XiaoMi-AI文件搜索系统
World File Search System搜索算法
将改进的麻雀搜索算法应用于移动机器人的路径计划
摘要：路径计划是机器人技术领域的重要研究方向；但是，随着现代科学和技术的发展，对机器人研究领域的有效，稳定和安全的路径规划技术的研究已成为现实的需求。本文介绍了一种改进的麻雀搜索算法（ISSA），并采用了融合策略，以进一步提高解决挑战性任务的能力。首先，用圆形混沌映射初始化了麻雀种群，以增强多样性。第二，在探索阶段使用了北陀螺仪的位置更新公式，以替换安全情况下的Sparrow Search Algorithm的位置更新公式。这改善了发现者模型在解决方案空间中的搜索广度，并优化了解决问题的效率。第三，该算法采用了Lévy飞行策略来提高全球优化能力，因此在迭代的后期，麻雀会跳出本地最佳。最后，自适应T分布突变策略在后期迭代中增强了局部勘探能力，从而提高了麻雀搜索算法的收敛速度。将其应用于CEC2021函数集，并将其与其他标准智能优化算法进行比较以测试其性能。此外，ISSA是在移动机器人的路径规划问题中实施的。比较研究表明，就路径长度，运行时间，路径最佳性和稳定性而言，所提出的算法优于SSA。结果表明，在移动机器人路径计划中，所提出的方法更有效，健壮和可行。
jellyfish搜索算法基于最佳的特征选择
金融危机强调了金融关系的一部分是全球宏观经济变异性和系统性风险的潜在来源。使用深度学习（DL）预测金融危机（dl），利用神经网络（NN）来确定指示未来金融危机的模式并分析复杂的财务数据。dl方法，例如经常性神经网络（RNN）或长期记忆（LSTM），这些方法可以处理大量过去的财务数据，例如地缘政治事件，经济指标和市场价格。这些模型的目的是确定可以通过从早期危机及其前体学习来导致经济衰退的精致联系和信号。该问题属于金融市场的复杂和动态性质，要求持续培训和修改方法，以在发展财务状况方面保持显着性。尽管DL显示了提高预测能力的潜力，但要接受金融市场的固有歧义以及建立模型以提高其准确性和可靠性的要求至关重要。本研究提出了一种基于水母搜索算法的特征选择，其中最佳深度学习算法（JSAFS-ODL）用于金融危机预测（FCP）。JSAFS-ODL技术的目标被归类为金融危机或非财务危机的存在。为此，JSAFS-ODL技术应用基于JSA的功能选择（JSA-FS）来选择最佳功能集。此外，RNN-GRU模型可用于FCP。为了增强RNN-GRU方法的检测结果，可以将黑猩猩优化算法（COA）用于与RNN-GRU模型相关的超参数的最佳调整。为了确保JSAFS-ODL程序的更好性能，涉及一系列测试。获得的值强调了JSAFS-ODL技术达到JSAFS-ODL技术的显着性能。
基于麻雀搜索算法 - 深度信念网络的EEG信号的分类
摘要：在脑部计算机界面（BCI）系统中，识别运动成像（MI）脑信号提出了挑战。已建立的识别方法从SSVEP，AEP和P300等模式中实现了有利的性能，而MI的分类方法需要改进。因此，寻求一种表现出高精度和鲁棒性在MI-BCI系统中的应用是必不可少的。在这项研究中，拼音搜索算法（SSA）优化的深信信仰网络（DBN）（称为SSA-DBN）旨在识别经验模式分解（EMD）提取的EEG特征。通过SSA获得的优化超参数增强了DBN的性能。我们的方法的功效在三个数据集上进行了测试：两个公共和一个私人。结果表明，相对较高的精度率，表现优于三种基线方法。具体来说，在私人数据集上，我们的方法的准确度为87.83％，标志着标准DBN算法的10.38％改善。对于BCI IV 2A数据集，我们记录了86.14％的精度，超过DBN算法的精度为9.33％。在SMR-BCI数据集中，我们的方法达到了87.21％的分类精度，比常规DBN算法高5.57％。这项研究表明，MI-BCI的分类能力增强，有可能导致BCI领域的进步。
actseek：Alphafold数据库中活动站点的快速准确搜索算法
图1：Amye的双横断事件。（a）AMYE集成矢量（顶部）的示意图，旨在将插入（黄色）集成到基因组中，如转化基因组（底部）所示。在集成向量上，插入物侧面是两个同源臂，Amye -Front和Amye -Back（绿色）。（b）缺失同源性区域的示意图。在枯草芽孢杆菌基因组中，AMYE之后是LDH-LCTP操纵子（顶部）。在PBGTRP及其衍生物中，带注释的Amye-Back区域之后是LDH的153 bp片段，而缺少中间的227 bp序列（底部）。（c）两个可能的双重跨事件。在这两种情况下，交叉都按预期的是在上游氨基部区域发生的，但是质粒中的基因组序列丢失允许在下游杏仁区域进行两个可能的重组事件。次要事件导致含有核糖体结合位点和LDH的第一个215个核苷酸的基因组序列损失。
使用改良的卷尾素搜索算法
摘要互连的多微晶（MMG）的概念是一种有前途的解决方案，用于改善分销网络的操作，控制和经济性能。MMGS的能源管理是一项艰巨而又具有挑战性的任务，尤其是由于这些资源间歇性以及负载需求的随机性质而导致的可再生能源资源（RER）和负载变化的变化。在这方面，通过最佳包含由光伏（PV）和风力涡轮机（WT）的分布式发电（DGS）组成的混合系统，优化了MMGS的能源管理，并在产生的功率和负载变化的情况下进行了基于风力涡轮机（WT）的分布式生成（DGS）。提出了一种修改的卷cuchin搜索算法（MCAPSA），并应用于MMG的能量管理。MCAPSA基于增强标准胶囊搜索算法（CAPSA）的搜索能力，使用三种改进策略，包括基于准序列的学习（QOBL），基于运动的随机征费，征收征费分布以及Prairie Dog dog Optimization（PDO）中的Prairie Dogs的利用机制。优化的功能是一个多目标函数，包括成本和降低电压偏差以及稳定性增强。对标准基准函数和获得的结果验证了所提出的技术的有效性。然后，所提出的方法用于在不确定性锥形时进行IEEE 33-BUS和69个总线MMG的能源管理。同样，对于第二个MMG，VD的成本和总和减少了44.19％和39.70％，而VSI的增强率则增长了4.49％。结果表明，使用拟议技术包含WT和PV的能源管理可以将VD的成本和总和减少46.41％和62.54％，并且第一个MMG的VSI将增强15.1406％。
b"摘要：Dicke 态是具有汉明权重 k 的 n 个量子比特的叠加，表示为 | D nk \xe2\x9f\xa9 。Dicke 态经常用于为量子搜索算法（例如，Grover 搜索和量子行走）准备输入叠加，这些算法解决具有一定数量 nk 个候选解的组合问题。B\xc2\xa8artschi 和 Eidenbenz 提出了一种具体的量子电路，用于使用多项式量子门构造 Dicke 态 | D nk \xe2\x9f\xa9，并且他们根据汉明权重 k 对该电路进行了推广，以准备 Dicke 态的叠加。随后，Esser 等人提出了另一种量子电路，用于使用多项式门和一些辅助量子比特生成 Dicke 态 | D nk \xe2\x9f\xa9。在本文中，我们推广了 Esser 的状态准备电路以构造一个Dicke 态的叠加。我们对两个广义 Dicke 态准备电路进行了具体的比较。我们使用来自 IBM 量子体验服务 (IBMQ) 的真实量子机器进行噪声模拟和实验。这两个电路都使用噪声中尺度量子 (NISQ) 设备成功构建了广义 Dicke 态叠加，尽管受到噪声的影响。”
b"摘要：Dicke 态是具有汉明权重 k 的 n 个量子比特的叠加，表示为 | D nk \xe2\x9f\xa9 。Dicke 态经常用于为量子搜索算法（例如，Grover 搜索和量子行走）准备输入叠加，这些算法解决具有一定数量 nk 个候选解的组合问题。B\xc2\xa8artschi 和 Eidenbenz 提出了一种具体的量子电路，用于使用多项式量子门构造 Dicke 态 | D nk \xe2\x9f\xa9，并且他们根据汉明权重 k 对该电路进行了推广，以准备 Dicke 态的叠加。随后，Esser 等人提出了另一种量子电路，用于使用多项式门和一些辅助量子比特生成 Dicke 态 | D nk \xe2\x9f\xa9。在本文中，我们推广了 Esser 的状态准备电路以构造一个Dicke 态的叠加。我们对两个广义 Dicke 态准备电路进行了具体的比较。我们使用来自 IBM 量子体验服务 (IBMQ) 的真实量子机器进行噪声模拟和实验。这两个电路都使用噪声中尺度量子 (NISQ) 设备成功构建了广义 Dicke 态叠加，尽管受到噪声的影响。”
混合量子上的深度优先 Grover 搜索算法......
N )，并在 [Ben+97] 中被证明是渐近最优的。近年来，一种新的混合量子-经典 (HQC) 计算概念被提出[Llo00]并受到越来越多的关注，HQC 的概念被应用于计算机科学的多个领域[End+21; Ott+17; Liu+21; Ber+18]。通过将量子组件附加到经典计算机，两个部分相互补充，使得 HQC 兼具两者的优点，例如量子并行性[NC10]、数据存储和高效的算术运算。尽管一些文章讨论了 HQC 的详细结构，但在本文中，我们用第 2 部分来研究 HQC 的配置。此外，我们面临着将 Grover 算法应用于多解搜索问题时的低效率问题（这将遇到重复并恶化到 O ( N √
论文基于改进Sparrow搜索算法的SVR水质预测模型研究
多参数水质趋势预测技术是水环境管理与调控的重要手段之一，本研究提出一种将改进的麻雀搜索算法（ISSA）与支持向量回归机（SVR）相结合的具有更好预测性能的水质预测模型。针对麻雀搜索算法（SSA）种群多样性低、易陷入局部最优的问题，提出ISSA，通过引入Skew-Tent映射来增加初始种群多样性，利用自适应淘汰机制帮助算法跳出局部最优。利用ISSA对SVR模型的惩罚因子C和核函数参数g进行最优值选取，使得模型具有更好的预测精度和泛化性能。通过实际养殖水质数据进行水质预测实验，将ISSA-SVR水质预测模型与BP神经网络、SVR模型及其他混合模型的性能进行了比较。实验结果表明，ISSA-SVR模型的预测精度明显高于其他模型，达到99.2%；均方差（MSE）为0.013，比SVR模型降低了79.37%，比SSA-SVR模型降低了75%；判定系数（R2）为0.98，比SVR模型提高了5.38%，比SSA-SVR模型提高了7.57%，表明ISSA-SVR水质预测模型在水体管理领域具有一定的工程应用价值。
使用Harmony搜索算法和快速圆圈拟合BLOB检测
可以轻松实施，并且基于虹膜的用户身份验证方法可以保证其高稳定性和可重复性。生物识别技术的开发在银行业务中特别可见，在银行业务中，它被用来将用户授权为身份验证阶段之一。提出的术语方法可以用作检测学生或虹膜早期疾病症状的阶段之一，这证明了其普遍性。所开发的方法可能对诸如周围的疾病有帮助[1]。该方法的另一个重要应用可能是学生在黄斑病理学研究中的位置[2]。使用我们的方法检测到的学生区域与其大小无关。实验图像具有不同大小的学生 - 学生区域的确切确定可能有助于分析病变。我们证明所提出的方法可确保在分割过程中提高效率。使用HSA在眼睑边界的近似中给出了令人满意的结果。检测由我们开发的虹膜内部边界的方法允许以高精度检测学生的边界，即使学生由于记录的图像或疾病的不完美而没有圆形的形状。学生检测和分割算法是使用形状和颜色检测器的另一种方法。该出版物中提出的解决方案已在ubiis.v1数据库[3]，mmu.v1数据库[4]，Miles [5]上测试。值得注意的是，可以在人眼的其他结构上进行人类的识别和认证。出版物介绍了基于人眼的视网膜的细分和用户识别过程的一个很好的例子。虹膜分割算法的特征是高精度。不幸的是，使用用于此目的的机器学习的方法需要耗时的培训。另一方面，使用经典图像处理的人要么很难进行，要么仅在一组图像上进行了测试。更重要的是，作者仅在一个数据库上测试了一些分割算法，这并不能使研究完成。应考虑虹膜分割算法实施的可用性和简单性的问题。我们的任务是为学生和虹膜开发一个简单快速的眼睛结构细分，并检查创建的系统是否符合人类识别系统的标准和要求。为此，我们使用了修改，随时可用的算法来实现高精度的操作。我们将我们开发的方法与本出版物中讨论的四项精选作品进行了比较，在虹膜分割过程中获得了更好的结果。