XiaoMi-AI文件搜索系统
World File Search System基准模型
Blothppo：一种近端政策优化增强机器人布操作的框架，并通过观察对齐的动作空间
基于视觉的机器人布的展开最近取得了巨大进步。但是，先前的工作主要依靠价值学习，并且没有完全探索基于政策的技术。最近，在大型语言模型上进行增强学习的成功表明，该政策级别算法可以通过庞大的空间来增强政策。在本文中，我们介绍了Bloth-PPO，该框架采用了基于演员批判性建筑的策略级别算法，以增强具有巨大的10 6个附加空间的预训练模型，该模型与观察到的任务相符。为此，我们将布置问题重新定义为部分观察到的马尔可夫决策过程。使用监督的培训阶段来培训我们政策的基准模型。在第二阶段，近端政策优化（PPO）用于指导观测一致的附属空间内的套头文模型。通过优化和更新策略，我们提出的方法增加了服装的表面积，以在软体操纵任务下展开的布料。实验结果表明，我们提出的框架可以进一步改善其他最先进方法的展开性能。我们的项目可从https：// vpx- ecnu.github.io/clothppo-website/获得。
电动汽车充电会话分类...
1助理。教授，2,3,4 UG学者1,2,3,4人工智能和机器学习部，印度海得拉巴的Guru Nanak机构技术校园（自治）。摘要：在过去的十年中，电动汽车（EV）的使用迅速增加使得有必要准确估算电动汽车充电所需的能量。电动汽车现在主要使用锂离子电池进行存储；保护这些电池免受过度充电可以延长其寿命并保持健康。这项研究提出了一个机器学习模型，用于预测基于K-Neared邻居分类方法的EV充电会话的长度。通过正确对事件进行分类，该模型可以预测电荷将持续多长时间。每个班级都有充电事件，每个班级都持续一段时间。该程序仅使用数据开始时可用的数据（到达时间，启动SOC，日历数据）。进行灵敏度分析以评估各种输入的效果，并使用包括来自100多名用户的充电会话记录的实际数据集对模型进行验证。与基准模型相比，性能的改进证明了该模型的功效。索引 - 电动汽车，充电会话，分类技术，优化的电池充电，机器学习。
突触分子通信的化学主方程模型
摘要 - 在突触分子通信中，神经递质（NTS）激活突触后受体（NTS），由随机反应扩散过程控制，因此固有地随机。目前尚不完全了解这种随机性如何影响目标细胞中的下游信号传导，最终是神经计算和学习。反应扩散过程的统计表征很难，因为NTS和受体的可逆双分子反应使系统非线性。因此，突触裂缝中受体占用率的现有模型取决于简化的假设和近似值，从而限制其实际适用性。在这项工作中，我们提出了一个新型的统计模型，以根据化学主方程（CME）来控制突触信号传递的反应扩散过程。我们展示了如何通过基于随机粒子的计算机模拟（PBSS）来计算CME效率并验证所获得的结果的准确性。此外，我们将提出的模型与文献中提出的两个基准模型进行了比较，并表明与PBS相比，它提供了更准确的结果。最后，提出的模型用于研究系统参数对NTS和受体结合事件之间统计依赖性的影响。总而言之，提出的模型为朝着突触信号传输的完整统计表征提供了一步。
![arxiv：2302.10206v2 [HEP-PH] 2024年2月8日](/simg/g:\will\search\icon\source\b\bf88c5a75a1e7edac85c57f06dd86ab8d913fe1d.webp)
arxiv：2302.10206v2 [HEP-PH] 2024年2月8日
如果暗物质由轴组成，则在暗物质光环的核心中形成轴恒星。这些恒星在临界质量上方不稳定，腐烂到加热层间介质的无线电光子，为轴支接间接检测提供了新的通道。我们最近提供了由于轴恒星合并引起的轴衰变速率的第一个准确计算。在这项工作中，我们展示了有关CMB光学深度的现有数据如何导致质量范围10-14 eV≲MA≲MA≲10-8eV的轴突光子耦合的强大限制。轴恒星的衰减导致在黑暗时期内有效地对播层培养基进行有效的离子。通过将这种非标准电源与汤姆森光学宽度的普朗克遗产测量值进行比较，我们表明，对于我们的轴突星级的基准模型，排除了10-14 Gev-1 geV-1 geV-1 geV-1≲gaγγ10-10geev -1。在高红移处21cm中性氢的21厘米发射的未来测量可能会通过一个数量级或更高的序列提高该限制，从而在参数空间中对轴突暗物质的互补间接约束也是由直接检测haloscopes靶向的。
根据生理数据预测飞行员的认知状态...
本论文使用与生理属性相关的数据，研究了飞行员在实验过程中的认知状态。尽管该挑战已经过期，但咨询公司 Booz Allen Hamilton 发起了一项挑战，鼓励数据科学家建立一个具有检测能力的模型，以防止航空事故和事件。本论文研究的首要问题是：能否通过生理测量预测飞行员的认知状态？先前的研究发现，认知状态检测可以提高航空安全性。在这项研究中，我们参考了人为因素分类和分析系统，以更广泛地看待研究结果。本论文研究的任务有两个方面：(1) 认知状态分类和 (2) 认知状态变化检测。要解决的关键问题是从复杂数据中提取特征。因此，进行了频域分析和滑动窗口时间分析。在 73 个变量中，选择了对模型性能贡献最大的五个变量。所提出的模型在检测测试数据中特定飞行员的适当认知状态时，F1 得分达到 0.67。测试数据上的平均 F1 得分为 0.55，高于没有工程特征的基准模型（0.48）。特别是在惊吓和注意力分散分类期间，性能较低。此外，并非所有飞行员
识别电动汽车的锂离子电池老化中的驾驶行为
摘要：供应链不确定性很高，这是由于上游和下游的信息透明度较低，供应链规划较长的交货时间，较短的产品生命周期，冗长的生产周期时间以及连续的技术迁移。新的供应计划的构建和创新面临着巨大的挑战。本研究的目的是通过计划进行检查的管理周期提出一个具有决策模式的智能弹性供应链框架。它可以增强供应链的弹性并增强工业竞争力。此外，对半导体分布的需求预测和风险推断的实证研究是作为验证进行的。通过需求模式聚类和对历史客户订单行为的预测，每个客户的需求状态是分类的，并发布了最佳计划解决方案以支持决策。结果表明，提出的方法是推动协作努力来增强需求风险管理以提高供应链弹性的实践可行性。所提出的预测模型的性能比所有四个基准模型都更好，并且对拟议风险参考模型的修订召回均显示出所有需求风险水平的高精度。由于供应链的弹性将由于工业革命而重建，因此政府和行业联盟应遵循弹性供应链蓝图，以使制造策略成为行业4.0时代的技术平台。
诉讼程序
S1.01 广义通量量子比特阵列作为低非谐性模拟量子模拟器 Ilan T. Rosen、Kasper Poulsen、Sarah Muschinske、William D. Oliver 赞助：IC 博士后奖学金 人们对超导量子比特阵列进行模拟量子模拟的兴趣日益浓厚，因为它们可以原生实现 Bose-Hubbard 汉密尔顿量，具有广泛的可访问能量尺度范围，并且能够进行全状态或部分状态断层扫描测量。然而，传统量子比特的大非谐性限制了量子比特阵列模拟器探索弱相互作用物理。广义通量量子比特 (GFQ) 具有与传统量子比特类似的相干性、控制和测量特性，但还具有可调的非谐性。在这里，我们提出使用超导广义通量量子比特 (GFQ) 阵列作为弱相互作用物理的模拟量子模拟器。我们讨论了基于器件制造的不确定性如何限制现实 GFQ 阵列中的无序与自能以及无序与非谐性之比。然后，我们用数字方法研究了凝聚态基准模型，重点介绍了现实 GFQ 阵列模拟器可实现的模式。
用于埃塞俄比亚风力发电预测的新型混合 CNN-LSTM
摘要。可再生能源目前正经历着有希望的增长，成为减少化石燃料使用产生的污染气体（导致全球变暖）的替代解决方案。为了将这些可再生能源安全地整合到电网系统中，并使电网系统更加稳定，准确预测特定风力发电场的风力发电量和发电时间至关重要。深度学习方法已显示出对复杂和非线性问题（例如时间序列风力发电数据）的良好预测性能。然而，需要进一步研究通过将多个模型与超参数优化相结合来优化深度学习模型，以使这些单个模型获得最佳性能。在本文中，我们提出了一种用于埃塞俄比亚风力发电预测的混合 CNN-LSTM 模型。在构建混合 CNN-LSTM 模型之前，应用贝叶斯优化来调整单个学习器的超参数，包括 1D-CNN 和 LSTM 模型。在从埃塞俄比亚电力公司获得的三个案例研究风力发电数据集上对所提出的模型进行了测试。根据 MAE、RMSE 和 MAPE 评估指标，对于所有案例研究数据，混合模型的表现明显优于基准模型，包括 ANN、RNN、BiLSTM、CNN 和 LSTM 模型。
使用卷积神经网络技术的驱动器嗜睡检测模型
摘要 - 一名昏昏欲睡的驾驶员在路上比那个超速驾驶的驾驶员要危险得多，因为他是微骨的受害者。汽车研究人员和制造商试图通过几种避免这种危机的技术解决方案来解决这个问题。本文侧重于使用基于神经网络的方法来检测这种微睡眠和嗜睡。我们以前在此领域的工作涉及使用机器学习与多层感知器来检测相同的工作。在本文中，通过利用摄像机检测到的面部标志来提高准确性，并传递给卷积神经网络（CNN）以对嗜睡进行分类。这项工作的成就是为无眼镜的类别提供了重量超过88％的重量分类模型的轻量级替代品，对于没有眼镜的类别之夜的85％以上。平均在所有类别中都达到了超过83％的准确性。此外，对于模型大小，复杂性和存储，与最大大小为75 kb的基准模型相比，新提出的模型有明显减少。拟议的基于CNN的模型可用于构建嵌入式系统和Android设备的实时驱动器嗜睡检测系统，具有高度准确性和易用性。索引术语 - 驾驶员行为监控系统，淹没检测，实时深度学习，卷积神经网络，面部地标，Android。
深水扁头鱼 (Neoplatycephalus conatus) 库存...
本文件提出了更新的定量一级深水平头鱼（Neoplatycephalus conatus）评估的建议基准案例，该案例将于 2023 年 10 月的第一次 GABRAG 会议上提交。上一次全面评估由 Tuck 等人 (2019) 提出。初步基准案例已更新，纳入了截至 2022/23 年底的数据，这需要自 2019 年评估以来额外四年的捕捞量、拖网 CPUE、长度和年龄数据以及老化误差更新，并纳入了上一次 GAB 渔业独立调查 (GABFIS) 的调查结果。根据 GABRAG 在 2023 年 10 月达成的协议，基准模型包括丹麦围网的单独船队。 2023 年 10 月，通过连续更新最新数据和更新库存评估包库存合成 (SS-V3.30.21.00)，提出了用于为 Deepwater Flathead 制定初步基准案例的流程。该文件提供了商定基准案例的进一步细节，包括 RBC 值和基准案例模型结构的敏感性。从 2023 年 10 月的情况来看，基准案例与捕捞率数据、长度数据和条件年龄长度数据提供了相当好的拟合，但是，与最近的 GABFIS 点的拟合度较差。