XiaoMi-AI文件搜索系统
World File Search System模糊
引入一种用于优化的模糊稳健集成模型...
过去几十年的自然灾害清楚地表明，自然灾害给政府和社区带来了高昂的财政和人力成本。这方面的担忧日益增加。在危机管理周期的每个阶段做出正确的决策并采取适当和及时的措施将减少灾难发生时的潜在损害并降低社会的脆弱性。因此，在本研究中，引入了考虑灾难救济中初级和次级危机问题的危机物流规划数学模型，这是本研究的创新之处。在初级危机中，目标是向危机地区提供服务和救援物资，在第二阶段，在初级危机之后发生的次级危机寻求向危机中心提供救援并将受伤人员转移到救援中心。因此，本研究在两个初级和次级危机中提出了一个数学模糊理想规划模型。在初级危机中，目标是向危机地区提供服务和救援物资。在初级危机之后发生的次级危机旨在在第二阶段支持危机中心并将受伤人员转移到救援基地。根据所提出的模型，我们最初使用了 Bertsimas 和 Sim [1] 提出的 Bertsimas-Sim 模糊规划公式和稳健方法。Epsilon 约束方法用于解决低维模型。设计了多目标元启发式算法来处理大规模实时问题的计算复杂性。提出了多重比较和分析来评估模型的性能和解决问题的能力。结果表明，所提出的方法可以应用于开发现实世界的人道主义物流网络。关键词：关键物流、初级和次级危机、模糊稳健集成规划、元启发式算法。
emgtfnet：模糊视觉变压器解码上限semg信号识别
摘要 - Myoelectric Control是当今剧本增加的肌电图的一个区域，尤其是在仿生假体的手势识别（HGR）等应用中。今天的重点是使用机器学习以及最近深度学习方法的模式识别。尽管在稀疏的SEMG信号上取得了良好的效果，但后者通常需要大的数据集和培训时间。此外，由于随机SEMG信号的性质，传统模型无法概括为非典型或嘈杂值的样品。在本文中，我们提出了基于视觉变压器（VIT）的建筑的设计，该体系结构具有模糊的神经块（FNB），称为EMGTFNET，以从表面肌电图（SEMG）信号中执行手势识别。所提出的EMGTFNET体系结构可以准确地对各种手势进行分类，而无需任何数据增强技术，传输学习或网络中参数数量的显着增加。使用由49种不同手势的公开ninapro数据库测试了所提出的模型的准确性。实验使用200 ms窗口大小和仅56,793个可训练的参数产生的平均测试准确度为83.57％±3.5％。我们的结果优于没有FNB的VIT，因此表明包括FNB可以提高其性能。我们的提案框架EMGTFNET报告了其实际应用假体控制的重要潜力。索引术语 - 电镜头；深度学习； Ninapro;变压器;模式识别；肌电控制
使用模糊MCDM方法的电池交换站的位置选择：印度尼西亚Meilinda Fitriani Nur Maghfiroh A*，Chathumi Kavirathn
国际能源局预测，电动汽车（EV）将在未来的可持续运输选择中发挥关键作用。电动汽车提供了许多优势，包括高能效率[1，2]，低环境影响和高驾驶性能[3]。在印度尼西亚，能源和矿产资源部（MEMR）负责为电动汽车进行必要的基础设施准备。根据2020年的MEMR条例，该法规涉及电池电动汽车（BEVS）的电气充电基础设施的提供，该部有权监督所选城市中充电设施和电动汽车电池交换站的建设。此外，MEMR有权签发电力提供业务许可，并指定符合条件的业务领域，例如加油站，办公室，购物中心或停车场。截至2021年7月，EVS在135个地点上有166个充电站（SPKLU），主要在Java岛，而74
根据新型模糊整数线性编程提高电动汽车充电站的效率
摘要 - 公共场所的电动汽车（EVS）充电站（CSS）具有更高的安装和电力收集成本。公共CSS的潜在好处依赖于其有效利用。但是，常规的充电方法强迫等待时间很长，从而使其效率降低了。本文提出了一种新颖的模糊整数线性编程和CSS利用的启发式模糊推理方法（FIA）。该模型引入了基本模糊推理系统和用于获得最佳解决方案的详细公式。开发的模糊推理结合了不确定和独立的功率，所需的收费最新功率，并从功率网格和电动汽车域停留时间，并将它们与加权控制变量相关联。FIA通过使用加权控制变量解决目标函数来自动为电动汽车提供最紧急要求的服务，从而优化了
使用模糊逻辑和HIL模拟器
1通讯作者：dsbsrm@gmail.com收到：2023年5月9日修订：2023年6月28日接受：2023年7月13日出版：2023年7月21日摘要 - 铅酸电池的性能和健康，用于自动，工业和可再生能源系统等各种应用中的铅酸电池的性能和可再生能源系统的运营效益和实量效益和实地效益。实时监控电池健康的性能可防止故障并延长电池寿命。本文建议使用模糊逻辑控制器和硬件（HIL）模拟器进行铅酸电池实时监控系统的健康和性能。所提出的系统测量关键电池参数，例如电压，电流和温度。它使用模糊的逻辑算法处理这些数据，以计算电池的充电状态（SOC）和健康状况（SOH）。HIL模拟器提供了一个虚拟平台，用于实时测试和验证系统。调查结果表明，提出的方法可以产生可靠的电池SOH估计值，这使其成为各种应用中实时电池监视的有前途的解决方案。关键字 - 模糊逻辑控制器，HIL实时模拟，铅酸电池，充电状态，健康状况。
基于大数据模糊K-均值群集的英语教学能力的评估算法
回答传统英语教学能力评估算法中大数据信息不准确的分类问题，本文提出了基于大数据模糊K-Means Clustering的英语教学能力估计算法。首先，本文建立了约束参数索引分析模型。其次，定量递归分析用于评估大数据信息模型的功能，并实现功能约束特征信息的熵特征提取。最后，通过整合大数据信息融合和K-Means聚类算法，该文章可以实现用于英语教学能力的指标参数的聚类和集成，准备相应的教学资源分配计划，并评估英语教学能力。实验结果表明，使用此方法评估英语教学能力具有良好的信息融合分析能力，并提高了教学能力评估的准确性和教学资源应用的效率。
通过相图和模糊递归图探索大脑功能中的非线性动力学
自然界中发现的大部分复杂性和多样性都是由非线性现象驱动的，这对于非线性动力学与大脑之间的关系也是如此。计算机模拟表明，包括大脑在内的许多生物系统都表现出近乎混乱的行为。非线性动力学理论已成功地从生物物理学的角度解释了大脑功能，统计物理学领域在理解大脑连接和功能方面继续取得实质性进展。本研究使用生物物理非线性动力学方法深入研究复杂的大脑功能连接。我们的目标是发现高维和非线性神经信号中隐藏的信息，希望提供一种有用的工具来分析功能复杂网络中的信息转换。通过利用相图和模糊递归图，我们研究了复杂大脑网络功能连接中的潜在信息。我们的数值实验包括合成线性动力学神经时间序列、物理上真实的非线性动力学模型和生物物理上真实的神经质量模型，结果表明，相图和模糊递归图对神经动力学的变化高度敏感，并且它们还可用于根据结构连接预测功能连接。此外，结果表明，神经元活动的相轨迹编码低维动力学，相图形成的极限环吸引子的几何特性可用于解释神经动力学。此外，我们的结果表明，相图和模糊递归图可以使用真实的 fMRI 数据捕捉大脑中的功能连接，并且这两个指标都能够捕捉和解释特定认知任务期间的非线性动力学行为。总之，我们的研究结果表明，相图和模糊递归图可以作为非常有效的功能连接描述符，为大脑中的非线性动力学提供有价值的见解。
使用卷积神经网络和模糊 K 均值聚类分割脑肿瘤病变区域 S. Fooladi、H. Farsi *、S. Mohamadzadeh
脑肿瘤分割是医学图像处理的最重要方法之一。非自动分割广泛应用于临床诊断和药物治疗。然而，这种分割在医学图像中不准确，特别是在脑肿瘤方面，而且可靠性较低。本文的主要目的是开发一种脑肿瘤分割方法。本文提出了一种卷积神经网络和模糊K均值算法的组合来分割脑肿瘤的病变区域。它包含三个阶段：图像预处理以降低计算复杂度、属性提取和选择以及分割。首先，使用自适应滤波器和小波变换对数据库图像进行预处理，以从噪声状态中恢复图像并降低计算复杂度。然后通过提出的深度神经网络进行特征提取。最后，通过模糊K均值算法进行处理，分别分割肿瘤区域。本文的创新之处在于实现具有最佳参数的深度神经网络，识别相关特征并删除不相关和重复的特征，目的是观察能够很好地描述问题的特征子集，同时尽量减少效率降低。这可以减少特征集，在操作过程中存储数据收集资源，并减少总体数据以限制存储需求。所提出的分割方法已在 BRATS 数据集上得到验证，准确率为 98.64%，灵敏度为 100%，特异性为 99%。
1 PTP1B和PTPN2的小分子抑制剂... 通过阶段肖像和模糊复发图探索大脑功能中的非线性动态 DNA损伤反应的下降以及肌原性分化 简化了叶绿体发育中的叶绿体多形叶绿体的调节 1个患者衍生的功能免疫肿瘤平台... YM1蛋白晶体促进2型免疫力
1 Monash Biomedicine Discovery Institute，Monash University，Clayton，Victoria3800。2澳大利亚克莱顿市莫纳什大学生物化学与分子生物学系，澳大利亚3800。3莫纳什制药科学研究所，莫纳什大学，帕克维尔，维多利亚州3052，澳大利亚。4美国普渡大学的化学和分子药理学系，西拉斐特，美国47907，美国5号沃尔特和伊丽莎·霍尔医学研究所，澳大利亚维多利亚州帕克维尔3052，帕克维尔。6澳大利亚维多利亚州墨尔本大学医学生物学系，澳大利亚3052。6澳大利亚维多利亚州墨尔本大学医学生物学系，澳大利亚3052。
通过阶段肖像和模糊复发图探索大脑功能中的非线性动态
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。该预印本版的版权持有人于2023年6月28日发布。 https://doi.org/10.1101/2023.06.27.546688 doi：biorxiv Preprint