XiaoMi-AI文件搜索系统
World File Search System智能家居
在智能家居环境中使用便携式脑电图在冥想练习期间诱发认知障碍患者的脑电波：一项初步研究
全世界有超过 5500 万人患有阿尔茨海默病 (AD)，这是最常见的神经退行性疾病，而根据世界卫生组织的数据，预计到 2050 年这一数字将达到 1.39 亿例 (S. Report, 2021)。然而，AD 的病因及其临床前阶段，如轻度认知障碍 (MCI) 和主观认知衰退 (SCD)，仍不清楚，也没有提出有效的治疗方法 (Petersen 等人，2001；Albert 等人，2011；Stewart，2012；Bessi 等人，2018；Yue 等人，2021)，尽管早期发现这些病症具有重要的科学意义。每年，10% 到 15% 的 MCI 患者会发展为 AD，预计超过一半的 MCI 患者会在 5 年内发展为 AD（Gauthier 等人，2006 年；Tarnanas 等人，2015 年）。然而，由于危险性和副作用较低，一些非药物方法也被提出。另一方面，尽快发现认知功能下降以阻止认知功能障碍和 AD 的进展仍然是科学的重中之重。因此，脑电图 (EEG) 因其在识别早期认知能力下降方面的优势而得到广泛研究，它似乎是这方面的一种潜在方法，因为它提供了一种非侵入性且简单的工具，可早期检测整个 AD 谱系中的大脑活动异常（Lazarou 等人，2019a、2020 年）。脑电图 (EEG) 已被用作诊断 AD 的工具，并且已采用多种技术来检测 AD 患者的脑电图异常。在这个方向上，考虑到先前的研究通过探索大脑频率、ERP 或基于图论的大脑连接组更高级指标（Lazarou et al. 2019b, 2020）阐明了 EEG 的临床重要性，这可以提高我们对认知能力下降早期阶段人类大脑复杂组织的理解。关于脑电波，EEG相关研究表明，与正常老年受试者相比，认知障碍者在静息态活动期间，delta和theta功率增加，而alpha和beta活动功率则降低（Aftanas和Golocheikine，2001；Lal和Craig，2002；Aftanas和Golocheikine，2003；Lutz等，2008；Foxe和Snyder，2011；Wells等，2013；Snyder等，2015；Tsoneva等，2015；Deolindo等，2020；Bentley等，2022；Lazarou等，2022）。最近的科学数据表明，特定的EEG标记物与转化预后相关。这些标记是增加的 theta/gamma 比率，alpha 频率的降低，这似乎与转化为 AD 有关。此外，在 MCI 和 AD 受试者中，静息状态下的后 delta 和 alpha EEG 节律似乎对 AD 神经退行性过程更为敏感（Osterrieth，1944 年）。Babiloni 等人在他们的工作中提出了以下假设：在 MCI 和 AD 患者中，由于整个疾病的皮质萎缩，脑电图节律存在异常。他们的研究结果表明
人工智能驱动的智能家居：挑战与机遇
电子邮件：waleed.abdlekhalik@zu.edu.eg 摘要 随着基于人工智能的智能家居越来越受欢迎，我们需要更好地了解这项新兴技术的优势和挑战。对基于人工智能的智能家居的调查可以提供关于用户需求、采用率、用户满意度、采用障碍和创新机会的宝贵见解。本研究概述了智能家居发展的前沿文献，重点介绍了人工智能 (AI) 方法在该应用领域的运用。我们首先回顾人工智能技术以及实现人工智能所需的智能家居必需品。然后，我们介绍了人工智能在智能家居中的几种应用，并描述了文学作品中已经存在的最流行的方法。本文还讨论了智能家居发展中遇到的未决问题（例如安全和隐私、数据收集和共享、数据分析和延迟）。最后，本文提出了一些可能富有成效的未来研究方向。 关键词：人工智能；智能家居；智能系统；机器学习 1. 简介：人工智能 (AI) 彻底改变了我们与技术互动的方式，使我们更容易自动执行日常任务并让我们的生活更加便捷。人工智能取得重大进步的一个领域是智能家居领域。智能家居是配备各种设备和电器的房屋，可以通过智能手机、平板电脑或计算机远程控制。在人工智能的帮助下，这些设备可以学习我们的习惯和偏好，并自动进行自我调整，让我们的生活更加舒适和方便。从根据我们的时间表和偏好调节温度的恒温器，到可以关灯和锁门的语音助手，智能家居技术已经取得了长足的进步。人工智能算法甚至可以分析我们的能源使用情况并提出减少消耗的方法，最终为我们节省水电费。尽管人工智能驱动的智能家居有很多好处，但人们也担心数据隐私和安全。由于收集和分析了如此多的个人数据，确保智能家居安全并保护我们的隐私非常重要。随着人工智能的不断发展，智能家居可能会变得更加复杂，为我们提供更高水平的便利和自动化。然而，在我们拥抱这些令人兴奋的新技术时，重要的是要注意潜在的风险，并采取措施保护我们的隐私和安全。机器学习 (ML) 是一种强大的工具，可用于改进智能家居应用。通过分析来自各种传感器和设备的数据，ML 算法可以了解我们的偏好和习惯，并相应地调整智能家居系统，以提供更加个性化和舒适的生活环境。例如，机器学习可以在智能家居能源管理中发挥关键作用，帮助房主优化能源使用并降低成本。通过分析来自传感器、智能电表和其他设备的数据，机器学习算法可以了解家庭能源消耗模式并预测未来的使用情况。机器学习还可以应用于智能家居安全，帮助房主识别潜在的安全威胁并采取主动措施保护他们的房屋。异常
开发和评估具有可再生能源的智能家居负载协调的在线房屋能源管理策略
在本文中，为在智能家庭中优化电动需求而开发了实时实施的负载协调策略。该策略最大程度地减少了对房主的电力成本，同时限制了与延期额外电力负载相关的中断。多目标非线性混合整数编程被配制为一个顺序模型预测控制，然后使用遗传算法解决。通过部署高级协调策略获得的负载转移益处与用于各种家庭特征（例如位置，大小和设备）的基线控制器进行了比较。模拟研究表明，与基线策略相比，智能家居能源管理策略的部署降低了5％。这是通过推迟大约50％的纤性载荷来实现的，这是由于使用固定能量存储而可能导致的。
电动电动电池的智能家居电源管理系统...
t desired charging time (h) ADC Analog-to-Digital Converter AP Access Point BLE Bluetooth Low Energy CR available battery capacity (kWh) CT total battery capacity (kWh) DBMS Database Management System DSM Demand-Side Management EV Electric Vehicle EVBC Electric Vehicle Battery Charger FC Fixed Current (charging method) GUI Graphical User Interface I2C Inter-Integrated Circuit I EA RMS value of the electrical appliances current (A) I EVBC RMS value of the EVBC current (A) I H RMS value of the total current consumed at home (A) I MAX RMS nominal value of the home circuit breaker current (A) IoT Internet of Things IP Internet Protocol ISM Industrial, Scientific and Medical ISP Internet Service Provider MAC Medium Access Control MQTT Message Queuing Telemetry Transport PHY physical layer PM Power Management PMS Power Management System QoS Quality of Service SPI Serial Peripheral Interface UART Universal异步接收器 - 传播器USB通用串行总线VC变量电流（充电方法）V C电池充电电压（V）WPAN无线个人区域网络
智能家居环境中分布式电力流分配的能量损耗研究
摘要：如今，可再生能源是分布式能源系统的重要组成部分。然而，它们的间歇性使它们成为不稳定的能源，因此很难在任何能源系统中得到最佳利用。电池存储是解决这一问题的可行解决方案。在本文中，我们考虑了分布式功率流分配，包括不稳定的发电机、不可预测的电力负载和多个储能系统 (ESS)，它们之间有不同的逻辑电源连接组合。我们提出了功率流分配 (PFA) 算法来处理单个和多个负载，以解决在智能家居环境中使用 ESS 减少能量损失和改善分布式功率流分配的可能性。模拟结果表明，发电机、负载和存储系统之间的逻辑电源连接的增加可以显著减少能量损失。与冬季将所有发电电力直接存储在 ESS 中的功率流分配相比，所提出的 PFA 算法可以将能量损失减少约 67%。结果进一步表明，与其他季节相比，春季的能量损失和 ESS 中存储的能量最高。
使用和谐搜索优化技术实现基于物联网的智能家居最佳能源管理
性能。本文提出了一种基于物联网的最佳能源管理方法，该方法依赖于 Harmony Search 优化技术，以节省智能家居的能源使用。光伏和风能可再生能源系统用于为家庭供电。这些现场能源有助于智能家居减少对电网电力的依赖。由于太阳辐射和风速固有的随机性和间歇性，能量存储系统用于维持能源系统的可靠性。所提出的算法依赖于对电能价格随时间变化的按需响应，并应用分时定价原则来控制家用电器。物联网技术用于家用电器和控制中心之间的数据交换，此外，还用于将能源管理系统和安全系统与控制中心进行通信。在本文中，物联网系统基于 ZigBee 无线技术，该技术被描述为功耗最低的无线技术。该算法应用于一栋由五层楼组成的拟建建筑，每层楼包含两套公寓，一套公寓的总面积为 200 平方米。得到的结果证明了所提出的基于和谐搜索的优化方法在满足所需约束条件的同时，在智能家居中节约能源和减少电费方面的有效性。此外，所提出的算法的性能通过四种人工智能算法进行了验证，包括遗传算法、人工免疫系统、蚁狮优化和蝙蝠算法。除了编程和公式简单之外，进行的比较还表明结果相似，所提出的算法在节省电力成本和缩短运行时间方面具有优势
智能家居项目的财务评估
摘要：智能家居是全球趋势。它们可以优化能源使用，帮助家庭减少电费甚至赚取利润。 2018年美国和英国的智能家居数量分别达到4030万和530万。到2024年，预计美国53.1%和英国39%的家庭将成为智能家居。然而，在巴西，2018年注册的智能家居仅有120万套。尽管智能家居似乎是住房的未来，但许多客户认为，从现有住宅过渡到智能家居并不有利可图，因为需要前期投资，而且存在无法获得回报来弥补这笔投资的风险。目前的文献并未满足塞阿拉州住宅业主从财务角度寻找最佳电机和家用电器组合以实现智能家居的需求，而这正是本研究的目标。本文提出了一个案例研究，目的是评估塞阿拉州特定房屋的多个智能家居实施项目的盈利能力。使用基于运筹学的方法和通过精确优化的数学规划来最大化净现值，结果表明必须购买一组设备/技术，以便家庭的投资获得正的财务回报。关键词：优化。智能家居。活力。净现值。摘要：智能家居是全球性的趋势。它们可以优化能源使用，帮助家庭减少电费甚至赚取利润。 2018年，美国和英国的智能家居数量分别达到4030万和530万。到2024年，预计美国53.1%和英国39%的家庭将实现智能家居。然而，在巴西，2018年注册的智能家居仅有120万套。尽管智能家居似乎是家庭的未来，但许多客户认为，从现有家庭过渡到智能家居是无利可图的，因为需要大量的初始投资，并且存在没有回报来弥补这笔投资的风险。本文提出了一个案例研究，目的是评估在塞阿拉州某所房屋实施的多个智能家居项目的盈利能力。以净现值最大化为重点，结果表明应购买一套家用电器/技术，以便户主的投资获得正的财务回报。关键词：优化。智能家居。活力。净现值。
用于智能家居控制的脑机接口
摘要：一种新的通信通道称为脑机接口 (BCI)，它位于人脑和数字计算机之间。其目标是恢复残疾人的运动、恢复通信、恢复环境控制。使用该系统可以交替进行自然的通信和控制。神经肌肉通道是人体的有效通路，但 BCI 的人工系统绕过了这些通道。由于神经相互作用而产生的不同模式会导致大脑的不同状态。具有不同频率和振幅范围的不同波模式是由使用多个神经元执行的神经相互作用模式产生的。这些与神经元的相互作用导致较小范围内的放电。该项目处理头部传感器感知的脑信号。这些信号被分成数据包，然后将其传输到蓝牙等无线介质中。测量脑电波的单元将从传感器接收原始数据，并将其与微控制器接口。微控制器的输出数据被发送到家庭部分的操作过程，例如灯泡和风扇模块。根据 alpha 和 theta 波的振幅，家用电器的开启和关闭状态会有所不同。这有助于老年人和瘫痪患者轻松操作家用电器。由于智能技术近年来变得非常流行，这种智能技术在家庭控制中的应用非常有用和有帮助。关键词：BCI、EEG、神经交互、虚拟现实。
Brainy Home：基于脑机接口的虚拟智能家居和轮椅控制应用程序
摘要：近年来，智能家居应用已成为改善人们生活质量的必需品，尤其是对于行动障碍人士。虽然智能家居应用是通过手机、语音命令和手势等交互工具进行控制的，但这些工具可能不适合患有严重残疾、影响其运动功能的人士，例如闭锁综合征 (LIS)、肌萎缩侧索硬化症 (ALS)、脑瘫、中风等。在本研究中，我们在虚拟环境中开发了一个智能家居和轮椅控制应用程序，该应用程序完全由基于稳态视觉诱发电位 (SSVEP) 的脑机接口 (BCI) 系统控制。它是一种成本相对较低、易于设置的无线通信协议，具有较高的准确性。该系统已在 15 名健康受试者身上进行了测试，初步结果全面表明，所有受试者都以大约 100% 的准确率完成了设备交互任务，并以超过 90% 的准确率完成了轮椅导航任务。这些结果清楚地表明，未来开发的系统可用于与辅助设备和智能家电实时交互。因此，所提出的系统可能在帮助残疾人独立进行日常生活活动方面发挥重要作用。