XiaoMi-AI文件搜索系统
World File Search System性能分析
基于变分量子电路的函数回归理论误差性能分析
噪声中型量子器件使得量子神经网络 (QNN) 的变分量子电路 (VQC) 得以实现。尽管基于 VQC 的 QNN 已在许多机器学习任务中取得成功，但 VQC 的表示和泛化能力仍需要进一步研究，尤其是在考虑经典输入的维数时。在这项工作中，我们首先提出了一种端到端 QNN，TTN-VQC，它由基于张量训练网络 (TTN) 的量子张量网络（用于降维）和用于函数回归的 VQC 组成。然后，我们针对 TTN-VQC 的表示和泛化能力进行误差性能分析。我们还利用 Polyak-Lojasiewicz 条件来表征 TTN-VQC 的优化属性。此外，我们对手写数字分类数据集进行了函数回归实验，以证明我们的理论分析是正确的。
并网太阳能光伏风能混合能源系统性能分析
a 研究学者，电气与电子工程系，Sri Satya Sai 科技与医学科学大学，Sehore，博帕尔印多尔路，中央邦，印度 b 研究指南，电气与电子工程系，Sri Satya Sai 科技与医学科学大学，Sehore，博帕尔印多尔路，中央邦，印度 文章历史： 收到日期：2021 年 1 月 11 日；接受日期：2021 年 2 月 27 日；在线发表日期：2021 年 4 月 5 日 摘要：电能成为人类的必需品。电能的产生主要依赖于化石燃料，它们在自然界中是有限的，也是环境污染的罪魁祸首。可再生能源为未来提供了更好的选择。与传统能源相比，经济性是可再生能源的一个主要问题，具有可行性和效率。本文研究了连接到电网并为大型电厂提供临界可变负载的光伏 (PV)-风电混合系统的性能分析和控制。混合电力系统采用提取最大功率点的技术，以便在变化的气候条件下获取最大功率。此外，还提出了功率流控制策略来满足工厂的关键负载需求。在不同环境条件下分析了所提出的混合系统的动态性能。仿真结果证明了所提出的最大功率点跟踪 (MPPT) 策略在应对一天中天气条件快速变化方面的有效性。关键词：光伏、MPPT 控制、混合能源、风力涡轮机。介绍
基于机器学习的南印度作物产量预测：各种模型的性能分析
摘要：农业是最重要的活动之一，它生产对人类生存至关重要的农作物和食物。如今，农产品和农作物不仅用于满足当地需求，而且全球化使我们能够将农产品出口到其他国家并从其他国家进口。印度是一个农业国家，很大程度上依赖其农业活动。预测作物产量和单产是一项必要的活动，它使农民能够估算储存量、优化资源、提高效率和降低成本。然而，农民通常根据经验和估计，根据地区、土壤、天气条件和作物本身来预测作物，这可能不太准确，尤其是在当今不断变化和不可预测的气候条件下。为了解决这个问题，我们的目标是使用机器学习 (ML) 模型来预测各种作物（如大米、高粱、棉花、甘蔗和拉比）的产量和单产。我们用天气、土壤和作物数据训练这些模型，以预测这些作物未来的产量和单产。我们汇编了影响印度特定邦农作物生产和产量的属性数据集，并对各种 ML 回归模型在预测农作物生产和产量方面的表现进行了全面研究。结果表明，在所考察的模型中，Extra Trees 回归器取得了最高的性能。它的 R 平方得分为 0.9615，平均绝对误差 (MAE) 和均方根误差 (RMSE) 最低，分别为 21.06 和 33.99。紧随其后的是随机森林回归器和 LGBM 回归器，它们的 R 平方得分分别为 0.9437 和 0.9398。此外，进一步的分析表明，基于树的模型的 R 平方得分为 0.9353，与线性和基于邻居的模型相比表现出更好的性能，后两者的 R 平方得分分别为 0.8568 和 0.9002。
基于自动收集数据的树木采伐机性能分析中的数据挖掘
摘要：收割机自动记录的数据是一种很有前途的、可能非常有用的科学分析信息来源。大多数研究人员已将 StanForD 文件用于此目的，但这些文件很难获取，需要进行一些预处理。本研究利用了类似数据的新来源：JDLink，这是一项由机器制造商运营的基于云的服务，可实时存储来自传感器的数据。此类数据量巨大，难以理解和有效处理。数据挖掘技术有助于在此类数据库中发现趋势和模式。使用经典回归（线性和对数）、聚类分析（树状图和 k 均值）和主成分分析 (PCA) 分析了在波兰东北部工作的两台中型收割机的记录。线性回归表明，树木的平均大小是对每立方米燃料消耗和生产率影响最大的变量，而每小时燃料消耗也取决于低速行驶距离或高发动机负荷时间份额等因素。聚类和 PCA 的结果更难解释。树状图显示了最不相似的变量：每天采伐的总体积、每天的总燃料消耗和高转速 (RPM) 的工作时间份额。K 均值聚类使我们能够识别特定变量聚类更突出的时期。尽管 PCA 结果解释了近 90% 的方差，但机器之间的结果尚无定论，因此需要在后续研究中进行仔细审查。生产率值（平均约 10 m 3 /h）和燃料消耗率（平均 13.21 L/h，1.335 L/m 3）与其他作者在可比条件下报告的结果相似。本研究获得的一些新指标包括，例如，低速行驶距离（每天约 7 公里）或发动机在低、中或高负荷下运行的时间比例（分别为 34%、39% 和 7%）。本研究的假设是使用不从外部来源补充的数据，并且尽可能少地进行处理，这将分析方法限制在无监督学习上。在后续研究中扩展数据库将有助于监督学习技术在建模和预测中的应用。
通过确定性生成的光子图状态启用的量子中继器的性能分析
通过将逻辑Qubits编码为特定类型的光子图状态，人们可以实现Quanth-tum中继器，从而使快速的纠缠分布率接近经典连接。但是，这些光子图状态的产生需要使用基于线性光学器件的传统方法来启动的源头。克服了这一挑战，已经提出了许多新方案，这些方案采用量子发射器来终止生成光子图状态。尽管这些方案有可能显着降低资源成本，但缺乏不同编码和不同产生方案之间的中继器演奏的系统比较。在这里，我们基于两个不同的图状态，即树图状态和中继器图状态。对于两种状态，我们比较了两个生成方案之间的性能，一个基于与辅助物质量子位耦合的单个量子发射器，另一个基于一个基于单个量子发射器与延迟反馈相关的单个量子发射器。我们在不同的系统参数上识别数值最佳方案。我们的分析提供了有关基于图形状态的量子中继器的生成方案的定义的明确指南，并提出了对不同方案的实验实现实验实现的要求。
以绿色氢为燃料的非绝热压缩空气储能系统的性能分析
摘要：可再生能源 (RES) 份额的不断增加需要有合适的储能系统来提高电网灵活性，而压缩空气储能 (CAES) 系统可能是一个有前途的选择。本研究提出并分析了一种无二氧化碳的非绝热 CAES 系统。该工厂配置源自 McIntosh 非绝热 CAES 工厂的缩小版，其中天然气被绿色氢气取代，由光伏发电厂供电的质子交换膜电解器现场生产。在本研究中，氢气生产系统组件的尺寸设计为最大化光伏能源发电的自耗份额，并逐年分析设计参数对 H 2 -CAES 工厂性能的影响。此外，还讨论了天然气和氢气在能源消耗和二氧化碳排放方面的比较。结果表明，通过利用所有光伏能源生产，拟议的氢燃料 CAES 可以有效匹配发电情况和天然气燃料电厂的年产量，同时实现零二氧化碳排放。
简讯 氮掺杂碳材料的制备及其电化学性能分析 岳源
北京理工大学光学与光子学院，北京，100081，中国 电子邮件：yuanyue000418@163.com 收稿日期：2022 年 5 月 1 日/接受日期：2022 年 6 月 1 日/发表日期：2022 年 7 月 4 日 本文重点研究了碳和氮掺杂碳作为超级电容电极材料的制备、结构和电化学表征。电极材料是通过粉碎、氧化预处理和键合、碳化和活化制备的，聚合物材料加工成碳基材料。为了制备碳气凝胶电极材料，采用富氮前驱体方法通过氮掺杂来改变获得的碳基底材料。 SEM 和 XRD 对形貌和晶体结构进行分析表明，掺杂样品中引入了氮，碳电极表面覆盖着云状团簇和不均匀的聚集碳颗粒，而 N 掺杂碳样品具有海绵结构，其中交织着类似石墨的薄片，具有更高的粗糙度和孔隙率，以及更大的表面积。使用循环伏安法 (CV) 和恒电流充放电 (GCD) 循环对制备的碳基材料进行电化学研究表明，N 掺杂碳比对照样品具有更高的电化学电容性能，以及理想的快速充放电性能和功率器件的高功率容量。在 1 A/g 的电流密度下，碳和 N 掺杂碳的比电容分别为 13.56 和 192.12 F/g，这意味着 N 掺杂样品的比电容比未掺杂材料提高了 14 倍。经过 10000 次循环后，N 掺杂碳的循环稳定性显示出几乎 108% 的电容保持率。根据 N 掺杂碳超级电容电极性能与早期关于超级电容器中多孔碳材料的报道的比较，N 掺杂碳超级电容电极的比电容、功率和能量密度与其他报道的 N 掺杂多孔碳结构的值相当或更好。这些测试表明，使用所述方法生成的氮掺杂碳电极材料具有较低的内阻，并且可以在超级电容器中保持良好的电化学性能。关键词：氮掺杂碳；电化学性能；富氮前体；超级电容电极材料
在RSVP范式下，基于BCI的拼写器中具有不同类型的视觉刺激的性能分析
大脑计算机界面（BCI）系统为严重运动残疾患者提供了替代通信通道，可以使用无肌肉运动与环境互动。近年来，与最经常研究的基于BCI的拼写范式相比，对非目光依赖的脑部计算机界面范式的研究的重要性一直在增加。在RCP范式下已经验证了用于通信目的的几种视觉修改尚未在最扩展的非目光依赖的快速串行视觉呈现（RSVP）范式下进行验证。因此，在本研究中，根据RSVP评估了三组不同的刺激，并具有以下交流特征：白色字母（WL），著名面部（FF），中性图片（NP）。11个健康受试者参加了该实验，其中受试者必须经历校准阶段，在线阶段以及最终的主观问卷完成阶段。结果表明，FF和NP刺激在校准和在线阶段促进了更好的性能，在FF范式中稍好。关于主观问卷，与WL刺激相反，参与者再次首选FF和NP，但这次NP刺激得分略高。这些发现表明，与最常用的基于字母的刺激相比，将FF和NP用于基于RSVP的拼写器可能是有益的，可以提高信息传输速率，并且可以代表具有改变眼运动功能的个人的有希望的通信系统。
Quantum加密方案的性能分析用于确保大型无线传感器网络
摘要 - 无线传感器网络旨在收集用于监视和决策目的的环境数据，通常依靠具有有限的计算资源的低功耗传感器节点，这使得使用昂贵的密码原始词以挑战这些网络。此外，已经提出了量子计算机的出现威胁传统的加密方案，并提出了Quantum加密方案作为解决方案。这项工作着重于研究无线传感器网络中Quantu-Tum数字签名和关键交换机制的不同组合的行为和性能，其中节点数量较大，包括Crystals-Dilithium，Falcon，Sphincs+，Crystals-kyber，Kyber，NTRU和Saber，并侧重于它们的交互和网络量表。模拟模型用于生成与净工作功能，应用程序质量和可扩展性相关的指标，并具有动态节点行为。这些发现提供了有关无线传感器网络中量词后方案不同组合的行为的见解，并有助于了解其在现实世界部署中的适合性和潜在挑战。尤其是，猎鹰和水晶 - 凯伯的组合似乎是将来部署安全传感器网络的最有希望的候选者。但是，其他组合可以根据其与最终应用程序的Pa-Rameters的相互作用提出更好的性能。
文章 基于自动采集数据的树木采伐机性能分析中的数据挖掘
摘要：收割机自动记录的数据是一种很有前途的、可能非常有用的科学分析信息来源。大多数研究人员已将 StanForD 文件用于此目的，但这些文件很难获取，需要进行一些预处理。本研究利用了类似数据的新来源：JDLink，这是一项由机器制造商运营的基于云的服务，可实时存储来自传感器的数据。此类数据量巨大，难以理解和有效处理。数据挖掘技术有助于在此类数据库中发现趋势和模式。使用经典回归（线性和对数）、聚类分析（树状图和 k 均值）和主成分分析 (PCA) 分析了在波兰东北部工作的两台中型收割机的记录。线性回归表明，树木的平均大小是对每立方米燃料消耗和生产率影响最大的变量，而每小时燃料消耗也取决于低速行驶距离或高发动机负荷时间份额等因素。聚类和 PCA 的结果更难解释。树状图显示了最不相似的变量：每天采伐的总体积、每天的总燃料消耗和高转速 (RPM) 的工作时间份额。K 均值聚类使我们能够识别特定变量聚类更突出的时期。尽管 PCA 结果解释了近 90% 的方差，但机器之间的结果尚无定论，因此需要在后续研究中进行仔细审查。生产率值（平均约 10 m 3 /h）和燃料消耗率（平均 13.21 L/h，1.335 L/m 3）与其他作者在可比条件下报告的结果相似。本研究获得的一些新指标包括，例如，低速行驶距离（每天约 7 公里）或发动机在低、中或高负荷下运行的时间比例（分别为 34%、39% 和 7%）。本研究的假设是使用不从外部来源补充的数据，并且尽可能少地进行处理，这将分析方法限制在无监督学习上。在后续研究中扩展数据库将有助于监督学习技术在建模和预测中的应用。