XiaoMi-AI文件搜索系统
World File Search System估计问题
NIST Fl 和 F2
从表 I 中可以看出，2001 年的频率不确定度主要由冷铯原子碰撞产生的自旋交换偏移所致。事实上，这种偏移被预测为最“麻烦的原子喷泉系统效应”[I]。从那时起，几种新技术已被用于解决喷泉频率标准中自旋交换偏移的估计问题 [2, 3]。自旋交换偏移不再是当今使用的最佳喷泉频率标准的主要问题。在表 I 中，我们显示自旋交换不确定度在 2008 年降低到 Of / fo ~ 7 X 10- 17 ，远小于与黑体辐射偏移和微波效应相关的频率不确定度。这种趋势在各个实验室的其他铯频率标准中得到了呼应。
使用分散物理感知神经网络进行多区域配电系统状态估计
摘要：有源配电网的发展需要更准确、计算成本更低的状态估计。在本文中，作者研究了一种基于分散学习的大型配电网配电系统状态估计 (DSSE) 方法。所提出的方法将馈线级 DSSE 分解为可以独立解决的子区域级估计问题。所提出的方法是分散修剪物理感知神经网络 (D-P2N2)。物理电网拓扑用于简约地设计 D-P2N2 不同隐藏层之间的连接。基于从智能电表收集的三相配电系统功率流一年的负载消耗数据，开发了蒙特卡洛模拟，以生成测量和电压状态数据。选择 IEEE 123 节点系统作为测试网络，将所提出的算法与经典的加权最小二乘法和最先进的基于学习的 DSSE 方法进行基准测试。数值结果表明，D-P2N2 在估计精度和计算效率方面优于最先进的方法。
单台机器问题的深度学习驱动算法最小化总迟到
在本文中，我们研究了深度学习方法来解决众所周知的NP单机调度问题，目的是最大程度地减少迟到的目的。我们提出了一个深层的网络，该网络是基于Lawler的分解和Della Croce等人提出的基于Lawler的分解和对称分解的单次调度算法中标准值的多项式估计器。本质上，神经网络通过估计问题分解为子问题来指导算法。本文还描述了一种生成培训数据集的新方法，该方法可以加快培训数据集的生成并减少解决方案的平均最佳差距。实验结果表明，我们的机器学习驱动的方法可以有效地将信息从训练阶段概括为明显更大的实例。尽管训练阶段使用的实例从75到100个工作岗位，但多达800个工作岗位的实例的平均最佳差距为0.26％，几乎是最先进的启发式启发式差距的差距差不多五倍。
使用随机下降法对异步传感器配电网络进行状态估计：预印本
摘要 —本文研究了带有异步传感器的配电网的状态估计问题，该配电网由具有多种采样和报告率的智能电表和相量测量单元 (PMU) 组成。我们考虑了两种独立的状态估计和跟踪场景，状态为电压或电流。利用这两组数据，我们研究了 (a) 完整数据（假设所有测量值均可用）和 (b) 有限数据（采用在线算法方法通过在可用时处理测量值来估计可能随时间变化的状态）下的估计。所提出的算法受到经典随机梯度下降 (SGD) 方法的启发，根据先前的估计和新获得的测量值更新状态。最后，我们通过 IEEE-37 测试网络上的数值模拟证明了估计和跟踪的有效性，同时还强调了以电流为状态的估计如何导致更快的收敛。
计算早期断层的基态性质
在应用量子计算中，大量研究致力于分子和材料基态能量估计问题。然而，对于许多具有实际价值的应用，必须估计基态的其他属性。这些包括用于计算材料中电子传输的格林函数和用于计算分子电偶极子的单粒子约化密度矩阵。在本文中，我们提出了一种量子-经典混合算法，使用低深度量子电路以高精度高效地估计此类基态特性。我们对各种成本（电路重复、最大演化时间和预期总运行时间）进行了分析，这些成本与目标精度、光谱间隙和初始基态重叠有关。该算法提出了一种使用早期容错量子计算机进行行业相关分子和材料计算的具体方法。
锂离子电池的建模和估计
摘要：锂离子电池被广泛认为是电化学能源存储的领先技术。他们在汽车行业的应用，并与可再生能源电网的一体化强调了他们当前的重要性，并预期了他们的实质性未来影响。但是，负责电池监视和控制的电池管理系统需要考虑几个状态，例如电荷状态和健康状况，无法直接测量。为了估算这些指标，使用电池数学模型和基本测量值（例如电压，电流或温度）的算法。本综述着重于对各种模型的全面检查，从复杂但接近物理化学现象到计算更简单但对物理的不了解。估计问题和算法发展的正式基础；和锂离子电池监测中使用的算法。目的是提供一份实用指南，阐明不同的模型并有助于导航不同的现有估计技术，从而简化了开发新的锂离子电池应用程序的过程。
扩展卡尔曼滤波器设计及船舶运动预测...
摘要 — 本文使用来自自动识别系统 (AIS) 的实时数据和扩展卡尔曼滤波器 (EKF) 设计来解决船舶运动估计问题。AIS 数据从全球船舶传输，甚高频 (VHF) AIS 接收器以美国国家海洋电子协会 (NMEA) 指定的格式接收信号作为编码的 ASCII 字符。因此，必须使用解析器解码 AIS 语句以获得实时船舶位置、航向和速度测量值。状态估计用于碰撞检测和实时可视化，这是现代决策支持系统的重要特征。使用来自挪威特隆赫姆港的实时 AIS 数据验证了 EKF，并证明估计器可以实时跟踪船舶。还证明了 EKF 可以预测船舶的未来运动，并在防撞场景中分析了不同的规避动作。索引术语 — 卡尔曼滤波器、状态估计、运动预测、碰撞检测、无人水面航行器、船舶
接近...
摘要：量子振幅估计（QAE）算法是一种主要的量子算法，旨在实现二次加速。直到实现易于断层的量子计算为止，与经典的蒙特卡洛（MC）具有竞争力一直难以捉摸。已经开发出替代方法，以便在保持有利的理论规模的同时需要更少的资源。我们将标准QAE算法与两个嘈杂的中间尺度量子（NISQ）在数值集成任务上的友好版本与大都会的蒙特卡洛技术 - 黑斯廷斯作为经典基准。分别根据样品数量，计算时间和解决方案所需的量子电路的长度来评估算法。在11 Quibent的捕获量子计算机上测试了两个QAE替代方案的有效性，以验证哪种解决方案可以首先在积分估计问题中加快速度。我们得出的结论是，对于使用阶段估计常规而言，另一种方法是可取的。的确，最大似然估计保证了量子电路的长度与积分估计中的精度以及对噪声的更大阻力之间的最佳权衡。
使用高斯积分变换的光谱密度估计
由于Feynman [1]和Lloyd [2]的第一个开创性作品，量子计算被认为是探索与经典计算工具相关的强大相关多体系统的量子动力学的可能途径。哈密顿模拟算法的最新进展[3-6]允许对像计算不平衡外的dynamics [7]一样多样化的计算成本，独特的散射跨点[8，9]和基态能量估计[10]。大多数提出的算法仍然需要许多门太大，无法在NISQ设备上进行应用[11]，并且需要更多的工作才能降低这些成本（例如，请参阅Eg。[9]最近分析了中微子核散射的要求）。在Somma [12]的最新工作中，我们在这项工作中提出了一种新的量子算法，具有几乎最佳的计算成本（就甲骨文调用而言），以研究光谱密度估计问题。尤其是给定栖息地操作员ˆ O，这项工作的目的是获得有效的算法，以近似频谱密度操作员ˆρ（ω）=δ（ω -− ˆ o），并使用DIRAC DIRAC DELTA函数。使用操作员的特征态ˆ o我们具有以下频谱表示
使用实时自动识别系统 (AIS) 数据进行扩展卡尔曼滤波器设计和船舶运动预测
摘要 — 本文使用来自自动识别系统 (AIS) 的实时数据和扩展卡尔曼滤波器 (EKF) 设计来解决船舶运动估计问题。AIS 数据由全球船舶传输，甚高频 (VHF) AIS 接收器以美国国家海洋电子协会 (NMEA) 指定的格式接收编码的 ASCII 字符信号。因此，必须使用解析器解码 AIS 语句以获取实时船舶位置、航向和速度测量值。状态估计用于碰撞检测和实时可视化，这是现代决策支持系统的重要功能。使用来自挪威特隆赫姆港的实时 AIS 数据验证了 EKF，并证明了估计器可以实时跟踪船舶。还证明了 EKF 可以预测船舶的未来运动，并在防撞场景中分析了不同的规避动作。索引词——卡尔曼滤波器、状态估计、运动预测、碰撞检测、无人水面舰艇、船舶