XiaoMi-AI文件搜索系统
World File Search System模糊
针对 Pico Hydro 的模糊控制电池储能系统 (BESS) 的设计
摘要 — 微微水力系统是水力涡轮机调速器、电子负荷控制器和发电机的组合，被概述为农村社区离网供电选项的推荐方法之一。在传统的水力系统安装中，具有比例-积分-微分 (PID) 的电子负荷控制器是提供发电和负荷消耗需求之间功率平衡的最佳选择。然而，白天的电力需求总是会出现高峰，但夜间的能源消耗却很低。这种情况导致大量能源被倾倒和浪费，并且缺乏与工厂电力稳定性有关的能源管理。因此，本研究旨在为能够满足关键负载要求的能源系统设计模糊逻辑控制 (FLC)，然后使用 MATLAB SIMULINK 进行仿真以评估过剩能源的有效利用。使用 Mamdani 的方法和 25 条成员规则来实现基于模糊逻辑的控制系统，可以在放电、电池备份和负载供应等场景之间执行有效的功率流控制。结果表明，通过对微型水电系统 2 秒到 3 秒的剩余发电量实施模糊控制，这种方法是一种更好的替代方案，可以更有效地稳定系统并提高能源供应。
针对 Pico Hydro 的模糊控制电池储能系统 (BESS) 的设计
摘要 — 微微水力系统是水力涡轮机调速器、电子负荷控制器和发电机的组合，被概述为农村社区离网供电选项的推荐方法之一。在传统的水力系统安装中，具有比例-积分-微分 (PID) 的电子负荷控制器是提供发电和负荷消耗需求之间功率平衡的最佳选择。然而，白天的电力需求总是会出现高峰，但夜间的能源消耗却很低。这种情况导致大量能源被倾倒和浪费，并且缺乏与工厂电力稳定性有关的能源管理。因此，本研究旨在为能够满足关键负载要求的能源系统设计模糊逻辑控制 (FLC)，然后使用 MATLAB SIMULINK 进行仿真以评估过剩能源的有效利用。使用 Mamdani 的方法和 25 条成员规则来实现基于模糊逻辑的控制系统，可以在放电、电池备份和负载供应等场景之间执行有效的功率流控制。结果表明，通过对微型水力发电系统 2 秒到 3 秒的剩余发电量实施模糊控制，这种方法是一种更好的替代方案，并且更有效地实现系统稳定和能源供应。
可再生能源一体化可持续管理中基于模糊逻辑的能源管理
摘要。本研究提出了一种基于模糊逻辑的新型能源管理模型，旨在优化可再生能源与智能电网的结合。该研究使用模拟数据来评估该模型在重要指标方面的表现，结果显示可再生能源消耗、电网稳定性、能源存储可靠性和系统整体效率均有显著改善。模糊逻辑控制器根据当前输入调整能源分配，使可再生能源使用率显著提高 20%。适应能力对于应对太阳能、风能和生物质能固有波动至关重要。该方法大大提高了电网稳定性，电网频率变化减少了 15%，凸显了其在确保更规范、更稳定的电力供应方面的有效性。此外，能源存储系统的可靠性在充电状态下显著提高了 25%，表明充电和放电循环最佳。这种可靠性的提高增强了电力系统在高需求和变化时期的能源供应稳定性。与传统管理系统相比，基于模糊逻辑的能源管理模型使整个系统效率显著提高 22%。该指标涵盖了该模型对可再生能源使用、电网稳定性和储能优化的综合影响。与传统控制策略（如比例积分微分控制器）进行的比较分析一致证明了模糊逻辑方法的优越性。这种方法使电网频率偏差减少 10%，储能充电状态提高 15%，整个系统效率提高 12%。敏感性分析突出了模糊逻辑控制器的弹性，因为即使参数变化很大，它也能表现出一致的性能。通过使用验证，进一步证实了该模型的实际实用性和对道德原则的遵守
用于医疗数据分析的模糊感知人工智能助手
摘要 用于临床决策的人工智能 (AI) 助手在医学领域的前景越来越广阔。然而，医疗评估可能会引起争议，导致专家意见不一。这就提出了一个问题：应如何设计 AI 助手来处理模糊病例的分类。我们的研究比较了两种 AI 助手，它们为医疗时间序列数据提供分类标签以及定量不确定性估计：传统助手与模糊感知助手。我们根据现实世界的专家讨论模拟了模糊感知 AI，以突出显示可能导致专家意见分歧的案例，并提出相互冲突的分类选择的论据。我们的结果表明，模糊感知 AI 可以通过显著增加审查的有争议案例的比例来改变专家的工作流程。我们还发现，AI 提供的论据（随机从指南中选择或由专家选择）的相关性影响专家修改 AI 建议标签的准确性。我们的工作为有争议的临床评估的人工智能设计提供了新颖的视角。
面向人类可解释人工智能的模糊系统及其应用特刊
（投稿截止日期为 2020 年 10 月 31 日） 1. 目的和范围 模糊系统是计算智能领域最重要的进步之一，由于它由人类的推理和决策模型组成，因此在许多数据科学场景中都表现出出色的模糊建模能力。通过基于模糊规则的系统和算法之间的协作，有助于进一步理解人工智能，特别是机器学习的准确性和可解释性，从而获得人类可解释的人工智能模型。目前，基于人工智能的模型的目标不仅是实现最高的准确性，而且还要对其用户和开发人员具有可解释性。从这个意义上说，模糊系统保留了可揭示的可理解性的原始性质并提高了其建模能力，在处理人类可解释的人工智能方面优于其他方法。本期特刊旨在收集一系列关于模糊系统的优秀研究，以期朝着可用人类推理解释的人工智能领域迈进。这将简要介绍人类可解释的人工智能这一新兴领域的最新进展。2. 涵盖的主题可能的主题列表包括但不限于：
通过线性双磷酸化模糊软性最大聚合操作员
摘要：提高绿色供应链的有效性是最大程度地减少废物，优化资源使用并减少业务运营对环境影响的关键一步。为了实现这些目标，应在整个供应链中实施可持续实践。这样做，企业不仅可以提高环境绩效，而且可以降低成本，提高客户满意度并在市场上获得竞争优势。但是，由于存在竞争特征，不精确的信息以及缺乏知识，因此选择适当的绿色提供商是一个复杂且无法预测的决策问题。线性二磷酸化（LIDF）框架的主要目标是帮助决策者选择最佳的行动过程。本文介绍了几个新型聚合操作员（AOS），即线性双苯胺模糊软性最大含量平均值（LIDFSMA）和线性双苯胺模糊软性软体几何（LIDFSMG）操作员。然后通过一个简单的示例来证明所提出的方法的绿色供应商优化技术，该技术包含线性双磷灰石模糊含量，显示了该方法的实用性和适用性。总体而言，拟议的LIDF框架和AOS可以帮助决策者选择最合适的绿色提供商，从而提高绿色供应链的效率。
应用KNN机器学习和模糊C均值诊断糖尿病
这种疾病在人类中是普遍的。攻击人类的疾病不认识任何人，也不知道年龄。一个人所经历的疾病从普通水平开始，直到可能严重到处于死亡风险的地步。在这项研究中，进行了早期诊断与糖尿病有关的糖尿病是糖尿病是患者体内糖水平低于正常水平的疾病。受害人经历的症状包括频繁的口渴，尿液频繁，频繁饥饿和体重减轻。基于这些问题，需要一个系统可以快速发现患者所经历的诊断。这项研究旨在根据早期症状在早期诊断糖尿病。使用的方法是基于KNN和基于Web的模糊C均值。创建基于Web的系统可以代表医疗人员专家以快速诊断的糖尿病方法。该系统是嵌入糖尿病特征的计算机程序。测试KNN和模糊的C均应用程序的应用和方法对于K-最近的邻居方法的准确度为96％，而对于使用混淆矩阵计算的模糊C-Means方法，获得了96％的精确度，因此可以得出结论，因此可以得出结论，即Fuzzy C-Means方法比K-nearears方法更好。
使用 DART 引导定向灰盒模糊测试器
软件开发是一个持续、渐进的过程。开发人员不断以小批量而非一次性大批量的方式改进软件。小批量的高频率使得使用有效的测试方法在有限的测试时间内检测出错误变得至关重要。为此，研究人员提出了定向灰盒模糊测试 (DGF)，旨在生成针对某些目标站点进行压力测试的测试用例。与旨在最大化整个程序的代码覆盖率的基于覆盖范围的灰盒模糊测试 (CGF) 不同，DGF 的目标是覆盖潜在的错误代码区域（例如，最近修改的程序区域）。虽然先前的研究改进了 DGF 的几个方面（例如电源调度、输入优先级和目标选择），但很少有人关注改进种子选择过程。现有的 DGF 工具使用主要为 CGF 定制的种子语料库（即一组覆盖程序不同区域的种子）。我们观察到，使用基于 CGF 的语料库限制了定向灰盒模糊测试器的错误查找能力。为了弥补这一缺陷，我们提出了 TargetFuzz，这是一种为 DGF 工具提供面向目标的种子语料库的机制。我们将此语料库称为 DART 语料库，它仅包含与目标“接近”的种子。这样，DART 语料库就可以引导 DGF 找到目标，从而即使在有限的模糊测试时间内也能暴露漏洞。对 34 个真实漏洞的评估表明，与基于 CGF 的通用语料库相比，配备 DART 语料库的 AFLGo（一种最先进的定向灰盒模糊测试器）可以发现 10 个额外的漏洞，并且平均在暴露时间上实现了 4.03 倍的加速。
使用 DART 引导定向灰盒模糊测试器
软件开发是一个持续、渐进的过程。开发人员会以小批量而非一次性大批量的方式不断改进软件。小批量的高频率使得使用有效的测试方法在有限的测试时间内检测出错误变得至关重要。为此，研究人员提出了定向灰盒模糊测试 (DGF)，旨在生成针对特定目标位置进行压力测试的测试用例。与旨在最大化整个程序的代码覆盖率的基于覆盖范围的灰盒模糊测试 (CGF) 不同，DGF 的目标是覆盖潜在的错误代码区域（例如，最近修改的程序区域）。虽然先前的研究改进了 DGF 的几个方面（例如电源调度、输入优先级和目标选择），但很少有人关注改进种子选择过程。现有的 DGF 工具使用主要针对 CGF 定制的种子语料库（即一组覆盖程序不同区域的种子）。我们观察到，使用基于 CGF 的语料库会限制定向灰盒模糊测试器的发现错误的能力。为了弥补这一缺陷，我们提出了 TargetFuzz，这是一种为 DGF 工具提供面向目标的种子语料库的机制。我们将此语料库称为 DART 语料库，它仅包含与目标“接近”的种子。这样，DART 语料库就可以引导 DGF 找到目标，从而即使在有限的模糊测试时间内也能暴露漏洞。对 34 个真实漏洞的评估表明，与基于 CGF 的通用语料库相比，配备 DART 语料库的 AFLGo（一种最先进的定向灰盒模糊测试器）可以发现 10 个额外的漏洞，并且平均暴露时间加快了 4.03 倍。
使用方法论模糊认知映射Mirmahmood Naghibi 1，Ch
摘要这项研究的目的是使用模糊认知映射方法的影响工业初创企业发展的因素之间的关系。根据其目的，研究方法适用，并且在实施方面是……。这项研究的统计人群包括19个工业初创公司的专业专家，包括高级管理人员及其收藏品，并以目标方式进行了采样，并持续进行采访，直到达到理论上的饱和度。数据收集工具是半结构化访谈。要收集数据，使用模糊的Delphi技术来识别组件，并使用模糊的认知映射方法来展示该模型。分析的结果表明，影响工业初创企业发展的主要因素包括11个变量：发展能力，人力资源能力，组织的发展需求，吸引和保留精英，创业品牌，创造合适的机会，精英技能的发展，精英技能，经济条件，客户满意度，启动进步和发展文化。然后使用模糊认知图的方法，相应地解释了这些因素之间的关系方式。