XiaoMi-AI文件搜索系统
World File Search System模拟数据
使用现代 IED 和通信网络监测电力系统扰动的标准化方法
摘要 — 使用精确时间事件监控变电站及其互连拓扑对于现代复杂电力系统网络至关重要。电力系统故障从简单到复杂，需要提供适当的时间同步数字事件和模拟数据，例如电压、电流和频率。电力系统分析师、资产管理团队和工程师必须全面了解电力动态、高分辨率瞬态故障记录和比瞬态故障持续时间更长的低分辨率动态扰动记录，以及相应的顺序事件记录，以评估孤立和互连电力系统故障，准确找到故障源，并采取预防措施避免这些故障再次发生。
使用现代 IED 和通信网络监测电力系统扰动的标准化方法
摘要 — 使用精确时间事件监控变电站及其互连拓扑对于现代复杂电力系统网络至关重要。电力系统故障从简单到复杂，需要提供适当的时间同步数字事件和模拟数据，例如电压、电流和频率。电力系统分析师、资产管理团队和工程师必须全面了解电力动态、高分辨率瞬态故障记录和比瞬态故障持续时间更长的低分辨率动态扰动记录，以及相应的顺序事件记录，以评估孤立和互连电力系统故障，准确找到故障源，并采取预防措施避免这些故障再次发生。
使用瞬态场测量的钢条的磁性表征：从机器学习的角度来看的全局灵敏度分析和回归
摘要。在此贡献中，使用田间梯度瞬变的合成数据研究了钢条的磁性表征，这些瞬态是通过有限的集成技术（FIT）生成的。使用Jiles-Atherton（JA）模型描述并参数化了材料定律。然后，使用两种全局方法分析相关磁指标相对于材料参数的敏感性：SOBOL的指标和δ-敏感指标。为了加速对这些数量的评估，使用模拟数据集中的机器学习技术构建了快速的元模型。基于量身定制的学习框架的逆问题解决方案已针对不同提出的标识符进行了测试，并最终讨论了它们对所讨论材料的磁性表征的适用性。
5 月 15 日 星期一 5 月 16 日 星期二
Fatma Kocer (Altair)、Shane Mooney (Kinetic Vision) - 工程数据科学工作组工程师使用基于物理的模拟创建并继续创建大量数据。我们中的一些人使用实验设计或优化来生成大型数据集，但大多数人使用反复试验过程来生成数据点。那些使用 DOE 或优化的人可以通过使用描述性和预测性分析从整个数据集中学习，从而增强设计探索并做出更好的设计决策。最近，还开发了可以使用从一次性反复试验中编译的历史数据集的 ML 方法。在本次研讨会上，我们将展示使用模拟数据将数据科学应用于工程应用。我们将讨论...
5月15日星期一 5月16日星期二
Fatma Kocer (Altair)、Shane Mooney (Kinetic Vision) - 工程数据科学工作组工程师使用基于物理的模拟创建并继续创建大量数据。我们中的一些人使用实验设计或优化生成大型数据集，但大多数人使用反复试验过程生成数据点。那些使用 DOE 或优化的人可以通过使用描述性和预测性分析从整个数据集中学习，从而可以增强设计探索并做出更好的设计决策。最近，还开发了可以使用从一次性反复试验中编译的历史数据集的 ML 方法。在本次研讨会上，我们将使用模拟数据展示数据科学在工程应用中的应用。我们将讨论...
5 月 15 日 星期一 5 月 16 日 星期二
Fatma Kocer (Altair)、Shane Mooney (Kinetic Vision) - 工程数据科学工作组工程师使用基于物理的模拟创建并继续创建大量数据。我们中的一些人使用实验设计或优化来生成大型数据集，但大多数人使用反复试验过程来生成数据点。那些使用 DOE 或优化的人可以通过使用描述性和预测性分析从整个数据集中学习，从而增强设计探索并做出更好的设计决策。最近，还开发了可以使用从一次性反复试验中编译的历史数据集的 ML 方法。在本次研讨会上，我们将展示使用模拟数据将数据科学应用于工程应用。我们将讨论...
5 月 15 日 星期一 5 月 16 日 星期二
Fatma Kocer (Altair)、Shane Mooney (Kinetic Vision) - 工程数据科学工作组工程师使用基于物理的模拟创建并继续创建大量数据。我们中的一些人使用实验设计或优化来生成大型数据集，但大多数人使用反复试验过程来生成数据点。那些使用 DOE 或优化的人可以通过使用描述性和预测性分析从整个数据集中学习，从而增强设计探索并做出更好的设计决策。最近，还开发了可以使用从一次性反复试验中编译的历史数据集的 ML 方法。在本次研讨会上，我们将展示使用模拟数据将数据科学应用于工程应用。我们将讨论...
使用Physics-...
口语的特征是随着时间的推移而展开的高维且高度可变的物理运动集。该信号的基本动力学原理是什么？在这项研究中，我们证明了物理知情的机器学习（稀疏符号回归）的使用来发现新的语音发音动力学模型。我们首先在模拟数据上演示了模型发现程序，并表明该算法能够以近乎完美的精度发现原始模型，即使数据还具有持续时间，初始条件和焦油位置的广泛差异，以及在添加噪声的情况下。然后，我们演示了一种概念验证，该概念将相同的技术应用于经验数据，该技术揭示了一系列的候选动力学模型，其复杂性和准确性水平越来越高。
使用复杂系统中模糊专家系统的出现检测
抽象的昆虫群，鱼类，鸟类群和其他自然现象都表现出新兴行为，这些行为是当今世界上最广泛讨论的主题之一。当这些生物执行任务时，很明显，它们在不相互碰撞的情况下保持一致的旅行方向。本文提出了一种基于模糊的专家系统的紧急行为分析方法。本文介绍了三步程序的第一个结果，并研究了如何将相互作用用作检测船舶模型中的新兴行为的指标：（1）模拟数据的表示和获取（2）构建FUZZY PERTERS（3）构建fuzzy Perfect，（3）构建fuzzy Perfect，（3）。由于这是正在进行的研究的一部分，因此还讨论了未来的方向。
基于机器学习的预测AP
对模拟数据的探索是一种有价值的教育工具，阐明了模型评估的内在过程以及实现更好准确性的旅程。它强调了知情特征选择的关键性，理解模型假设的必要性以及对模型优化的持续追求。在现实世界应用中，这些见解具有工具性。，他们为系统的系统方法奠定了基础，以指导预测模型的完善，以更好地反映复杂的现实世界现象。通过采用一种迭代，知识知识的方法来建模开发，我们为更准确，可靠的预测结果铺平了道路，可以显着增强水资源管理策略。