XiaoMi-AI文件搜索系统
World File Search System意外干扰
增强了一种用于平滑数据的新方法...
优化应用广泛见于科学和工程的许多领域 [1]，[2]。在实际应用中，优化问题中涉及的一些参数由于各种原因而受到不确定性的影响，包括估计误差和意外干扰 [3]。这些不确定参数可能是工艺规划中的产品需求 [4]、反应分离回收系统设计中的动力学常数 [5] 和批处理调度中的任务持续时间 [6] 等等。不幸的是，不确定性问题可能导致确定性优化问题（即不考虑不确定性的问题）的解次优甚至不可行 [7]。不可行性，即违反优化问题中的约束，会对解的质量造成灾难性的后果。出于实际考虑，不确定性下的优化引起了学术界和工业界的极大关注 [3]，[8]。
![arXiv:2208.00465v1 [cs.LG] 2022 年 7 月 31 日](/simg/g:\will\search\icon\source\c\cebc2f8776316fb471760e7bf6e67938ef4f655a.webp)
arXiv:2208.00465v1 [cs.LG] 2022 年 7 月 31 日
摘要。使用脑电图 (EEG) 信号进行眼动追踪 (ET) 预测的主要挑战是基准数据和真实世界数据之间的分布模式差异以及来自多个来源的脑信号的意外干扰所导致的噪声。因此，提高机器学习模型在从 EEG 数据预测眼动追踪位置方面的稳健性对于研究和消费者使用都至关重要。在医学研究中，已经探索使用更复杂的数据收集方法来测试更简单的任务以解决这一问题。在本研究中，我们提出了一种用于 EEG-ET 数据收集的细粒度数据方法，以创建更强大的基准测试。我们利用粗粒度和细粒度数据训练机器学习模型，并在对分布模式相似/不同的数据进行测试时比较它们的准确性，以确定 EEG-ET 基准对分布数据差异的敏感性。我们应用协变量分布偏移来测试这种敏感性。结果表明，与基于粗粒度、二分类数据训练的模型相比，基于细粒度、基于向量的数据训练的模型不太容易受到分布变化的影响。
空间栖息地ECLSS的资源分配算法
随着太空栖息地的复杂性和与地球的距离增加，需要新的方法来处理意外干扰，以保证机组人员的安全和系统性能。这项工作开发了一种实施资源分配算法的方法，以管理环境控制和生命支持系统的子系统。开发了一种算法来控制氧气生成组件 (OGA)，同时对尿液处理器组件 (UPA) 产生各种干扰。在使用该算法和不使用该算法的情况下，对栖息地系统的弹性进行了评估和评价。为了测试该方法的有效性，在有限的用例中实施了该方法，针对 UPA 中的 100 种不同类型的退化。退化基于国际空间站提供的可用数据。进行优化过程以找到对 OGA 的最佳控制。然后将具有最佳控制的栖息地的性能与基线基于逻辑的控制器进行比较。为了在发现故障时自动执行子系统控制以最大程度地提高生命支持系统的整体弹性，三种监督机器学习算法（高斯过程、随机森林和 XG Boost）针对优化数据进行训练，并相互比较其准确性。尽管 UPA 性能下降对全体机组人员安全影响不大，但我们发现最佳 OGA 控制的弹性中位数增加量是逻辑控制器的弹性中位数下降量的 14 倍。根据故障场景对弹性改进进行了额外的分析和比较。在三种机器学习算法中，XG Boost 被确定为在这些情况下近似优化器表现最好的算法，R 2 值为 0.84。
π0：视觉-语言-动作流模型
人工智能系统的形式和规模各有不同，有高度专业化的系统可以解决人类思维无法解决的复杂问题，比如预测蛋白质的构象 [ 21 ]，也有可以根据文本提示生成逼真的高分辨率图像或视频的系统 [ 40 ]。然而，人类智能超越机器智能的最大优势是多功能性：能够解决不同物理环境中的不同任务，同时对环境约束、语言命令和意外干扰做出智能响应。人工智能在实现这种多功能性方面最实质性的进展或许体现在大型语言和视觉语言模型 [ 1, 48 ] 中：这些系统先在网络上的大量且非常多样化的图像和文本语料库上进行预训练，然后使用更精心策划的数据集进行微调（“对齐”），以诱导所需的行为和响应模式。虽然这些模型已被证明具有广泛的指令遵循和解决问题的能力 [ 53 , 27 ]，但它们并不像人类那样真正地存在于物理世界中，它们对物理交互的理解完全基于抽象描述。如果这些方法要在人工智能系统方面取得切实进展，使其表现出人类所拥有的那种物理情境多功能性，我们将需要使用物理情境数据（即来自具身机器人代理的数据）对它们进行训练。灵活的通用模型可以执行各种机器人行为，具有巨大的实际意义，但它们也可能为当今机器人学习面临的一些最严峻的挑战提供解决方案，例如数据的可用性、泛化和鲁棒性。在自然语言 [ 1 ] 和计算机视觉 [ 39 ] 中，在各种多任务数据上预先训练的通用基础模型往往优于狭义的和专门的模型
绿色能源应用中并联运行逆变器的新型鲁棒控制策略
摘要：本研究提出了一种适用于消费者住宅区的混合交流/直流微电网，该微电网采用可再生能源，以满足需求。目前，发电和消费经历了重大转变。其中一个趋势是将微电网整合到配电网中，其特点是可再生能源资源的高渗透率以及并联运行。可以采用传统的下垂控制来获得混合交流/直流微电网并联逆变器之间准确的稳态平均有功功率分配。假设具有相同下垂增益的相同逆变器会有相似的瞬态平均功率响应，并且单元之间不会有环流。然而，瞬时功率可能会受到不同线路阻抗的很大影响，从而导致逆变器之间流动的环流功率发生变化，尤其是在负载变化等意外干扰期间。如果该功率被逆变器吸收，则可能导致直流母线电压突然升高并使逆变器跳闸，进而导致整个混合微电网的性能下降。当混合发电机充当单向电源时，问题将进一步恶化。在这项研究工作中，我们提出了一种适用于混合微电网的新型分布式协调控制，该系统可应用于包括可变负载和混合能源的并网模式和孤岛模式。此外，为了选择最有效的控制器方案，设计了参与因子分析以约束直流母线电压并降低循环功率。此外，对于光伏电站和风力涡轮机，都使用了最大功率点跟踪 (MPPT) 技术，以便在环境条件存在差异时从混合电力系统中提取最大功率。最后，通过模拟结果确认了引入的混合微电网策略在不同模式下的可行性和有效性。
已出版版本的引用（APA）：Naji Alhasnawi，B.，H. Jasim，B.，Anvari-Moghaddam，A.，和Blaabjerg，F.（2020）。一种新的鲁棒控制策略
摘要：本研究提出了一种适用于消费者住宅区的混合交流/直流微电网，该微电网采用可再生能源，以满足需求。目前，发电和消费经历了重大转变。其中一个趋势是将微电网整合到配电网中，其特点是可再生能源资源的高渗透率以及并联运行。可以采用传统的下垂控制，以便在混合交流/直流微电网的并联逆变器之间获得准确的稳态平均有功功率分配。假设具有相同下垂增益的相同逆变器会有相似的瞬态平均功率响应，并且单元之间不会有循环电流流动。然而，瞬时功率可能会受到不同线路阻抗的很大影响，从而导致逆变器之间流动的循环功率发生变化，尤其是在负载变化等意外干扰期间。如果逆变器吸收了这种功率，可能会导致直流链路电压突然升高并跳闸，进而导致整个混合微电网的性能下降。当混合发电机充当单向电源时，问题会进一步恶化。在本研究工作中，我们提出了一种适用于混合微电网的新型分布式协调控制，该控制可应用于包括可变负载和混合能源的并网和孤岛模式。此外，为了选择最有效的控制器方案，设计了参与因子分析来约束直流母线电压并降低循环功率。此外，对于光伏电站和风力涡轮机，当环境条件存在差异时，最大功率点跟踪 (MPPT) 技术已被用于从混合电力系统中提取最大功率。最后，通过仿真结果证实了引入的混合微电网策略在不同模式下的可行性和有效性。
使用化学和遗传方法评估利什曼原虫肌醇磷酸神经酰胺合酶作为药物靶点
摘要：有效疫苗的缺乏和对当前治疗方法的耐药性的产生凸显了对新型抗利什曼原虫药物的迫切需求。鞘脂代谢被认为是利什曼原虫特异性靶点的有希望的来源，因为这些脂质是真核生物质膜的关键结构成分，并参与不同的细胞事件。肌醇磷酸神经酰胺 (IPC) 是利什曼原虫中的主要鞘脂，是 IPC 合酶 (IPCS) 介导的反应的产物。抗组胺药富马酸氯马斯汀已被确定为 L. major 中的 IPCS 抑制剂和体内强效的抗利什曼原虫。在这里，我们试图进一步研究这种化合物在更易处理的物种 L. mexicana 中的靶点，采用结合基因组学、蛋白质组学、代谢组学和脂质组学技术以及分子和生化研究的方法。虽然数据表明对富马酸氯马斯汀的反应基本保持不变，但发现了鞘脂代谢以外的意外干扰。此外，虽然删除编码 Lmx IPCS 的基因在体外影响不大，但它确实影响了富马酸氯马斯汀的疗效，更重要的是，影响了体内致病性。总之，这些数据表明氯马斯汀确实抑制了 Lmx IPCS 并导致相关的代谢紊乱，但其主要目标可能在其他地方。关键词：利什曼原虫、肌醇磷酸神经酰胺合酶、富马酸氯马斯汀、多组学、CRISPR-Cas9、热蛋白质组学分析