XiaoMi-AI文件搜索系统
World File Search System优化目标
LDAC-工具和应用程序.pdf
什么是 COMPASS？用于预测和分析支持结构的计算机优化模型 ( COMPASS ) 是一种维修级别分析 (LORA) 建模工具。确定最佳维修位置是每个 DoD 系统都必须面对的问题。寻找军事系统的最佳支持结构由 LORA 流程指导。COMPASS 模拟导致系统无法运行的因素、执行维修所需的人员和支持设备以及系统将在其中运行的物流环境。使用这些数据，COMPASS 可以告知领导层和决策者执行纠正性维护措施的最佳位置、支持资源（人员和支持设备）的数量和放置规划以及优化目标可用性和成本所需的备件。COMPASS 由 USAMC LDAC 开发和维护，可免费提供给 DoD 实体和相关承包商。
RL-OPC：通过深度强化学习进行掩模优化
摘要 — 掩模优化是先进技术节点 VLSI 制造过程中的重要步骤。作为最具代表性的技术之一，光学邻近校正 (OPC) 被广泛应用于提高可印刷性。由于传统 OPC 方法消耗的计算开销过大，近期研究已将机器学习技术应用于高效的掩模优化。然而，现有的判别学习模型依赖给定的数据集进行监督训练，而生成学习模型通常利用代理优化目标进行端到端学习，这可能会限制可行性。在本文中，我们率先引入了用于掩模优化的强化学习 (RL) 模型，该模型无需利用可微代理即可直接优化首选目标。大量实验表明，我们的方法优于最先进的解决方案，包括学术方法和商业工具包。
RL-OPC：通过深度强化学习进行掩模优化
摘要 — 掩模优化是先进技术节点 VLSI 制造过程中的重要步骤。作为最具代表性的技术之一，光学邻近校正 (OPC) 被广泛应用于提高可印刷性。由于传统 OPC 方法消耗的计算开销过大，近期研究已将机器学习技术应用于高效的掩模优化。然而，现有的判别学习模型依赖给定的数据集进行监督训练，而生成学习模型通常利用代理优化目标进行端到端学习，这可能会限制可行性。在本文中，我们率先引入了用于掩模优化的强化学习 (RL) 模型，该模型无需利用可微代理即可直接优化首选目标。大量实验表明，我们的方法优于最先进的解决方案，包括学术方法和商业工具包。
使用视觉语言模型端到端自主驾驶
自主驾驶技术一直在迅速发展。主流体系结构涉及将整个管道分为几种不同的功能，例如感知，本地化和映射，预测，计划和控制。这个过程被认为是绩效，安全性和解释性之间的不错的权衡。但是，尽管驾驶员辅助系统（L2至L3）开始占据很大的市场份额，但高级（L4+）自主驾驶仍然落后于大规模生产。背后有几个原因：复杂的体系结构：当前的主流溶液具有二十次甚至更多模块。由于计算功率限制，单个模块的性能上限不高；系统中的内部接口太多，很难传输和优化。本地和整体优化目标有时需要冲突，因此很难观察到绩效的改进。高成本：随着模块数量的增加，研发/维护/人力成本飙升。重复发明，
GA3N：生成对抗性自动仪网络
数据增强对改善深度元学习的鲁棒性是有益的。然而，最近的深度元学习的数据预言方法仍然基于光度或几何操作或图像的组合。本文提出了一个生成的对抗自动说明网络（GA3N），用于扩大增强搜索空间并提高分类精度。要实现，我们首先使用gans扩展了图像增强的搜索空间。但是，主要的挑战是生成适合任务的图像。对于解决方案，我们通过优化目标和gan损失来找到最佳策略。然后，我们使用由策略网络确定的操纵和生成的样本作为改进目标任务的增强样本。为了显示我们的方法的效果，我们通过组合GA3N并在CIFAR-100和Tiny-ImageNet数据集上进行评估来实现分类网络。因此，我们比每个数据集上的最新自动说明方法获得了更好的准确性。
考虑抽水蓄能电站参与调峰的辅助服务市场模型
在可再生能源大规模接入电网导致系统运行灵活性不足、调峰压力增大的背景下，本文提出了一种涉及抽水蓄能电站的调峰辅助服务市场模型。首先，以调峰成本最小为优化目标，量化参与调峰机组的调峰价值，建立调峰辅助服务市场数学模型。然后，考虑抽水蓄能电站兼具源荷特性，深度挖掘抽水蓄能电站的调峰价值分担火电机组调峰压力，建立峰值辅助服务费补偿机制。最后，提出11机14节点的系统拓扑结构对本文提出的调峰辅助服务市场模型进行仿真，并验证了所提方法的有效性。
风力涡轮机氢气生产设计优化
为了满足对廉价绿色氢气的需求，已经开发出专门用于氢气生产的风力涡轮机设计优化框架。该框架通过最小化氢气平准成本 (LCOH) 目标来优化风力涡轮机。初步案例研究结果显示，与使用我们框架的 LCOE 优化涡轮机相比，LCOH 降低了 1.53%。从基线参考涡轮机到 LCOH 优化涡轮机，LCOH 降低了 12.7%。从基线参考涡轮机到 LCOE 优化涡轮机，LCOE 降低了 12.35%。与基线和 LCOE 优化涡轮机相比，LCOH 优化涡轮机具有更大的转子，其中增加的涡轮机成本由增加的氢气产量抵消。本案例研究重点关注单个风力涡轮机-电解器系统，表明使用新的优化目标可以显着节省成本。通过工厂级优化以及包括太阳能电池板和电池存储等其他技术，可以进一步节省成本。
全球变暖加速度：Hope vs Hopium常见顺序学习的贝叶斯设计原理
我们开发了一种一般理论，以优化顺序学习概率的频繁遗憾，其中有效的强盗和强化学习算法可以从统一的贝叶斯原理中得出。我们提出了一种新颖的优化方法，以在每一轮中产生“算法信念”，并使用贝叶斯后代做出决定。创建“算法信念”的优化目标，我们称其为“算法信息比”，代表了一种有效地表征任何算法的频繁遗憾的Intrinsic复杂性度量。据我们所知，这是以通用且最佳的方式使贝叶斯型算法保持不含和适用于对抗设置的第一种系统性方法。此外，算法很简单且通常可以实现。作为一种主要应用，我们为多臂匪徒提供了一种新颖的算法，该算法在随机，对抗性和非平稳环境中实现了“最佳世界”的表现。我们说明了这些原理如何在线性匪徒，强盗凸优化和增强学习中使用。
在部分差异的整合下对微观经济学模型的优化研究
摘要： - 这项研究研究了使用部分微分方程（PDE）优化微观经济模型，以提高经济效率，可持续性和稳定性。通过合并经济学，数学和优化理论原则，该研究开发了一种用于研究和优化大型经济体系的完整技术。该过程需要开发一个微观经济模型，获得相关的PDE，包括优化目标，解决优化问题并进行灵敏度分析。优化研究的统计结果表明，重要经济指数（例如制造产出，生产成本和定价波动率）的改善。讨论的重点是基于PDE的综合方法在促进经济增长，可持续性和稳定性方面的有用性。此外，基于微观经济建模，优化和基于PDE的分析的相关工作为研究结果提供了背景。这项研究推进了经济分析和优化方法，为政策制定者，公司和利益相关者提供了重大见解，旨在解决当前的经济困难并促进长期的经济发展。