XiaoMi-AI文件搜索系统
World File Search System插肩
四轮驱动插电式混合动力汽车双自适应等效油耗最小化策略
摘要：能量管理策略对于发挥四轮驱动插电式混合动力汽车（4WD PHEV）的节能效果至关重要。针对4WD PHEV中复杂的多能量系统，提出一种新的双自适应等效消耗最小化策略（DA-ECMS）。该策略通过引入未来驾驶工况类别来调整等效因子，提高驾驶工况的适应性和经济性，优化多能量系统的管理。首先，采用自组织神经网络（SOM）和灰狼优化器（GWO）对驾驶工况类别进行分类，离线优化多维等效因子；其次，采用SOM进行驾驶工况类别识别，并匹配多维等效因子；最后，DA-ECMS完成前轴多能源与电驱动系统的多能量优化管理，释放4WD PHEV的节能潜力。仿真结果表明，与基于规则的策略相比，DA-ECMS经济性提高了13.31%。
scdtl：基于深度转移学习的单细胞RNA-seq插定使用散装细胞信息
摘要。动机：单细胞RNA示例（SCRNA-SEQ）的增长量使研究人员能够研究细胞性质和基因表达曲线，从而在单细胞水平上提供了转录组的高分辨率视图。但是，SCRNA-Seq数据中通常存在的辍学事件仍然是下游分析的挑战。尽管已经开发了许多研究来恢复单细胞表达曲线，但它们的性能有时会受到不完全利用基因之间的固有关系而受到限制。结果：为了解决这个问题，我们提出了一种基于深度转移学习的方法，称为SCDTL，称为SCDTL，用于通过探索大量的RNA序列信息来推出SCRNA-Seq数据。SCDTL首先使用Denoising AutoCododer（DAE）训练批量RNA-Seq数据的插补模型。然后，我们应用了一个域的适应体系结构，该结构在批量基因和单细胞基因域之间构建图形，该结构将大量归档模型学到的知识转移到SCRNA-Seq学习任务。此外，SCDTL采用了1D U-NET DeNoising模型的并行操作，以提供不同粒度的基因表示，从而捕获了Scrna-Seq数据的粗糙和精细特征。在最后一步中，我们使用跨通道注意机制来融合从转移的散装螺旋桨和U-NET模型中学到的效果。在评估中，我们进行了广泛的实验，以证明基于SCDTL的方法可以在定量比较和下游分析中优于其他最新方法。联系人：zhangd@szu.edu.cn或tianj@sustech.edu.cn
表面肌电图揭示了中间三角肌作为反向总肩关节置换术后功能优势的肩部肌肉
针对肩袖节关节病的患者指示了反向总肩关节置换术（RSA），这种疾病以藻毛性关节炎和肩袖袖口不足为特征。RSA假体通过将肱骨头转换为插座，将腺体转化为半球，从而违背了自然的肩关节解剖结构，从而导致内侧旋转中心和延长的肱骨[1,2]。这种设计改变了肩膀的生物力学，增加了三角肌纤维纤维的募集，并最终与肩部强度相比，与常规的总肩关节置换术相比，具有卓越的稳定性和控制性[1]。在恢复过程中，肩袖和支撑肌肉，尤其是三角肌，适应肩膀改变的生物力学，对肌肉活动，功能结果和运动范围产生重大影响[3-5]。肌肉活动或适应性可以通过肌肉测试来评估，使用小针电电极或粘附在皮肤上的表面电极进行评估。表面肌电图（SEMG）最近已被证明是一种有效且无创的工具，用于量化肩部中的个体肌肉激活，并已在临床诊断和康复环境中广泛使用[3,6-9]。
基于深度学习预测的可重构微电网中插电式混合动力汽车的随机建模与集成
摘要 —本文研究了插电式混合动力汽车 (PHEV) 的不协调、协调和智能充电对微电网 (MG) 优化运行的影响，并结合了动态线路额定值 (DLR) 安全约束。当配电线路达到最大容量时，DLR 约束（尤其是在孤岛模式下）会影响 MG 馈线的载流量。为了克服任何线路中断或应急情况，智能 PHEV 可用于帮助提高电网安全性。但是，使用 PHEV 会导致更高的功率损耗和馈线过载问题。为了解决这些问题，本文采用了一种重构技术。一种启发式算法（称为基于集体决策的优化算法）用于克服问题的非凸性和非线性。采用无迹变换技术来模拟由太阳辐射、负载需求和天气温度引起的 DLR 不确定性，以及由不同的充电策略、正在充电的 PHEV 数量、充电开始时间和充电持续时间引起的 PHEV 不确定性。此外，设计了一种深度学习门控循环单元技术来预测可再生能源输出，以减轻可再生能源组件中的不确定性。部署了经过修改的 IEEE 33 总线测试网络来评估所提模型的效率和性能。
利用噪声中型量子计算通过插值器优化加速格点量子场论计算
已知的研究非微扰状态下量子场论的唯一方法是使用对离散时空格子进行调控的数值计算。然而，这类计算往往面临着指数级的信噪比挑战，即使使用下一代经典计算，关键的物理研究也无法维持。这里提出了一种方法，通过构建优化的插值算子，可以使用在嘈杂的中规模量子时代硬件上进行小规模量子计算的输出来加速更大规模的经典场论计算。该方法是在 1 + 1 维 Schwinger 模型的背景下实现和研究的，这是一种简单的场论，与核物理和粒子物理的标准模型具有关键特征。
文章 茂密森林覆盖下机载激光扫描 (ALS) 数据的地面插值精度
摘要：地表数字模型在林业中具有许多潜在应用。如今，光检测和测距 (LiDAR) 是收集形态数据的主要来源之一。通过激光扫描获得的点云用于通过插值对地表进行建模，该过程受到各种误差的影响。使用 LiDAR 数据收集地表数据用于林业应用是一个具有挑战性的场景，因为森林植被的存在会阻碍激光脉冲到达地面的能力。因此，地面观测的密度将降低且不均匀（因为它受到冠层密度变化的影响）。此外，森林地区通常位于山区，在这种情况下，地表的插值更具挑战性。本文对九种算法的插值精度进行了比较分析，这些算法用于在茂密森林植被覆盖的山区地形中从机载激光扫描 (ALS) 数据生成数字地形模型。对于大多数算法，我们发现总体精度方面的性能相似，RMSE 值在 0.11 到 0.28 m 之间（当模型分辨率设置为 0.5 m 时）。其中五种算法（自然邻域、Delauney 三角剖分、多层 B 样条、薄板样条和 TIN 薄板样条）对超过 90% 的验证点的垂直误差小于 0.20 m。同时，对于大多数算法，主要垂直误差（超过 1 m）与不到 0.05% 的验证点相关。数字地形模型 (DTM) 分辨率、地面坡度和点云密度会影响地面模型的质量，而对于冠层密度，我们发现与插值 DTM 的质量之间的联系不太明显。
基于纵向微生物组数据的深度学习插值为生物学上信息发现
1 Department of Biostatistics, Gillings School of Global Public Health, University of North 8 Carolina at Chapel Hill 9 2 School of Computer Science, Carnegie Mellon University 10 3 North Carolina School of Science and Mathematics 11 4 Research Computing, University of North Carolina at Chapel Hill 12 5 Melbourne Dental School, The University of Melbourne 13 6 Department of Radiology, School of Medicine, University of North Carolina at Chapel Hill 14 7 Department北卡罗来纳大学亚当斯牙科诊断科学诊断科学学院15号教堂山16 8 16 8儿科牙科和牙科公共卫生系，亚当斯牙科学院，北卡罗来纳大学17号教堂山大学17号教堂山18 9 9 9 9 9北卡罗莱纳州吉尔林斯大学，北卡罗莱纳大学吉尔林斯大学，北部19级卡罗莱纳大学，教堂山脉教育部。北卡罗来纳州21号教堂山22
插电式燃料电池电动汽车储能系统的最佳尺寸，平衡成本、排放和老化
本研究调查了插电式燃料电池电动汽车 (PFCEV) 的储能系统 (ESS) 的最佳尺寸，同时考虑了技术、经济和环境挑战。主要目标是最大限度地降低生命周期成本 (LCC) 和运营成本，同时减少二氧化碳排放并保持电力系统的耐用性。PFCEV 的 ESS 包含三个核心组件：电池、质子交换膜燃料电池 (FC) 系统和超级电容器 (SC)。性能评估涉及对车辆运行参数的严格约束，并按照城市测功机驾驶时间表 (UDDS) 进行模拟。本研究的一个显著贡献是实施了双循环优化技术，使用二次规划 (QP) 和遗传算法 (GA) 来确定尊重指定约束的可行解空间。总之，研究结果为 PFCEV ESS 的最佳尺寸提供了宝贵的见解和建议。对不同 PFCEV、燃料电池汽车 (FCV) 和电池电动汽车 (BEV) 进行的比较分析表明，PFCEV 具有明显的优势。最后，对各种氢气类型的敏感性分析表明，需要降低生产绿色氢气的成本，以提高其经济可行性和运营效率。
文章 茂密森林覆盖区机载激光扫描 (ALS) 数据地表插值的精度
摘要：地表数字模型在林业中具有许多潜在应用。如今，光探测和测距 (LiDAR) 是收集形态数据的主要来源之一。通过激光扫描获得的点云用于通过插值对地表进行建模，这一过程受到各种误差的影响。使用 LiDAR 数据收集地表数据用于林业应用是一个具有挑战性的场景，因为森林植被的存在会阻碍激光脉冲到达地面的能力。因此，地面观测的密度将降低且不均匀（因为它受到冠层密度变化的影响）。此外，森林地区通常位于山区，在这种情况下，地表的插值更具挑战性。在本文中，我们对九种算法的插值精度进行了比较分析，这些算法用于在茂密的森林植被覆盖的山区地形中从机载激光扫描 (ALS) 数据生成数字地形模型。对于大多数算法，我们发现在总体精度方面性能相似，RMSE 值在 0.11 到 0.28 米之间（当模型分辨率设置为 0.5 米时）。其中五种算法（自然邻域、Delauney 三角剖分、多层 B 样条、薄板样条和基于 TIN 的薄板样条）对于超过 90% 的验证点具有小于 0.20 米的垂直误差。同时，对于大多数算法，主要垂直误差（超过 1 米）与不到 0.05% 的验证点相关。数字地形模型 (DTM) 分辨率、地面坡度和点云密度影响地面模型的质量，而对于冠层密度，我们发现与插值 DTM 的质量之间的联系不太显著。
双线性和最近邻的比较分析
像素转换在图像处理中至关重要，很大程度上取决于插值方法来确保平滑度和清晰度。这项工作重点关注两种广泛使用的图像插值技术：最近邻插值和双线性插值，这两种技术都是使用集成软件代码实现的。我们的方法使每种插值技术都可以独立应用，从而可以直接比较它们的性能。为了对每种插值方法进行全面评估，我们使用了一组基本质量评估指标：峰值信噪比 (PSNR)、结构相似性指数 (SSIM)、灰度分析和均方误差 (MSE)。选择这些指标是为了对图像清晰度、结构准确性和整体视觉质量进行平衡评估。本研究的结果对每种插值技术的优势和局限性进行了详细分析。这些发现旨在帮助研究人员和从业者根据他们在图像处理领域的特定要求选择最合适的插值方法。通过提供比较框架，这项工作通过增强评估和优化数字成像应用中的图像质量的方法来为该领域做出贡献。