XiaoMi-AI文件搜索系统
World File Search System多粒
人工智能的工程应用
20 世纪 90 年代中期，提出了两种具有里程碑意义的元启发式算法：粒子群优化和差分进化。它们的初始版本非常简单，但迅速引起了广泛关注。在过去的四分之一世纪中，这两种优化算法的数百种变体已被提出并应用于几乎所有科学或工程领域。但是，到目前为止，尚未对这两种方法的性能进行更广泛的比较。在本文中，对十种粒子群优化和十种差分进化变体进行了比较，从 20 世纪 90 年代的历史变体到 2022 年的最新变体，这些变体在众多单目标数值基准和 22 个实际问题上进行了比较。平均而言，差分进化算法明显优于粒子群优化算法。差分进化相对于粒子群优化的优势与流行度相矛盾：在文献中，粒子群优化算法的使用频率是差分进化算法的两到三倍。粒子群优化比差分进化表现更好的问题确实存在，但相对较少。虽然这个结果可能是选择特定变体、实验设置或用于比较的问题的结果，但粒子群优化变体可能需要重新考虑算法理念，以使其更具竞争力。
无线传感器网络中节点的优化和节能部署
摘要。针对节能和最佳WSN的最佳部署问题，本文建立了最佳覆盖模型。同时，提出了一种基于粒子群理论和量子的粒子群优化的节能部署算法。准物理策略，即准实体和准库仑力，在量子粒子群优化算法的位置进化方程中引入，这可以合理地调节传感器节点之间的距离。此外，该算法可以以低区域重复速率获得快速优化。此外，对WSN节点的传感半径进行动态调整，以最大程度地减少节点的能量消耗。模拟结果表明，与传统的粒子群和量子性粒子群群优化方案相比，所提出的算法在网络覆盖率和收敛速度方面具有更好的性能。同时，该算法在减少WSN中的节点能量消耗方面具有一定的优势。
k-38肾脏豆（叶状球）的叶粒蛋白：饮食补充剂中的α-淀粉酶抑制剂
当前确定淀粉酶抑制剂水平的方法基于在酶对可溶性淀粉的作用过程中存在或不存在抑制剂在对可溶性淀粉的作用中的存在或不存在抑制剂（2）或使用碱反应。由于这些比色方法不能应用于饮食补充剂，这是不同成分的复杂混合物，可能会干扰测量值，因此我们建议通过高表现色谱与脉冲色谱与脉冲脉冲测量的脉冲测量值直接测量饮食补充剂中的相位粒素水平（MALT）的速度（HPAD）的速度（HPAD）（HP）在存在和不存在抑制剂的情况下，猪A-淀粉酶在可溶性淀粉上的酶正肌。
使用亨利的气体溶解度优化和粒子群优化的机器学习技术估算桩结算
确保建筑项目是安全的，例如堆叠结构，需要考虑在此期间免疫结构。桩定居点（PS）是一个重要的项目问题，并且正在引起广泛关注，以防止在施工开始之前发生故障。几个用于估算桩运动的项目可以帮助了解加载阶段的项目的观点。在PS模拟中使用了最聪明的策略用于桩运动的数学计算。因此，在本文中，考虑了精确的桩运动计算，考虑了开发的框架操作支持向量回归（SVR）以及亨利的气体溶解度优化（HGSO）和粒子群优化（PSO）。优化器的使用是调整SVR的一些内部设置。选择了使用已发达的SVR-HGSO和SVR-PSO结构的陆地岩石特征来研究基于土地岩石特征的桩的运动。使用五个指标来评估每个模型的性能。这项研究的主要目的是以两个开发模型的形式评估人工智能方法，以使用混合优化的框架模拟桩沉降速率。建模的R 2在0.99水平上类似地获得。SVR-PSO的RMSE分别出现超过两倍的SVR-HGSO，分别为0.46和0.29 mm。此外，测试阶段结果显示，SVR-HGSO的性能较高，MAE指数为0.278，比另一个索引低57.10％。OBJ通过0.283mm级别计算的SVR-HGSO证明了准确的建模。
减少皮肤CD200：牛皮癣中的CD200R1信号传导增强了中性粒细胞的皮肤
pn皮肤具有前杂种蛋白质组学21和静态22 - 24个特征，导致炎症状态。8个因素决定这种有利状态的因素尚不清楚，但可能涉及遗传学和以前的环境侮辱。确定CD200R1信号是否失调并因此导致牛皮癣易感性，通过流式细胞仪在NN和PN皮肤中评估CD200R1水平。PP皮肤很大程度上没有检查，因为变化可能是发病的结果，而不是导致易感性。CD200R1在大多数免疫和非拓扑（CD45-阴性）细胞上表达，并在NN和PN皮肤中类似表达（支持信息：图S1）。尽管CD200R1水平相似，但如果配体水平受干扰，信号传导可能会失调。因此，通过定量聚合物ASE链反应（QPCR）评估CD200表达，揭示了PN与NN皮肤的表达降低（图1A），从而确认了先前的RNASEQ数据。25 CD200在PP皮肤中也可能会降低（图1A），但是需要增加样本量以确认这一点。通过流式细胞术，在止血细胞中无法检测到CD200（数据未显示），但在CD45，hla -hla -dr，dr， - - 和cd45 -hla -hla -hla- dr +
使用新概率粒子群优化器和顺序差分进化的脑电信号癫痫病识别模型
摘要 癫痫是个体的一种慢性发作状态。脑细胞群反映出异常的电活动。脑电图 (EEG) 是一种监测大脑活动和诊断神经系统疾病的常用工具。在处理具有超高维度的复杂变换特征并从 EEG 中提取最佳特征时，对癫痫和非癫痫数据进行分类是一项具有挑战性的任务。本文提出了一种新的混合方法来选择最佳特征，该方法涉及粒子群优化 (PSO) 算法、新开发的概率粒子群优化 (PPSO) 算法和顺序差分进化 (SDE) 算法。癫痫患者的 EEG 数据已用于评估该方法。使用离散波长变换提取特征。PSO、PPSO 和 SDE 从 EEG 的特征空间中选择最佳特征。进一步使用不同的分类器评估这些最佳特征的性能。比较了 PSO、PPSO 和 SDE 的性能。本文对生物启发算法对脑电信号特征优化的重要性进行了广泛的研究。在所有分类器中，支持向量机 (SVM) 表现优异，在第 100 个周期时，PPSO 的准确率为 97.74%，SDE 的准确率为 98.34%。这表明最佳特征选择提高了分类器的性能。
基于多尺度电流分布和粒子群优化的充电站规模优化：在电动助力自行车中的应用
摘要 — 电动自行车 (ebike) 的发展因其经济和环境优势而受到越来越多的关注。本研究基于粒子群优化对电动自行车充电站进行尺寸优化。它基于电动自行车电池的消耗情况、太阳能和风能以及组件的安装、更换和维护成本。第一步，使用二阶非线性电热模型确定电动自行车电池的消耗情况。然后，使用一年的太阳能和风能数据来确定充电站实施地点的能源可用性。最后，将成本定义为目标函数，同时考虑太阳能光伏板数量、风力涡轮机数量、蓄电池数量和年度充电需求的限制。研究了将在法国安纳西理工学院校园内实施的充电站的背景。结果表明，与未进行优化的尺寸相比，粒子群优化可使成本降低约 56.04%。
研究文章 使用多级粒子群优化进行基于运动想象的 BCI 系统的通道和特征选择
脑机接口 (BCI) 是连接人脑和计算机或其他电子设备的通信和控制系统。然而，无关通道和与任务无关的误导性特征限制了分类性能。为了解决这些问题，我们提出了一种基于粒子群优化 (PSO) 的高效信号处理框架，用于通道和特征选择、通道选择和特征选择。改进的 Stockwell 变换用于特征提取，多级混合 PSO-贝叶斯线性判别分析用于优化和分类。这里使用 BCI 竞赛 III 数据集 I 来确认所提方案的优越性。与未优化方法（89%准确率）相比，基于PSO的方案在使用不到10.5%的原始特征时，最佳分类准确率达到99%，测试时间减少90%以上，Kappa值和F-score分别达到0.98和98.99%，信噪比更好，优于现有算法。结果表明，通道和特征选择方案可以加快收敛到全局最优的速度，减少训练时间。由于该框架可以显著提高分类性能，有效减少特征数量，大大缩短测试时间，可以为相关实时BCI应用系统研究提供参考。
表观遗传丝粒身份是通过DNA复制来确切地维持的，但在人类细胞之间被指定
通过组蛋白变体CENP-A的存在来定义并保持表观遗传学的定义和维持。尚不完全了解如何指定中心质体CENP-A位置并通过DNA复制确切地保持。 最近发布的端粒到核（T2T）基因组组件包含第一个完整的人类丝粒序列，为检查CENP-A位置提供了新的资源。 在多个细胞分裂之后，在同一细胞系列的克隆中映射CENP-A位置到T2T组装中高度相似的CENP-A位置。 相比之下，在不同人类细胞系的几个centromeres上表现出丝粒CENP-A上乳束，这证明了CENP-A富集的位置和人类细胞之间的KineTochore re裂位点不同。 在整个细胞周期中，通过DNA复制保持了其精确的位置，沉积在G1相中的CENP-A分子。 因此，尽管在DNA复制过程中CENP-A稀释，但CENP-A仍将CENP-A精确地重新加载到子丝粒内的相同序列上，从而在人类细胞中保持独特的丝粒身份。如何指定中心质体CENP-A位置并通过DNA复制确切地保持。最近发布的端粒到核（T2T）基因组组件包含第一个完整的人类丝粒序列，为检查CENP-A位置提供了新的资源。在多个细胞分裂之后，在同一细胞系列的克隆中映射CENP-A位置到T2T组装中高度相似的CENP-A位置。相比之下，在不同人类细胞系的几个centromeres上表现出丝粒CENP-A上乳束，这证明了CENP-A富集的位置和人类细胞之间的KineTochore re裂位点不同。在整个细胞周期中，通过DNA复制保持了其精确的位置，沉积在G1相中的CENP-A分子。因此，尽管在DNA复制过程中CENP-A稀释，但CENP-A仍将CENP-A精确地重新加载到子丝粒内的相同序列上，从而在人类细胞中保持独特的丝粒身份。
