XiaoMi-AI文件搜索系统
World File Search System最优的
利用机载无人机进行野外路况检测及应急救援识别
摘要：无人机视觉技术在野外救援中的重要性日益凸显。针对野外网络状况不佳、天气恶劣的人类，本文提出了一种从无人机多光谱相机实时拍摄的视频或预先下载的卫星多光谱图像中提取道路和检测路况的技术，为人类提供最优的路线规划。此外，根据无人机的飞行高度，人类可以通过动态手势识别与无人机进行交互，以识别紧急情况和潜在危险，以便进行紧急救援或重新规划路线。本研究的目的是检测路况并识别紧急情况，以便为野外的人类提供必要和及时的援助。通过获取归一化植被指数（NDVI），无人机可以有效区分裸土路和碎石路，从而完善我们之前的路线规划数据的结果。在低空人机交互部分，我们基于媒体管道手势标志，结合机器学习方法，构建了四种基本手势的数据集，用于求救动态手势识别。我们在不同的分类器上测试了数据集，最好的结果表明该模型在测试集上可以达到 99.99% 的准确率。在这篇概念验证论文中，上述实验结果证实了我们提出的方案可以实现我们预期的无人机救援和航线规划任务。
使用人工智能和 GIS 数据进行智能户外广告
简介 户外广告 (OOH) (Taylor、Franke 和 Bang 2006) 是最古老但最受欢迎的广告形式之一。事实证明，在 COVID-19 危机期间，全球户外广告市场规模估计为 270 亿美元（2020 年），预计到 2026 年将增长到 330 亿美元。在户外广告中，为给定的客户活动选择“合适的”广告牌（对相应的展示次数、转化次数、客流量和投资回报率有影响）仍然是一个悬而未决的挑战。广告牌的最佳选择需要考虑多个通常相互冲突的目标和约束，例如活动成本、所选广告牌提供的覆盖面积以及广告牌和客户资料之间的相似性。因此，需要在 MOO 的背景下解决这个问题，提供一组接近最优的解决方案，而不是像其他研究（Lotfi、Mehrjerdi 和 Mardani 2017）那样将多个目标视为单个加权函数。为此，需要各种准确和现实的分析数据，在此基础上做出明智和明智的决策。智能户外广告平台 (SOAP) 使用 GIS 数据和先进的 AI 技术缓解了户外广告所涉及的许多障碍。具体来说，SOAP 的主要功能包括 (i) 特征工程 - 从原始 GIS 数据中清理、准备和提取知识；(ii) 广告牌重新定价 - 使用最先进的 ML 技术得出更具代表性的定价模型
低阻力艾哈迈德体的人工智能控制......
本研究提出了一种机器学习或人工智能 (AI) 控制低阻力 Ahmed 体的方法，其后倾角 ϕ = 35°，旨在找到有效减阻 (DR) 的策略。根据机身横截面积的平方根，所研究的雷诺数 Re 为 1.7 × 10 5。控制系统包括五个独立操作的稳定微喷射阵列，沿后窗和垂直底座的边缘吹出，车身尾部的二十六个压力抽头，以及一个基于蚁群算法的控制器，用于无监督学习近乎最优的控制律。成本函数的设计同时考虑了 DR 和控制功率输入。AI 控制的学习过程发现强迫产生高达 18 % 的 DR，相当于阻力系数降低 0.06，大大超过了之前报道的这种机身的任何 DR。此外，发现的强迫因素可能提供替代解决方案，即在 DR 略微牺牲的情况下大幅提高控制效率。在有控制和无控制的情况下进行的大量流量测量表明，车身周围的流动结构发生了显著变化，例如后窗上的流动分离、再循环气泡和 C 柱涡流，这些都与窗户和底座上的压力上升有关。揭示了 DR 的物理机制，以及在最佳控制或最大 DR 下改变的流动结构的概念模型。进一步将该机制与最高控制效率下的机制进行了比较。
改进微电网投资规划模型中的可靠性和成本估算
本文开发了一种新的微电网投资规划模型，用于确定微电网中分布式能源 (DER) 的成本最优投资和运营。我们在双层框架中制定了该问题，使用粒子群优化确定投资，使用 DER-CAM 模型（分布式能源客户采用模型）确定运营。该模型进一步使用顺序蒙特卡罗模拟来明确模拟停电，并集成随时间变化的客户损害函数来计算停电造成的中断成本。该模型直接处理可靠性评估中的非线性，而现有的线性模型则做出了关键的简化假设。它将投资、运营和中断成本结合在一个目标函数中，从而内生地处理可靠性，并在成本和可靠性（两个相互竞争的目标）之间找到成本最优的权衡。与通过最低投资约束来处理可靠性的 DER-CAM 模型版本进行基准测试时，我们的新模型将可靠性（预期负载损失）的估计值提高了 600%，总系统成本提高了 6%-18%，投资成本提高了 32%-50%，投资的经济效益提高了 27%-47%。改进源于天然气发电机、太阳能光伏和电池储能的投资差异高达 56%。
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。
基于合同的储能投资分时定价
摘要 — 分时电价 (ToU) 被电力公司广泛使用。精心设计的 ToU 定价可以激励终端用户部署能源存储，从而有助于降低系统峰值负荷并降低系统社会成本。然而，ToU 定价的优化并非易事，设计不当的 ToU 定价可能会导致存储投资远离社会最优。在本文中，我们旨在设计最佳的 ToU 定价，同时考虑公用事业的社会成本和用户的存储投资决策。由于存储投资成本是用户的私人信息，我们设计了低复杂度的合同来获取必要的信息并诱导用户存储投资的正确行为。所提出的合同仅指定三个合同项目，可指导任意多种不同存储成本类型的用户根据其峰值需求投资全部、部分或不投资存储容量。当公用事业公司知道每种存储成本类型（但不知道单个用户的类型）的总需求时，我们的合同可以实现社会最优。当公用事业公司仅知道每种存储成本类型需求的分布时，我们的合同可以产生接近最优的解决方案。根据使用实际数据的模拟，与社会最优值的差距小至 1.5%。我们还表明，与没有存储投资基准相比，拟议的合同可以将系统社会成本降低 30% 以上。
生成对抗网络——支持人机交互...
工作和工作场所的未来瞬息万变。关于人工智能 (AI) 及其对工作的影响，已经有大量文章进行了探讨，其中大部分集中在自动化及其对潜在失业的影响上。本篇评论将讨论一个领域，即人工智能被添加到创意和设计从业者的工具箱中，以提高他们的创造力、生产力和设计视野。设计师的主要目的是在给定一组约束的情况下创建或生成最优的工件或原型。随着生成网络，尤其是生成对抗网络 (GAN) 的出现，我们已经看到人工智能侵入了这一领域。过去几年来，这一领域已成为机器学习中最活跃的研究领域之一，其中许多技术，尤其是围绕可信图像生成的技术，已经引起了媒体的广泛关注。我们将超越自动化技术和解决方案，看看 GAN 如何融入设计从业者的用户流程中。 2015 年至 2020 年，对 ScienceDirect、SpringerLink、Web of Science、Scopus、IEEExplore 和 ACM DigitalLibrary 上索引的出版物进行了系统性审查。结果根据 PRISMA 声明报告。从 317 个搜索结果中，审查了 34 项研究（包括两个滚雪球抽样），重点介绍了该领域的主要趋势。介绍了这些研究的局限性，特别是缺乏用户研究以及玩具示例或不太可能扩展的实现的盛行。还确定了未来研究的领域。
计算和通信协同调度，实现无线边缘的及时多任务推理
摘要 — 在多任务远程推理系统中，智能接收器（例如，指挥中心）使用从多个远程源（例如，边缘传感器）接收的数据特征执行多个推理任务（例如，目标检测）。在这些系统中促进及时推理的关键挑战来自 (i) 源的计算能力有限，无法从其输入中产生特征，以及 (ii) 信道的通信资源有限，无法同时将特征传输到接收器。我们开发了一种新颖的计算和通信协同调度方法，该方法确定特征生成和传输调度，以最大限度地减少受这些资源限制的推理错误。具体来说，我们将协同调度问题表述为弱耦合马尔可夫决策过程，以基于信息时代 (AoI) 的及时性来衡量推理错误。为了克服其 PSPACE 难度，我们分析了该问题的拉格朗日松弛法，从而得出增益指标，用于评估每个潜在特征生成-传输调度操作的推理误差的改善。在此基础上，我们开发了一种最大增益优先 (MGF) 策略，我们证明，随着推理任务数量的增加，该策略对于原始问题而言是渐近最优的。实验表明，MGF 相对于不同任务、渠道和来源的基线策略获得了显着的改进。
![arXiv:2212.13938v1 [quant-ph] 2022 年 12 月 28 日](/simg/1\1612f5e6f2ab3daecafd31d7f5e99329217dc742.webp)
arXiv:2212.13938v1 [quant-ph] 2022 年 12 月 28 日
量子纠缠作为物理资源在量子信息处理中发挥着重要作用[1–3]。它广泛应用于各种量子信息处理任务，如量子计算[4]、隐形传态[5]、密集编码[6]、密码学[7]和量子密钥分发[8]。量子相干性是量子计量[9,10]和纠缠产生[11,12]的强大资源，也是量子光学[13–16]、量子信息[2]、固体物理[17]和热力学[18,19]中许多具有广泛影响的有趣现象的根源。量子算法的代表是Shor因式分解[20]和Grover搜索[21]算法。几年前，另一种称为 Harrow Hassidim-Lloyd (HHL) 算法的算法被开发出来。它可以计算稀疏矩阵的逆。HHL 算法在矩阵求逆任务中是最优的。Grover 算法是一种在量子计算机上运行的非结构化搜索算法，是量子计算的典型算法之一。Grover 算法或 HHL 算法 [22] 中研究了量子纠缠。在本文中，我们研究一个问题：“Grover 算法或 HHL 算法中的相干性、不一致性和 GM 如何变化？”。为了探讨这个问题，我们首先集中研究 Grover 算法。我们在子节 III A 中计算相干性。我们分别在引理 4、5、6 和 7 中的每一步计算不一致性。我们分别在引理 8、9、10 和 11 中的每一步计算 GM。然后，我们分别在表 I、表 II 和表 III 中展示了一致性、不一致性和 GM 的表格。我们
发布者
从化石燃料向可再生能源的转变对于防止危险的气候变化至关重要，世界各地的城市在实现这一转变方面发挥着重要作用。城市天生就是人力、经济和智力资本的中心，也为全球不断增长的能源需求做出了贡献。这项研究首次探讨了北印度电网地区像德里这样的全球特大城市在电力、热力、运输和海水淡化部门等 100% 可再生能源系统的技术可行性和经济可行性。它为德里提出了一条技术丰富、多部门、多区域和成本最优的能源转型路径，德里是区域能源系统的枢纽。这项研究的结果表明，像德里这样的特大城市可以受益并推动区域能源转型，一次能源减少 40% 以上，能源成本降低 25% 以上，温室气体排放、空气污染和相关健康成本减少。同时，截至目前，德里在北印度和德里创造的直接能源就业岗位数量是现在的三倍多。以北印度电网中的德里为例，本研究提供了当前和未来能源格局的快照，并讨论了能源转型途径的几个方面，这些途径可能为世界各地的特大城市带来负担得起、高效、可持续和安全的能源未来。© 2022 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。