XiaoMi-AI文件搜索系统
World File Search System变压器
窄带 PLC 系统的隔离变压器
注：上列隔离变压器的一部分是根据 IEC 60950“信息技术设备安全”或 IEC 61558“电力变压器、电源、电抗器和类似产品安全”制造的。它们都具有加强绝缘。过压类别、污染程度和绝缘材料组的分类可从数据表中获取。
智能变压器中性点电流优化控制...
摘要 — 在三相四线低压配电系统中，不平衡负载会导致中性电流 (NC) 形成环路，从而导致功率损耗增加和中性电位变化。与传统电力变压器相比，智能变压器 (ST) 具有严格的电流限制以避免过流。然而，其在下游低压电网电压调节方面的优势可以提供调节过度 NC 的能力。本文提出了一种闭环 NC 优化控制，一方面，在满足标准 EN 50160 要求的正常运行中最小化 NC 电流，另一方面，在极端情况下抑制 NC 电流以避免 ST 过流损坏。根据曼彻斯特地区三相四线配电网，通过硬件在环设置和基于不平衡负载曲线下的 350kVA、10kV/400V、ST 供电配电网的案例研究，通过实验测试验证了所提出的控制策略。结果清楚地证明了所提出的NC优化控制策略对NC抑制和最小化的有效性和灵活性。
抑制剂：有效变压器（学生摘要）
为了提高量化的传输器的计算效率，我们仅用涉及添加和relu激活的替代机制代替了点产生和基于软max的提示。此侧位于矩阵乘法通常需要的双重精度上的扩展，并避免了昂贵的软效果评估，但保持了传统点产物关注的大部分核心功能。它可以在资源约束的硬件或算法算术系统（例如同态加密）上获得更有效的执行并支持更大的量化变压器模型。在四个常见基准任务上进行的训练实验显示了测试集的预测分数，与传统变压器的观点相媲美。我们的缩放体验还表明，无论是在宣传和加密之外，都表明了大量的计算节省。本文中引起的基于RELU和基于加法的注意机制可以通过避免加密变量的昂贵乘法来实现在同态加密下运行的隐私AI应用。
有效的视力变压器，有部分注意力
摘要。作为视觉变压器（VIT）的核心，自我注意力在建模长期空间相互作用方面具有很高的多功能性，因为每个查询都聚集在所有空间位置。尽管VIT在视觉任务中实现了有希望的表现，但自我注意力的复杂性与令牌长度相关。将VIT模型适应需要高输入分辨率的下游任务时，这会导致挑战性问题。前瞻性艺术试图通过引入稀疏的注意力（例如空间减少关注和窗户注意力）来解决这个问题。这些方法的一个常见点是，在计算注意力重量的情况下，所有图像/窗口令牌都连接在一起。在本文中，我们发现注意力重量与造成的计算冗余之间存在很高的相似性。为了解决这个问题，本文引入了新的关注，称为部分注意力，该问题通过减少注意图中的冗余信息来更有效地学习空间相互作用。我们注意力中的每个查询只与一小部分相关令牌相互作用。基于部分关注，我们提出了一个高效而通用的视觉变压器，名为Partialformer，该变压器在视觉任务之间的准确性和计算成本之间达到了良好的权衡。例如，在Imagenet-1K上，PartialFormer-B3超过1.7％的TOP-1准确性，同时节省25％的GFLOPS，而焦点T则超过0.8％，同时节省了30％的GFLOPS。
带有解剖学先验的引导变压器
摘要。肌肉体积是运动中有用的定量生物标志物，也是对退行性肌肉疾病的随访。除了体积外，还可以通过从医学图像中分割感兴趣的肌肉来提取其他形状的生物标志物。手动细分仍然是当今此类测量的黄金标准，尽管非常耗时。我们提出了一种在3D磁共振图像上自动分割18个下肢肌肉的方法，以进行这种形态计量分析。从本质上讲，当MR图像中观察到不同肌肉的组织是无法区分的。因此，肌肉分割算法不能依靠外观，而只能依靠参观提示。然而，这种轮廓很难检测到，它们的厚度在受试者之间也有所不同。为了应对上述挑战，我们提出了一种基于混合体系结构的分割方法，结合了汇总和视觉变压器块。我们首次在肌肉分割的背景下首次研究这种混合体系结构的行为以进行形状分析。考虑到一致的解剖肌肉构型，我们依靠变压器块来捕获肌肉之间的长距离关系。为了进一步利用解剖学先验，这项工作的第二个贡献包括基于根据训练数据估算出的合理肌肉邻居的邻接矩阵增加了规则损失。我们对
研究委员会 A2——电力变压器和电抗器。......
用于配电、输电和可再生能源应用的变压器，• 电抗器，包括并联、串联、饱和和平滑电抗器，• 变压器组件，包括套管、分接开关和配件。• 在此框架内，其他具体关注领域包括：
ADSL 和·超越变压器 - 世界无线电史
数据包结构 ADSL 具有分组传输模式，数据包含在帧结构中，可以是高级数据链路控制 (HDLC) 格式，也可以是异步传输模式格式。在题为“异步传输模式系统 - ATM”的面板中，有更多关于 ATM 的内容。典型的帧由两个报头字节和最多 1600 个数据字节组成，由两个标志字节分隔。由于 ATM 广泛用于在电视演播室和制作区域内传输数字信号，因此它应该用于 DSL 系统中的类似视频需求是合乎逻辑的。虽然为 ATM 定义了五个“适配”层，每个层都有前缀 AAL，但只有 AAL l 和 AAL5 用于电视分发。AALJ 层是为恒定比特率 (CBR) 制作分发而定义的，而 AAL5 是为消费者质量 VOD 可变比特率 (VBR) 系统而定义的。每个 MPEG-2 传输流 (TS) 数据包由 204 个字节组成，而每个 A TM 单元仅包含 55 个字节。单独的面板中有更多相关信息。
LOT 2：配电和电力变压器任务 1-7
我们的简要发现（按任务顺序）如下：任务 1：变压器被定义为用于电力传输和配电系统。这些变压器可以根据其应用进行细分。配电变压器由配电系统运营商或最终用户安装，并且最常提供与低压 (LV) 配电网 (230/400 VAC) 的连接。这些变压器包括用于连接分布式能源 (DER)（例如风力涡轮机）的变压器。由输电系统运营商安装的变压器也称为“电力变压器”。它们用于中压 (MV) 和/或高压 (HV) 电网。另一类较小的工业变压器是隔离（分离）变压器或安全超低压 (SELV)（控制）外部电源变压器。较小的工业变压器是根据其他标准制造的，并且不连接到中压系统，因此很容易区分。根据 EN 60076-1（IEC 60076-1），电力变压器一般被视为 1 kVA 单相和 5 kVA 多相以上的变压器（包括自耦变压器），因此本研究不考虑较低的额定值。任务 1 还准确地揭示了正在使用的立法和标准。变压器最重要的效率参数是空载和负载损耗，它们是使用阶段电力损耗的原因。根据变压器类型，这些参数由不同的标准涵盖：
灵巧的抓紧变压器-CVF Open Access
在这项工作中，我们提出了一种新颖的歧视性框架，用于灵巧的掌握生成，称为d外部g rasp tr ansformer（dgtr），能够通过仅使用一个向前的通行方式处理对象点云来预测一组可行的抓握姿势。我们将敏捷的掌握生成作为设定的预测任务，并为其设计一个基于变压器的握把模型。但是，我们确定此设置的预测范式在灵活的掌握领域遇到了几种优化的挑战，并导致限制性能。为了解决这些问题，我们提出了培训和测试阶段的渐进策略。首先，提出了动态静态匹配训练（DSMT）策略，以增强训练阶段的光学稳定性。第二，我们使用一对对抗性损失来实现对抗平衡的测试时间适应（ABTTA），以提高测试阶段的掌握质量。dexgraspnet数据集的实验结果证明了DGTR可以预测具有高质量和多样性的灵活掌握姿势的能力。值得注意的是，在保持质量高的同时，DGTR Sigsigs所预测的Grasp的多样性明显优于先前的多个指标，而没有任何数据预处理。代码可在https://github.com/isee-laboratory/dgtr上找到。