XiaoMi-AI文件搜索系统
World File Search System向量和
基于原子向量和深度学习的超导体临界温度预测
摘要：本文提出一种结合卷积神经网络（CNN）和长短期记忆神经网络（LSTM）的混合神经网络（HNN）来提取材料的高级特征用于超导体的临界温度（T c）预测。首先，通过从材料计划（MP）数据库中获取73,452个无机化合物并构建原子环境矩阵，通过对原子环境矩阵进行奇异值分解（SVD）得到87个原子的向量表示（原子向量）。然后，利用所得原子向量按照超导体化学式中原子的顺序实现超导体的编码表示。使用12,413个超导体训练的HNN模型的实验结果与三种基准神经网络算法和多种机器学习算法进行了比较，采用了两种常用的材料表征方法。实验结果表明,本文提出的HNN方法能有效提取超导体原子间的特征关系,对T c 的预测具有较高的准确率。
使用梯度向量和支持向量机
摘要：在克服Covid-19之后，世界各地的旅游需求再次上升。同时，对生态友好性的兴趣再次增长，并且正在努力建立一个环保的旅游生态系统。在这项研究中，假设采用了电池供电的电动城市旅游巴士，而不是现有的内燃机城市旅游巴士，我们试图开发用于电池供电的电动城市旅游巴士系统的最佳设计和操作算法。发达的算法追求了该计划的最大化，该算法是通过城市旅游巴士和电动城市旅游巴士系统的整体成本来计算的。此外，算法的决策变量是电动城市旅游巴士运营的日常数量和间隔，这与旅游需求，电动城市旅游总线的电池容量有关，以及是否安装了电视仪型无线充电器，还是在巴士站安装。操作研究方法用于开发设计算法，并得出数值示例是最佳设计的结果，以验证所提出的算法通过指代夏威夷瓦阿伊瓦胡岛的蓝色手推车线的操作情况。因此，发现可以通过更改指定路由的日常数字和间隔来实现最大化。
