XiaoMi-AI文件搜索系统
World File Search System子群
了解预测处理管道中的机器学习模型
算法/应用绩效指标改进（％）随机梯度下降融合速度35小型批量处理训练效率48粒子群群优化参数搜索效率42遗传算法参数空间探索38自适应学习时间降低时间降低时间降低时间降低时间降低45适应性绩效绩效绩效绩效27型模型分析4型模型分析4应用风险评估47元学习方法验证效率51不确定性量化可靠性评估43
网络Citech/dasc/picom/cbdcom 2024程序
调查可穿戴设备数据的分散管理以进行健康和健身-Tao Zhou； Tianle Hu; Hong Chen（在线）使用优化的机器学习方法对网络流量进行异常标识和分类-Vishwanath Eswarakrishnan； Priyanka Singla信息时代依赖于赠款的沟通-Yuanchen Wang； Kai Zhang; Yiliang Liu; Weilin歌曲； Jian Tang（在线）改进了用于选址和能力大小的分布式电源的多目标模拟粒子群算法-HOU TAO SUN； chuanxin wen; chunhu shi; Fei Luo; Qiangsheng pu; Pengpeng LV
针对重点人群和高优先级人群的 PrEP 目标设定
仅当人口规模估计评估的是特定子群体的规模而非整个关键或高优先级关注人口时，才需要应用子群体膨胀因子。例如，人口规模估计通常仅限于经常出入可识别场所的个人；或者青春期女孩和年轻女性的数量估计可能仅限于上学的女孩和年轻女性的数量。在这种情况下，应调整人口规模估计，以便它也能反映不属于子群体的人口成员。本步骤详细介绍了膨胀人口规模估计的方法和数据来源。
用于解决的机器学习和优化技术
随着AI技术的速度继续加速，研究人员可以使用更多的工具来解决长期存在的问题，今天可用的混合方法继续推动效率和精度的计算限制。这样的问题之一是冗余系统的逆运动学。本文探讨了7度自由操纵器的复杂性，并探讨了13种优化技术来解决它。此外，提出了一种新的方法来有助于算法研究领域。发现这比著名的传统粒子群优化技术快200倍。这种新方法可以用作新的搜索领域，将机器学习的探索性功能与数值方法的剥削能力相结合。
使用无线信号
摘要 - 物联网领域（IoT）中的杂货应用涉及跟踪人员和商品，其质量受室内位置精度影响的质量。信号方法的模式匹配，也称为特征指纹方法，是众多室内定位方法之一。由于存在嘈杂的环境情况，因此在定位中实现精度很容易中断。需要有效的稳定技术来减轻对本地化质量的负面影响。本研究介绍了几种新型机器学习方法和索引方法，旨在提高室内定位应用的准确性。遗传算法和部分最小二平方理论提议为此目的共同起作用。传统的指纹定位方法，例如粒子群优化（PSO），高斯模型还测试了验证目的。这种方法通过PSO算法试图近似接收信号强度指示器（RSSI）信号的噪声频谱，从而通过PSO算法来调整高斯模型的主要频率/振幅。与PSO/Gaussian模型指纹方法相比，遗传算法（GA）/部分最小二乘（PLS）/K-Nearest邻居（KNN）方法可以达到92％的室内定位精度，同时需要最小的开发时间。在复杂的实验室和走廊设置中，当目标位置验证程序中包括加权KNN算法时，总准确率可以达到95％，分辨率为16 cm。总体而言，我们建议的GA/PLS/KNN方法优于传统方法和基于许多无线技术的当前静态定位方法，例如WiFi，4G/5G，蓝牙低能（BLE）等。关键字 - 事物（IoT）本地化，粒子群优化（PSO）算法，部分最小二乘（PLS）算法，遗传算法（GA），智能定位
探索沉浸式VR讲故事，利用生成ai
我们介绍了AISOP，该系统自动地使用生成人工智能（AI）自动生成VR固定体验。Aisop通过利用最先进的大型语言模型（LLM）来制作独特的故事，并采用文本到语音（TTS）技术来进行叙述。进一步丰富了体验，通过管道来产生叙事的视觉表现，该管道将LLM生成的提示与扩散模型配对，从而为故事中的句子群呈现了视觉。我们的评估涵盖了两个不同的用例：现有内容的叙述和产生全新的叙述。AISOP突出显示了横向其技术体系结构和用户参与度的Myr-IAD研究前景。
一个基于自动驾驶汽车决策和轨迹计划的基于互动游戏理论-PSO的综合框架
摘要：自动驾驶汽车和人类驾驶员之间的相互依赖性是自动驾驶安全性和可行性的一个开放问题。本文介绍了游戏理论轨迹计划者和混合人流环境的决策者。我们的解决方案是与周围车辆的相互作用，同时做出决策，并使用用衣架插值方法产生类似人类的轨迹。此处使用的粒子群优化器（PSO）桥梁桥接决策和轨迹生成过程，用于连接执行。我们选择了一个未信号的交叉点，以证明我们方法的可行性。测试结果表明，我们的方法降低了轨迹优化问题的搜索空间的维度，并在路径曲率上实施了几何约束。
一组群论问题的量子算法*
摘要：本工作引入了两个决策问题，稳定器 D 和轨道陪集 D ，并给出了从它们到问题轨道叠加 (Friedl 等人，2003) 的量子简化，以及从两个群论问题群交和双陪集成员到它们的量子简化。基于这些简化，在黑箱群设置中获得针对群交和双陪集成员的有效量子算法。具体而言，对于可解群，如果其中一个底层可解群具有平滑可解的交换子群，则这为群交提供了有效的量子算法，如果其中一个底层可解群是平滑可解的，则这为双陪集成员提供了有效的量子算法。最后，证明了群交和双陪集成员属于复杂度类 SZK 。
![arXiv:2207.13175v1 [physics.comp-ph] 2022 年 7 月 23 日](/simg/b\bd2117ec78ec88690daa91a194973bdc3d7cd1ea.webp)
arXiv:2207.13175v1 [physics.comp-ph] 2022 年 7 月 23 日
本研究旨在利用数值优化方法提供一种新型的地月初始轨道确定 (IOD) 方法。在 CR3BP 动力学下，针对各种观测器和目标轨道几何形状模拟副卫星和主卫星。然后使用粒子群优化器 (PSO) 将一组观测值（仅距离、角度和角度）拟合到从初始粒子状态向前传播到测量时间计算出的粒子观测值。通过包含收缩因子、以网格方式初始化粒子以及限制初始粒子状态的范围，有助于 PSO 的收敛。结果表明，PSO 收敛到副卫星的精确初始状态估计。并行处理和 GPU 处理方法用于加快计算时间。