XiaoMi-AI文件搜索系统
World File Search System二阶
机器学习对梁柱的二阶分析 -
细长钢构件的二阶分析可能具有挑战性，尤其是在涉及大挠度的情况下。本文提出了一种基于机器学习的新型结构分析（MLSA）方法，用于对梁柱进行二阶分析，这可能是使用过度简化的分析方程或传统的有限元元素方法的普遍解决方案的有前途的替代方法。常规机器学习方法的有效性在很大程度上取决于所提供数据的定性和定量。但是，在结构工程实践中，这些数据通常很少且昂贵。要解决这个问题，采用了一种新的，可解释的基于机器学习的方法，名为“物理知识的神经网络”（PINN），在该方法中，将利用物理信息来定位学习过程，以创建一个自欺欺人的学习过程，从而可以自我培训，从而可以训练很少甚至没有预性数据集以实现准确的近似值。这项研究将Pinn方法扩展到了钢梁柱的二阶分析问题。给出了管理方程式的详细推导以及培训过程的基本物理信息。提供了Pinn框架和训练程序，其中采用了自适应减肥控制算法和转移学习技术以提高数值效率。可实用性和准确性通过四组验证示例验证。
用于二阶 Delta-Sigma 调制器的四路数字滤波器
2 • 四个独立可编程数字滤波器 AMC1210 是一款四通道数字滤波器，专为电机控制应用中的电流测量和旋转变压器位置解码而设计。每个输入都可以接收独立的 delta-sigma (ΔΣ) 调制器位流。位流由四个可单独编程的数字抽取滤波器处理。AMC1210 还提供灵活的接口和全面的中断单元，允许定制数字功能和即时数字阈值比较，以进行过流监控。
二阶圆锥编程和支持向量机的量子算法
δ2log（1 /ϵ），其中r是SOCP的等级和n，δ界限了中间溶液与锥形边界的距离，ζ是由√n的参数上限，κ是在经典IPM中出现的矩阵的上限。该算法将其输入作为任意SOCP的合适量子描述，并输出了给定问题的δ-差异ϵ-最佳解决方案的经典描述。此外，我们执行数值模拟，以确定上述参数的值，然后将SOCP求解至固定的精度ϵ。我们提供了实验证据表明，在这种情况下，我们的量子算法在最佳的经典算法上表现出多项式加速，用于解决时间O（NΩ+0。5）（在这里，ω是矩阵乘法指数，值约为2。37理论上，在实践中最多3）。对于随机SVM（支持向量机）大小O（n）的实例，量子算法量表为O（n K），其中指数k估计为2。59使用最小二乘力法。在同一家庭随机实例上，外部SOCP求解器的估计缩放指数为3。31对于最先进的SVM求解器为3。11。
设计具有电子可控质量的双二阶滤波器...
摘要：本文介绍了一种双二阶频率滤波器电路。电压模式下具有五种功能的标准频率滤波器。使用VDCC器件，电压为±5VDC，具有并联无源RLC配置的多输入、单输出形式。并且使用2个电容器和2个电阻器，它可以在不改变结构的情况下过滤五个标准频率函数：AP，BP，HP，LP和BR。它具有电路结构简单的突出特点。可以通过调节偏置电流来调整品质因数，通过调节电容器来控制固有频率。发现电路的综合与理论一致。通过使用PSPICE程序模拟结果来验证结果。关键词——双二阶滤波器，VDCC，电子可控，ABB，MISO。
用于多智能体轨迹预测的二阶图微分方程
多智能体轨迹预测是一项基础任务，可应用于自动驾驶、物理系统建模和智慧城市等各个领域。该任务具有挑战性，因为智能体交互和底层连续动力学共同影响其行为。现有方法通常依赖图神经网络 (GNN) 或 Transformer 来提取智能体交互特征。然而，它们往往忽略了智能体之间的距离和速度信息如何动态地影响它们的交互。此外，以前的方法使用 RNN 或一阶常微分方程 (ODE) 来模拟时间动态，这可能缺乏对每个智能体如何受交互驱动的解释性。为了应对这些挑战，本文提出了 Agent Graph ODE，这是一种显式模拟智能体交互和连续二阶动力学的新方法。我们的方法采用变分自编码器架构，在编码器模块中结合了具有距离信息的时空Transformer和动态交互图的构建。在解码器模块中，我们采用具有距离信息的GNN来建模智能体交互，并使用耦合的二阶微分方程(ODE)来捕捉底层的连续动力学，该微分方程通过建模加速度和智能体交互之间的关系来构建模型。实验结果表明，我们提出的Agent Graph ODE在预测精度方面优于最先进的方法。此外，我们的方法在训练数据集中未见的突发情况下也表现良好。
为口头和非语言的一阶和二阶理论的任务电池开发和验证
本文提出了一个新的工具包，用于评估思维理论（TOM），通过一阶和二阶错误信念（FB）任务。该工具包包括一阶和二阶FB任务的口头和非语言版本；口头版本目前可提供希腊语和德语。工具包中的方案对于可能影响性能的因素是平衡的，例如FB的原因（欺骗，位置变更，意外内容）。为了验证我们的工具包，我们在两项研究中测试了神经型成年人在非语言和言语版本中的表现：研究1，有50名母语的德语和研究2，有50位母语的希腊语者。两项研究的数据产生相似的结果。参与者在所有条件下表现良好，在第二阶FB条件下，在第二阶情况下表现出的困难略多，而在非语言中比言语版本的任务版本要多。这表明该任务是神经型成年人敏感范围的高端，预计在汤姆（Tom）中有困难的儿童和人群的敏感范围内。诸如视频范围内的欺骗和结果类型之类的因素并没有影响神经型成年人的行为，这表明该任务与这些因素没有任何混淆。言语和非语言版本的表现顺序对性能有影响。从口头版本开始的参与者比从非语言版本开始的参与者略好。这表明神经型成年人在执行非语言TOM任务时使用语言介导TOM表现并从语言介导的任务中学习。得出结论，我们的结果表明，工具包中的场景具有可比的困难，可以自由地组合以将未来研究的需求与神经典型的儿童和自闭症患者以及其他人群以及已被证明在汤姆（Tom）中有很强的人群相匹配。
对实现的解决方案的定量独特延续到平面中的二阶椭圆方程
在1D（M. Pierre）中进行证明： - u'' + v（x）u = 0 in r，| u（x）| ≤exp（ - | x |1+ε）。通过集成，我们很容易获得| u'（x）| ≤cexp（ - | x | 1+ε）。偶性参数：令φS.T。- φ'' +vφ=符号（u），φ（0）=φ'（0）= 0。Gronwall的论点：| φ（x）| + | φ'（x）| ≤cexp（c | x |）。r r - r | u | = r r r - r u·标志（u）= r r r - r u（-φ'' +vφ）= [ - φ'U +φu'] r -r -r -r -indue r e r e r e -r e -r e -r 1+ε→0。
分子轨道能量分离异常高时的二阶 Jahn-Teller 相互作用
完整作者列表：Wedler, Henry；加利福尼亚大学戴维斯分校，化学 Wendelboe, Paul；加利福尼亚大学戴维斯分校，化学 Tantillo, Dean；加利福尼亚大学戴维斯分校，化学；Power, Philip；加利福尼亚大学化学系