XiaoMi-AI文件搜索系统
World File Search System分散控制
MCWP 3-25 飞机和导弹控制 - Marines.mil
海军陆战队作战出版物 (MCWP) 3-25《飞机和导弹控制》取代了舰队海军陆战队手册 (FMFM) 5-60《飞机和导弹控制》。MCWP 3-25 专为海军陆战队空地特遣部队、海军远征军和联合部队指挥官、他们的参谋人员以及参与规划和执行航空指挥和控制行动的任何其他海军陆战队人员而设计，讨论了飞机和导弹的控制如何将海军陆战队的六项功能整合为一个有凝聚力的努力。它进一步介绍了航空控制的原则；海军陆战队的集中指挥和分散控制理念；海军陆战队对飞机和导弹的控制在海军陆战队空地特遣部队、海军远征军和联合部队行动中的整合；海军陆战队部队组成指挥官在被指定为空域控制时的职责
麦吉尔人工智能优势
Tal Arbe l 教授：计算机视觉；医学图像分析 Peter Caines 教授：混合系统控制；平均场博弈 James Clark 教授：计算机视觉；视频；智能显示 Jeremy Cooperstock 教授：人机界面 Greg Dudek 教授：现场机器人、自动驾驶汽车 Frank Ferrie 教授：计算机视觉；人机交互 Paul Kry 教授：计算机图形学；物理建模；机器人艺术 Mike Langer 教授：计算机视觉 Martin Levine 教授：计算机视觉；体育视频分析 Aditya Mahajan 教授：分散控制；机器学习 David Meger 教授：现场机器人；人机交互 Joëlle Pineau 教授：机器学习；辅助机器人 Kaleem Siddiqi 教授：计算机视觉；医学图像分析
复合储能直流微电网无通信电压恢复功率共享
在本文中，我们提出了一种新的分散控制和功率共享策略来管理能源 (ES)、储能系统 (ESS) 和公共直流链路之间的功率流。在所提出的技术中，我们消除了 ESS 之间的所有通信，以降低复杂性并提高可靠性，保持直流链路电压恢复。在这种情况下，电池和超级电容器 (UC) 是 ESS，而 ES 可以是任何电源，例如光伏、风能、燃料电池等。该技术根据电池的充电状态 (SoC) 和能量容量按比例共享电池之间的微电网功率不平衡，实现 SoC 均衡。该技术还促进了 UC 的电压恢复，在功率瞬变期间提供功率峰值后保持其平均电压恒定。对于所有 ESS，仅测量局部变量，例如局部电流和直流链路电压，ESS 之间没有共享数据。进行了小信号和稳定性分析，以及实验室台架上的实验结果，证明了该技术的可行性和性能。
DIL 定制数据结构：赋能……
摘要 本白皮书探讨了在断开、间歇和受限 (DIL) 环境中为网络运营 (NetOps) 实施定制数据结构。NetOps 在有效收集和利用数据方面面临重大挑战，导致决策不理想，任务成功率降低。数据结构是一种解决方案，它提供统一一致的 NetOps 数据视图，同时解决带宽限制和不利条件。它结合了关键技术机制，包括延迟数据传输、本地处理、云集成、节点级独立性、高效带宽控制、数据集成和转换、持续监控和优化、分散控制和强大的数据治理。通过实施数据结构，NetOps 人员可以增强对分布式数据的可视性，从而实现高效的决策流程并降低数据整合的复杂性。关键数据的优先级优化了 DIL 环境中的资源分配。此外，国防和商业部门之间的协作努力促进了知识交流和创新。采用 DIL 定制的数据结构可带来各种好处，包括增强态势感知、数据驱动的决策和运营效率。这种转变使 NetOps 能够克服挑战、优化决策并在 DIL 环境中取得任务成功。通过拥抱数据
朝着人类AI团队中加强学习的计算模型
摘要在不断发展的人工智能领域（AI）中，研究正在从专注于个别自主代理转变为探索代理团队的动态。这种转变需要从具有统一能力（同质）的代理转变为表现出多种技能和功能（异质）的人。在此阶段，对混合人类团队的研究是这种演变的自然扩展，有望将AI的应用扩展到其传统，高度控制的环境之外。但是，这种进步为学习系统带来了新的挑战，例如可信度和解释性。这些素质对于确保混合团队的有效合作和决策至关重要，在混合团队中，相互合作和分散控制是基本的。强化学习是一种灵活的学习框架，可以很好地适应半结构化的环境和互动，例如本工作中正在考虑的那些。本文旨在为弥合多代理增强学习（MARL）与其他专注于人类在团队中的存在或深入研究人类互动之间的差距。我们探讨了如何将MARL框架适应人类团队，突出一些必要的建模选择，讨论关键的建模决策，并突出主要的挑战和约束。我们的目标是为混合学习团队建立一个统一的框架，鼓励跨学科的捐款，以改善MARL的复杂环境。
2024 年华盛顿州区块链报告
区块链技术已经引起了广泛关注，其关注范围已经超出了其最初的技术和加密货币社区支持者。分散控制、减少治理层级、个人数据主权和增强隐私等概念吸引了那些倾向于减少集中权力和增强个人权力的人。最近，区块链技术的应用在公共和私营部门都得到了广泛应用，特别是在监管合规是成功关键的领域。华盛顿州拥有由大型和小型创新科技公司组成的充满活力的生态系统，再加上政治上进步的选民和领导层，是探索区块链技术融合及其在公共和私营部门的潜在用途的理想选择。参议院法案 5544，即华盛顿州区块链工作组法案，委托撰写了一份报告，其中包含立法建议，内容涉及区块链和区块链相关技术如何为该州和我们的居民带来好处。然而，由于预算和时间问题，成立区块链工作组的立法授权在 2023 年 12 月 31 日还未开始就已到期。商务部于 2023 年 11 月填补了信息和通信技术 (ICT) 部门领导职位。在这一关键职位人选到位后，立法机关同意将报告交付截止日期延长至 2024 年夏季。从那时起：
对智能电网整合和优化的人工智能方法的全面审查
技术进步，城市化，高能源需求和减轻碳足迹的全球需求，导致采用了创新的绿色技术进行能源生产。绿色技术与传统网格的集成为您带来了巨大的好处。这种合并可能会由于间歇性可再生能源生产和非线性能耗模式而带来功率不匹配的困境，这可能会影响整个系统的可靠性和运营效率。有效的能源管理系统（EMS）对于处理与可再生能源生产和负载需求相关的不确定性至关重要，同时选择分布式能源发电源的运行。本最先进的评论介绍了基于人工智能的解决方案，以改善EMS，重点介绍发电源的最佳调度，预测负载和可再生能源生产以及基于多代理的分散控制。审查的发现，高级元启发式算法可以克服捕获本地Optima和过早融合的挑战，因此，现在它们被广泛采用并有效地用于调度问题。为了减轻可再生能源产生和负载需求的不确定性，长期的短期记忆和卷积神经网络可以管理可再生和负载数据集的时空特征，并预测结果高度准确。基于多代理的系统为复杂问题提供了分布式控制，这些问题在计算上便宜，并且优于集中式方法。观察到高级元启发式优化技术和混合机器学习和深度学习模型的使用增加，以进行优化和预测应用。先进的元启发式算法是文献中的一个很好的补充，它们仍处于新兴阶段，并且可以进一步提高其性能。本综述还提出了互连的微网格之间的分散和集中式EMS的能量共享机制。使用先进的预测和元启发式算法可以潜在地处理可再生能源生产和负载需求的随机性质。