XiaoMi-AI文件搜索系统
World File Search System分解的
到期一年中分解的成熟度（截至2025年2月28日更新）
ID Code Issue date Redemption date Coupon/Spread Currency Outstanding Euro IT0005580003 BOT 12m 2024-01-12 2025-01-14 - EUR 9,650,000,000.00 IT0005607459 BOT 6m 2024-07-31 2025-01-31 - EUR 9,350,000,000.00 IT0005582868 BOT 12m 2024-02-14 2025-02-14-EUR 9,900,000.00 IT0005586349 BOT 12M 2024-03-14 2025-03-14-EUR 9,700,000,000.00 IT000561414182 BOT 6M 2024-09-09-09-09-30 2025-03-03-31-025-31- EUR 9,3550,000,000,000000,00000044BAT 2025-04-14 - EUR 9,925,000,000.00 IT0005595605 BOT 12m 2024-05-14 2025-05-14 - EUR 10,160,343,000.00 IT0005624447 BOT 6m 2024-11-29 2025-05-30 - EUR 8,198,829,000.00 IT0005599474 BOT 12m 2024-06-14 2025-06-13 - EUR 8,250,000,000.00 IT0005603342 BOT 12m 2024-07-12 2025-07-14 - EUR 8,800,000,000.00 IT0005633786 BOT 6m 2025-01-31 2025-07-31 - EUR 9,675,000,000.00 IT0005610297 BOT 12m 2024-08-14 2025-08-14 - EUR 7,675,867,000.00 IT0005611659 BOT 12m 2024-09-13 2025-09-12 - EUR 7,500,000,000.00 IT0005617367 BOT 12m 2024-10-14 2025-10-14 - EUR 7,500,000,000.00 IT0005621401 BOT 12M 2024-11-14 2025-11-14-欧元8,250,000.00 IT0005627853 BOT 12M 12M 2024-12-13 2025-12-12-EUR 9,350,000.00总BOT 143,235,039,000.00.00
使用TERAFLOWSDN控制器进行分解的光网络测试床
mihail balanici（1），Behnam伊斯兰教（1），穆罕默德·雷汉·拉扎（Muhammad Rehan Raza）（1），Pooyan Safari（1），Aydin Jafari（1），Vignesh Karunakaran，Vignesh Karunakaran（2），Achim Autenrieth（Achim Autenrieth（2）对于电信，Heinrich-Hertz-institut（HHI），Einsteinufer 37，10587柏林，德国，德国，电子邮件：mihail.balanici@hhi.fraunhofer.de（2）自主光学链路容量的用例调整在部分分散的测试床中。我们的提案采用了最先进的流量预报员来提供容量提供，并且在不中断端到端服务的情况下（重新）配置了（重新）配置光网络元素。
三角洲：使用大语言模型分解的有效的长期机器人任务计划
摘要 - 大语言模型（LLM）的最新进展彻底改变了许多研究领域。在机器人技术中，通过解锁前所未有的上下文意识级别，将常识性知识整合到下游任务中已大大推动了该领域。尽管知识收集了大量知识，但由于幻觉或缺少域信息，LLM可能会产生不可行的计划。为了应对这些挑战并提高计划的可行性和计算效率，我们介绍了Delta，这是一种新颖的LLM知名任务计划方法。通过使用场景图作为LLM中的环境表示，Delta实现了快速生成精确的计划问题描述。为了提高计划绩效，Delta将LLMS的长期任务目标分解为自回归的子目标序列，从而使自动化的任务计划人员能够有效地解决复杂的问题。在我们的广泛评估中，我们表明，与艺术品相比，达美航空可以实现高效且全自动的任务计划管道，达到更高的计划成功率，并明显较短的计划时间。
基于O-RAN的交通转向的状态空间分解的级联加固学习
摘要 - 我们研究开放无线接入网络（O-RAN）中的交通转向问题（TS）问题，利用其RAN智能控制器（RIC），其中RAN RAN RAN配置参数可以在接近现实的时间内共同且动态地优化。为了解决TS问题，我们提出了一种新颖的级联加固学习（CARL）框架，我们建议在其中提出状态空间分解和策略分解，以减轻对大型复杂模型和标记良好的数据集的需求。对于每个子州空间，对RL子政策进行了训练以优化服务质量（QoS）。要将CARL应用于新的网络领域，我们提出了一种知识转移方法，以根据受过训练的政策学到的知识来初始化新的子政策。为了评估卡尔，我们构建了一个数据驱动的RIC Digital Twin（DT），该数据使用现实世界中的数据进行建模，包括网络设置，用户地理分配和流量需求，以及其他tier-1 RAN操作员。我们在两个DT方案中评估了Carl，代表了两个不同的美国城市，并将其表现与惯常政策作为基线和其他竞争优化方法（即启发式和Q-表算法）进行了比较。此外，我们已经与RAN运营商进行了实地试验，以评估CARL在美国东北地区的两个地区的表现。索引术语 - 运行，交通转向，增强学习。
过苯甲酸叔丁酯分解的热危害评估和自由基抑制
摘要 过苯甲酸叔丁酯(TBPB)是一种常见的聚合反应引发剂，但其分子结构中的过氧键极易断裂，导致分解甚至爆炸。为探究TBPB的热行为，抑制反应过程中产生的自由基的热危害，采用成熟的量热技术对TBPB的热稳定性进行了测定。采用Kissinger-Akahira-Sunose (KAS)、Flynn-Wall-Ozawa (FWO)和Starink动力学方法计算了TBPB分解反应的表观活化能。通过傅里叶变换红外光谱(FTIR)实验测定了TBPB热分解产物，利用电子顺磁共振波谱(EPR)结合自由基捕获技术对反应过程中产生的自由基进行了定性分析。本研究选取自由基捕获剂及抑制剂2,2,6,6-四甲基哌啶氧基（TEMPO）作为TBPB热分解反应热失控抑制剂，验证了其对相应自由基及TBPB分解反应热失控的抑制效果。研究发现TEMPO可有效降低TBPB潜在的热危险性和事故风险，为TBPB生产、储运过程中热灾害的预防与治理提供有力参考。
使用分解的脑电信号进行压力检测的混合深度学习方法
1 西里古里理工学院计算机科学工程系-AI 与 ML，西里古里 734009，印度；bishwamail@gmail.com 2 韦洛尔理工学院博帕尔大学计算机科学与工程学院，博帕尔 466114，印度；lokesh.malviya2020@vitbhopal.ac.in（LM）；sandip.mal@vitbhopal.ac.in（SM） 3 国家理工学院计算机科学与工程系，巴特那 800001，印度；radhikesh12@gmail.com 4 鲁尔基理工学院土木工程系，鲁尔基 247667，印度；amrendraroy2k8@gmail.com 5 潘迪特·德恩达亚尔能源大学计算机科学与工程系，甘地讷格尔 382426，印度； tanmaybhowmik@gmail.com 6 仁川国立大学土木与环境工程系，韩国仁川 22022 7 仁川国立大学仁川防灾研究中心，韩国仁川 22022 * 通讯地址：jongp24@inu.ac.kr
基于密度矩阵凸分解的方差和量子 Fisher 信息的不确定性关系
我们提出了几个与罗伯逊-薛定谔不确定关系相关的不等式。在所有这些不等式中，我们考虑将密度矩阵分解为混合状态，并利用罗伯逊-薛定谔不确定关系对所有这些成分都有效的事实。通过考虑边界的凸顶部，我们获得了 Fröwis 等人在 [ Phys. Rev. A 92 , 012102 (2015) ] 中的关系的另一种推导，并且我们还可以列出使关系饱和所需的许多条件。我们给出了涉及方差凸顶部的 Cramér-Rao 边界的公式。通过考虑罗伯逊-薛定谔不确定关系中混合状态分解的边界的凹顶部，我们获得了罗伯逊-薛定谔不确定关系的改进。我们考虑对具有三个方差的不确定性关系使用类似的技术。最后，我们提出了进一步的不确定性关系，这些关系基于双模连续变量系统的标准位置和动量算符的方差，为二分量子态的计量实用性提供了下限。我们表明，在 Duan 等人 [ Phys. Rev. Lett. 84 , 2722 (2000) ] 和 Simon [ Phys. Rev. Lett. 84 , 2726 (2000) ] 的论文中讨论了这些系统中众所周知的纠缠条件的违反，这意味着该状态在计量学上比某些相关的可分离状态子集更有用。我们给出了有关自旋系统具有角动量算符的纠缠条件的类似结果。
分解的表示与物理信息的变异自动编码器进行结构健康监测
摘要。大规模对结构的手动检查和评估是劳动密集型的，而且通常是不可行的，而数据驱动的机器学习技术可能无法识别相关的失败机制，并且对以前看不见的条件的概括不佳，尤其是在有限的信息中遇到的。我们提出了一个物理知识的变异自动编码器公式，以在测量中删除混杂源的图表学习，以计算基于物理模型的潜在参数的后验分布，并在有限测量值时预测结构的响应。自动编码器的潜在空间通过一组基于物理的潜在变量进行增强，这些变量可解释，并以先验分布和基于物理模型的形式允许域知识包含在自动编码器公式中。为了防止模型的数据驱动的组件覆盖已知的物理学，训练目标中包括一个正则化项，该术语对潜在空间和生成模型预测施加约束。在合成案例研究中评估了所提出的方法的可行性。
电网侧光伏分解的贝叶斯结构时间序列：预印本
摘要 —分布式光伏 (PV) 发电通常发生在“电表后面”：电网运营商只能观察到净负荷，即总负荷和分布式光伏发电的总和。这种可观测性的缺乏对系统在总体层面和分布层面的运行都构成了挑战。缺乏对总负荷和光伏发电的实时或近期分解估计将导致能源生产和监管储备的过度调度、可靠性约束违规、控制器设备磨损以及系统的潜在连锁故障。在本文中，我们建议使用贝叶斯结构时间序列 (BSTS) 模型和本地太阳辐照度测量来分解下游测量站点的总光伏发电和总负荷信号。BSTS 是一种高度表达的模型类，它将经典的时间序列模型与强大的贝叶斯状态空间估计框架相结合。分解是概率完成的，这会自动量化估计的光伏发电和总负荷消耗的不确定性。根据实时数据可用性，它可用于分解客户站点的光伏和总负载，或可用于馈线级别。在本文中，我们专注于解决馈线级别的问题。我们使用国家太阳辐射数据库 (NSRDB) 来估计局部辐照度，比较了 BSTS 模型以及 Pecan Street AMI 数据集上一些最先进的方法的性能。
确定改善移动和固定实验中EEG数据基于ICA基于ICA的分解的关键因素
EEG硬件和分析方法中的摘要最新发展允许在固定设置和移动设置中进行记录。否则实验设置，脑电图记录被噪声污染，必须在功能解释数据之前将其删除。独立的组件分析（ICA）是一种综合使用的工具，可从数据中删除眼部运动，肌肉活动和外部噪声，并分析有关脑电图有效脑源水平的活动。过滤数据的有效性是改善先前研究的分解的一个关键预处理步骤。然而，迄今为止尚无研究比较有关ICA分解预处理的移动和固定实验的不同要求。因此，我们评估了脑电图实验，通道数量和预处理过程中高通滤波器的临界值如何影响ICA分解。我们发现，对于常用的设置（固定实验，64个通道，0.5 Hz滤波器），ICA结果是可以接受的。但是，在移动实验中应使用高达2 Hz截止频率的高通滤波器，并且更多的通道需要更高的过滤器才能达到最佳分解。在移动实验中发现了更少的大脑IC，但是即使使用低密度通道设置，使用ICA清洁数据也很重要且功能性。根据结果，我们为改善ICA分解的不同实验设置提供了指南。