XiaoMi-AI文件搜索系统
World File Search System使用状态
滑过裂缝，欧盟AI法案中的AI税收执行系统的雕刻
abtract：税收管理是最利用AI技术的州机器人之一。AI系统已经导致丑闻和开创性法学，例如Syri，Ekasa或SS SIA。最引人注目的例子是荷兰toeslagenaffaire，其中使用AI模型，税务管理局根据其种族歧视并剖析了纳税人，造成了不可侵害的危害。对AI的扩散的越来越多的认识引发了委员会提出欧盟人工智能法规提案（EU AI法案），作为控制这些外部性的监管。然而，混乱仍然围绕着《 AI法案》中税务管理杠杆的AI系统处理。没有自己的类别，尚不清楚税务管理使用的AI系统是否符合高风险系统的资格。该提案的当前版本中的这种不确定性提出了以下问题：“基于对欧盟AI法案提案草案的目的论解释，税务管理部门使用的AI系统是否应该被视为高风险系统？”这个问题分为两个部分。第1节介绍了整个欧盟税务管理的AI系统使用状态以及这些系统执行的功能的类型。第2节研究了欧盟AI法案的当前文本以及欧盟机构的不同立场是否应视为高风险系统。
在公共土地上借入坑 - 运营指南概况
在2020年4月，内阁批准了监管修正案，以使艾伯塔省能源调节器（AER）能够针对需要借用材料建造道路，垫子等的石油和天然气运营商发出表面材料处置（在某些条件下）。支持能源活动。在四月的监管修正案之前，石油和天然气运营商可以向AER申请以获得临时现场授权（TFA）或向艾伯塔省环境和公园（AEP）申请，以供更大的发掘供借用物质需求。该系统无意间偏爱多个较小的TFA，其中一个较大的坑可能更合适。多个小坑而不是一个较大的坑的累积影响会导致整体上更大的土地基础分裂，终端土地使用的损失或转换（例如，森林覆盖到水填充水坑），延迟到达最终的回收或最终土地使用状态，以及潜在的累积累积工业足迹。调节框架的变化旨在解决这些差距，并确保表面材料提取不管调节器如何公平且一致。石油和天然气行业将这项工作确定为减少繁文tape节的机会。管辖权更改
网络弹性灵活交流输电系统ABB Inc
• 目标是开发基于领域的方法，用于柔性交流输电系统 (FACTS) 的纵深防御网络安全解决方案。我们解决了与 FACTS 控制系统内部攻击相关的漏洞，例如语法正确的恶意命令和测量。存在将 FACTS 控制扩展到网络安全的机会。主要的技术挑战是设计满足所保护操作过程的速度要求的控制器扩展。我们计划使用状态估计来防止虚假数据注入；前瞻性模拟来防止恶意命令；以及时间故障传播图和马尔可夫过程进行入侵检测和控制器故障预测。我们将利用 FACTS 设备独特的动态响应，例如通过探测信号或模拟来识别并提醒操作员任何对 FACTS 设备起作用的恶意网络命令和测量。我们将为与广域测量、保护和控制 (WAMPAC) 以及监控和数据采集 (SCADA)/能源管理系统 (EMS) 交互的分布式 FACTS 系统开发网络安全解决方案。矩阵束法将用于防止广域控制 FACTS 中的中间人攻击。变分模态分解 (VMD) 技术结合决策树 (DT) 和移动目标防御，可确保广域电压控制 FACTS 的安全。开发的方法将使用各种 FACTS 设备进行测试，例如静态无功补偿器 (SVC)、串联电容器 (SC)、静态补偿器 (STATCOM) 和晶闸管控制串联补偿器 (TCSC)。
![arxiv：2407.02109v2 [cs.cv] 2024年11月23日](/simg/g:\will\search\icon\source\a\ae4d53ed1d1cc0ff7fb46a3f603ec01aff994b63.webp)
arxiv：2407.02109v2 [cs.cv] 2024年11月23日
任何模型（SAM）具有先进的分割分割，但受高分辨率图像上的高计算成本的限制。这需要下采样以满足GPU的约束，牺牲了高精度交互式分割所需的细粒度。为了解决SAM的局限性，我们专注于视觉长度外推，并提出了一个名为HRSAM的轻量级模型。外推可以使接受低分辨率的HRSAM推广到高分辨率。我们首先找到推断和注意力评分之间的联系，这使我们在Swin的注意力下基于HRSAM。然后，我们使用CUDA优化的有效记忆注意以加速HRSAM引入灵活的局部关注（FLA）框架。在FLA中，我们实施了Flash Swin的注意，与传统的Swin注意相比，速度达到了35％的速度，并提出了一种仅KV的填充机制来增强术语。我们还开发了使用状态空间模型有效扩展HRSAM的受访场的自行车扫描模块。我们通过添加锚固图进一步开发了FLA中的HRSAM ++，从而以少量的计算成本为外推提供了多尺度数据和更大的接受场。实验表明，在标准培训下，HRSAMS仅占延迟的38％。随着SAM-依据，推断会使HRSAM能够在较低的延迟下胜过教师模型。进一步的填充能够显着超过先前的SOTA。代码可在https://github.com/youhuang67/high-resolution-segment-anything.git
微电网能量调度的修改后的最大熵逆增强学习方法
摘要 - 将分布式电源资源（DERS）集成到电力系统中的普及带来了一个挑战，以优化微电能计划的调度策略。强化学习方法遇到了长期问题，因为对微电网系统的奖励函数的经验假设。尽管传统的逆增强学习（IRL）方法可以在某种程度上解决此问题，但它们遇到了对大而连续的状态空间中国家访问频率的广泛计算的限制。为了减轻此限制，我们提出了一种修改的最大熵IRL（MMIRL）方法，以从专家示范中提取奖励函数，以解决微网络调度问题。通过计算专家功能期望和学习者特征期望之间的差异来避免国家访问频率的计算。微电网优化适用于使用状态行动（s，a）功能而不是状态s功能仅用于恢复奖励，并且此设置驱动了计算上有效的方法的需求。为此，与微电网能源调度的常规方法相比，提出的MMIRL算法旨在恢复奖励功能并学习调度策略。案例研究分别在能量套利问题和带有DER的微电网系统中进行。结果证明，所提出的MMIRL方法可以以超过99％的精度学习调度策略，并且在这两种情况下都胜过其他比较方法。索引条款 - 分配的能源资源，增强学习，最大熵逆增强学习，Mi-Crogrid Energy调度和操作优化。
机构设计在动员气候金融中的作用
瘤胃代表一个动态的微生物生态系统，在响应饮食变化时，发酵代谢产物和微生物浓度会随着时间而变化。微生物基因组知识和动态建模的整合可以增强我们对瘤胃生态系统功能的系统级别的理解。但是，缺乏动态模型与瘤胃微生物群数据之间的这种整合。这项工作的目的是将通过16S rRNA基因扩增子测序确定的瘤胃微生物群时间序列整合到动态建模框架中，以将微生物数据与发酵过程中挥发性脂肪酸（VFA）的动态联系起来。为此，我们使用状态观察者的理论来开发一个模型，该模型从与每个VFA的特定产生相关的微生物功能代理数据中估算VFA的动力学。我们使用cowpi确定了微生物的代理，以推断瘤胃微生物群的功能潜力，并将其功能模块推断从KEGG（基因和基因组的京都百科全书）中推断出功能模块。使用来自体外rusitec实验的数据以及四头母牛的体内实验来挑战该方法。通过均方根误差（CRMSE）的变化系数评估模型性能。在体外案例研究中，乙酸盐的平均CVRMSE为9.8％，丁酸酯为14％，丙酸酯为14.5％。在体内案例研究中，乙酸盐的平均CVRMSE为16.4％，丁基率为15.8％，丙酸苯甲酸盐为19.8％。乙酸盐的VFA摩尔级分的平均CVRMSE为3.1％，丁酸酯为3.8％，丙酸酯为8.9％。我们的结果表明，与Microbiota时间序列数据集成的状态观察者有希望地应用了用于预测瘤胃微生物代谢的情况。
量子1
量子状态之间最突出的可区分性指标是痕量距离，量子填充性和量子相对熵，并且它们都具有单位不变的特性[1-3]。该特性的基本结果是，具有正交支撑的任何两个量子状态之间的距离始终是最大的。但是，此属性并不总是可取的。对于某些应用，自然可以使用状态| 0⟩n更接近| 1 | 0⟩（n -1）比| 1⟩n。某些理想的特性可以恢复规范基础向量的锤距，以及对输入状态上局部扰动的更一般性。这样的距离可能会为von Neumann熵提供更好的连续性边界，因为von Neumann熵在局部扰动上也很强。尤其是，一个量子器上的任何操作最多都可以通过LN 4更改状态的熵，这不取决于量子数的数量。因此，在此操作后，具有初始熵o（n）的N量状状态的熵保持O（n）。但是，这种连续性属性无法通过任何单位不变的可区分性措施来捕获，因为单位操作可以将初始状态带入正交状态，从而导致单位不变的度量的最大可能更改。在度量空间上的经典概率分布的设置中，源自最佳质量运输理论的距离已成为上面特性的突出距离。他们的探索导致在数学分析中创造了极其富有成果的领域，其应用范围从不同的几何形状和部分差异方程式到机器学习[4-6]。给定两个质量或概率分布在度量空间上，并且给定指标空间的每个点之间移动单位质量的成本，最佳的质量传输理论为每个计划分配了将第一个分布运送到第二个分布的计划。在所有可能的运输计划中，最低成本定义了分布之间的最佳运输距离[4]。成本函数最突出的选择之一是公制空间上的距离，从而导致订单1的Wasserstein距离或W 1距离。
欧盟地热能部门的发展。使用热泵的潜力
摘要：本文介绍了在选定的欧盟国家的两个方向上使用地热能的使用状态：在电力生产和热量生产过程中。在波兰，从地热能得出的安装功率的份额仅为从所有可再生能源获得的功率的0.27％，而热采集分别为26.03％。注意，地热资源以不同的方式和不同的强度使用。在全球使用这种能量时，地热热泵占据了第一名。除其他外，其高实施潜力是通过现有用户的应用规模和积极意见，整个欧盟内部市场的技术解决方案的可用性确定的，这些技术解决方案在整个欧盟内部市场，各种各样的泵生产商和安装商都具有丰富的可能性，并且通常具有与太阳能系统或热量存储合作的可能性，以及获得投资支持的可能性。仅通过网络加热来占用地热能的使用方面的第二名。在这种情况下，由于需要建立一个钻孔网络，或者是因为搜索具有所需水力技术参数的地质视野的过程以及在预期的时间间隔带来的风险。为2022 - 2040年在波兰开发使用地热资源的长期计划，并在某些地区直到2050年，由气候和环境部发表。作为该计划的一部分，一个名为“在波兰共享热水”的项目，以及其他关于在该国最有希望的地区的搜索和认可的15个孔，以搜索和认可上述水域，以利用深度地热地热的源头。优先补贴计划着重于个人供暖的发展，这在波兰很受欢迎。在“我的电力”，“我的温暖”等计划中，“清洁空气”可以从欧盟资金（包括已安装的热泵）那里获得资金。在国家研究所的石油和天然气研究所讨论了研究工作，其中包括将Wandle hydernocloners用于地热目的的可能性，考虑到在其序列化过程中将CO 2用作地热能载体的可能性。考虑到高温和压力，提出了创建地热对象的数值模型，选择适当的钻孔，水泥捐赠或操作流体的问题。
UDC 534.08 基于 MEMS 的状态监测无线振动传感器 Serhii V. Ivanov、Pavlo B. Oliynik
电信系统研究所伊戈尔·西科斯基基辅理工学院，乌克兰基辅背景。在监测旋转机器（尤其是重型机器）的振动时，传感器电缆经常会出现问题。这些电缆通常很长、很重且容易损坏。目的。本文的目的是基于 MEMS 加速度计开发一种没有这些问题的无线振动传感器。开发的传感器应提供低功耗、至少在 10…1000 Hz 范围内的线性频率响应、计算振动 RMS 并在此基础上检测机器状况。方法。开发基于 8 位 MCU 的无线传感器设计。开发基于频谱分析的 MEMS 频率响应校正方法。将开发的传感器与工业压电传感器进行比较。结果。开发的传感器可代替工业压电振动传感器。此外，基于 MEMS 的传感器允许将基本的机器状态检测过程从高级系统转移到传感器级。这反过来又允许减少网络流量并简化整个状态监测系统。结论。开发了用于状态监测的基于 MEMS 的无线振动传感器。进行的测试表明，所开发的传感器性能良好，其精度可与工业压电传感器相媲美。关键词：振动；MEMS 加速度计；无线振动传感器；Wi-Fi；旋转机械监测。1. 简介在重型机械（蒸汽轮机、发电机、造纸机）的状态监测系统中，传感器的连接是一个问题。目前不使用具有电荷输出的传统压电加速度计，因为它们的电缆长度（通过电缆容量）甚至电缆安装（由于摩擦电噪声）都会影响传感器的输出信号。具有 ICP 输出的加速度计不受传统加速度计的限制，但在重型机器上安装这些传感器时需要使用数十米长的屏蔽电缆。由于长度和重量，使用这种电缆不方便。此外，人员在机器维护过程中经常会损坏长电缆及其连接器。解决该问题的一个可能方法是使用无线通信传输测量的振动数据。但是，带有无线发射器和 ICP 传感器的测量模块需要大功率电源才能确保其运行。因此，必须考虑使用基于微机电系统 (MEMS) 加速度计的传感器，以便为状态监测和诊断系统提供小型、低功耗的替代方案，以取代传统的工业测量系统。除了质量小、功耗低之外，基于 MEMS 的传感器将比工业传感器便宜得多，从而能够使用状态监测系统
BCI 简介及其在视频游戏中的应用：评论
诺亚·托马森 诺克斯维尔韦伯学校 摘要 视频游戏的输入方式多种多样，包括键盘、鼠标、控制器和许多其他方法。脑电图 (EEG) 是一种戴在头上的帽子，可以检测大脑中的电信号。这种设备正被视为传统控制器的替代品或补充。EEG 可以与计算机一起使用，成为脑机接口 (BCI)，在游戏和来自大脑的直接信号之间建立反馈回路。BCI 越来越多地用于视频游戏，无论是用于娱乐还是严肃目的。在本文中，我们回顾了 BCI 的组成部分，并评估了其在视频游戏中的总体使用状态。我们描述了 EEG、要测量的输入、常见的预处理技术和不同的机器学习算法。我们评估了游戏制作方面，讨论了制作的各种游戏。我们在论文的最后列出了当前不同学科的局限性，并指出了可能需要进一步创新才能使该技术普及的领域。简介 传统视频游戏通常使用键盘和鼠标输入来控制游戏中的特定动作。其他输入包括游戏手柄和手持控制器，甚至可能是方向盘。所有这些都需要用手来移动或按下组件。过去几十年来，人们一直在尝试一种新颖的输入方法，即使用来自用户大脑的原始电信号。该过程包括使用特定方法解码这些信号，以完全绕过身体的附属物。这实际上使用户能够用他们的思想来控制游戏。由于输入方法不需要用户移动，因此它也可以用作传统方法的补充，而不是替代。虽然这项技术有点新，并且有许多局限性，但这是一个很有前途的领域，能够展示大脑信息传输和解码的状态。本文介绍了该领域的现状和术语，以及可以进一步研究的内容。测量方法该过程的很大一部分是首先选择用于测量的仪器。脑机接口 (BCI) 的正式定义是一种试图建立从大脑到外部计算机的直接通信渠道的系统，绕过诸如周围神经系统之类的自然通信渠道 (Blankertz 等人，2007)。它在大脑和外界之间创建实时循环交互。BCI 的输出会影响用户的意图，进而影响构成输出的大脑信号的解码 (Wolpaw，2013)。该系统的一部分是一种通过检测神经动作电位的极小电脉冲来捕捉神经活动的设备。其中大部分都包含在大脑周围的直接区域内，但一小部分可以穿透到头皮（Kuzovkin，2011）。这带来了检测这些微小电脉冲的不同方式，通过可以戴在头上或通过手术植入的设备，产生了不同类型的 BCI，具有不同程度的优点和缺点。皮层下或皮层