度
电转气 (P2G) 设施和天然气发电装置为综合电力和天然气系统 (IENGS) 提供了灵活性，可用于风电调节和爬坡部署。本文提出了一种考虑 P2G 储能和风电爬坡成本的 IENGS 随机协调调度模型。介绍了带有 P2G 的天然气系统的运行模型，并分析了 P2G 集成的优势。为了解决风电和能源负荷的不确定性，生成了多种代表性场景。本文结合并分析了灵活的爬坡要求和成本，发现 P2G 可以提供灵活的爬坡。IENGS 的协调调度模型被表述为一个两阶段随机规划问题，其中第一阶段模型对电力系统的日前调度进行建模，第二阶段模型对天然气系统进行调度。对改进的 PJM 5 总线电力系统（带有 7 节点天然气系统）以及 IEEE 118 总线系统（带有 20 节点比利时天然气系统）进行的数值案例研究验证了 P2G 可以帮助容纳风电、提供额外的灵活爬坡能力并减少来自天然气供应商的天然气供应和天然气负荷削减。
两阶段的最小值基于遗憾的奉献和虚拟发电厂的发电计划策略
摘要 - 市场和可再生能源不确定性为商业虚拟发电厂（VPP）的专业面向产品和生成调度问题带来了挑战。为了应对这些挑战，本文提出了一个两阶段的Minimax遗憾（MMR）模型，以获得最佳的VPP产品计划和固定计划策略。为了解决强烈的NP双阶段MMR问题，我们首先将其重新将其重新将其重新定为两阶段的可靠优化（TSRO）问题，然后使用固定的求助方法将其重新构成，然后使用列和构造一代一代算法来解决它，这已经证明了解决TSRO问题的有效性。在数值实验中，我们通过将MMR方法与最大化方法方法和不同假设下的完美信息方法进行比较来评估MMR方法的性能。索引术语 - 虚拟发电厂（VPP），不确定性，min- imax遗憾（MMR），两阶段强大的优化（TSRO），列和构造生成（C＆CG）