XiaoMi-AI文件搜索系统
World File Search System模糊控制
模糊参考理想法（FRIM）在...中的应用
当一个国家需要为其空军购买一架新的军事训练飞机时，必须考虑许多因素。这需要很好地掌握相互冲突的因素，这可以从多标准决策 (MCDM) 领域中受益。然而，评估过程中涉及的一些标准通常不精确或模糊，使用具有模糊数字特征的语言术语可能是明智的。因此，本研究的目的是从模糊 MCDM 方法组合中提取最佳方法，以解决西班牙空军感兴趣的实际决策问题，具体来说，是根据一组不同性质的标准选择最佳军用高级训练飞机。这个决策问题一方面涉及定量或技术标准（战斗上限、作战速度、起飞速度等），另一方面涉及定性标准（机动性、人体工程学等），这些标准基于第 23 战斗机和攻击训练联队的一组飞行教练的经验，通过问卷调查收集。采用层次分析法 (AHP) 确定标准权重，采用参考理想方法 (RIM) 及其模糊版本 (FRIM) 根据上述飞行教练定义的参考理想方案评估替代方案。结果，意大利阿莱尼亚马基 M-346 主飞机被选为最佳选择。© 2020 Elsevier B.V. 保留所有权利
基于模糊逻辑的智能电网可再生能源整合能源管理
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，揭示了可再生能源消耗、电网稳定性、能源存储可靠性和系统整体效率的显著改善。模糊逻辑控制器根据当前输入调整能源分配，使可再生能源的使用率显著提高 20%。适应能力对于应对太阳能、风能和生物质能固有的波动至关重要。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表现出显著的 25% 的增强，表明充电和放电的循环是最佳的。这种可靠性的提高提高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能源使用情况的综合影响
法力和魔法定义及结点状态的模糊性
近年来，出现了许多论文讨论不同模型（如 CFT、结点理论等）的 magic 和 mana 属性 [1–3]。这些量表征此类模型中定义的某种量子力学状态与 Clifferd 群元素的距离 [4]。根据 Gottesmann-Knill 定理 [5]，Clifferd 群元素可以在经典计算机上进行有效建模。因此，有人声称“magic”实际上是某种状态的非经典性，而 mana 则衡量这种非经典性。如果结合量子计算讨论这些属性，这些属性可能很重要。Gottesman-Knill 定理基于以下事实：Clifferd 群是所研究群 G 的一个有限子群，而 G 是几个 SU(N) 的张量积。然而，它并不是唯一的有限子群。对于同一个群 G ，可以定义无数个这样的子群。其中，克利福德群的定义性质是它与 sigma 矩阵的联系。从量子计算的角度来看，没有必要要求这一点。因此，根据想要向量子计算机呈现的问题集，可以对 mana 进行不同的定义。我们认为 mana 实际上是一种相对属性，而不是绝对属性。在本文中，我们将介绍克利福德群的通常定义方式以及如何对其进行修改以获得其他有限子群。我们将应用这个新的 mana 定义来研究结点状态。结点理论是一个被广泛研究的课题，与其他理论有很多关系。其中，结点理论与量子计算之间存在联系，它既提供了使用量子算法计算结点多项式的方法，也提供了将量子算法描述为有效拓扑场论中的一些结点配置 [14]- [19]。这涉及通过 Reshetikhin-Turaev 算法 [6]- [13] 使用酉矩阵计算结点。具体来说，对于某些特定的结点系列，任何量子算法都可以描述为一系列结点的连续近似 [18,19]。然而，在本文中，我们讨论了结点理论的不同方法。法力和魔法是量子态（密度矩阵）的属性，而不是酉运算。有一种方法可以定义对应于结点的量子态 [2]，使用拓扑场论的思想 [20,21]。这个密度矩阵的矩阵元素由特殊点处的结点多项式构成。因此，这种状态的经典性为我们提供了有关如何在经典计算机上计算这些结点不变量的一些信息。论文组织如下。在第 2 章中，我们定义了 Clifferd 群，它是 SU ( N ) 群的一个有限子群。在第 3 章中，我们提供了 mana 的定义，就像其他关于该主题的论文（如 [1–3]）中给出的那样。在第 4 章中，我们讨论了 mana 定义中的歧义，并展示了如何修改定义以给出与 SU ( N ) 的不同有限子群相关的 mana。在第 4 章中，我们根据 [2,20,21] 定义了描述不同结的量子力学状态。在第 5 章中，我们研究了结状态下的 mana 是什么样子，以及如何通过不同的 mana 定义来改变它。
SSVEP BCI系统的可解释的模糊转移学习
摘要 - 大脑计算机界面（BCIS）的快速演变显着影响了人类计算机相互作用的领域，具有稳态的视觉诱发电势（SSVEP），作为一种尤其是强大的范式。这项研究探讨了高级分类技术利用可解释的模糊转移学习（IFUzzyTL）来增强基于SSVEP系统的适应性和性能。最近的努力通过创新的转移学习方法加强了减少校准要求，从而通过策略性地应用域适应性和很少的动作学习策略来完善跨主题的生成性并最大程度地减少校准。深度学习中的开创性发展还提供了有希望的增强功能，促进了稳健的领域适应性，并显着提高了SSVEP分类的系统响应能力和准确性。但是，这些方法通常需要复杂的调整和广泛的数据，从而限制了立即适用性。ifuzzytl引入了一个自适应框架，该框架将模糊逻辑原理与神经网络体系结构相结合，重点关注有效的知识传递和域自适应。ifuzzytl通过整合模糊的推理系统和注意机制来完善人类干预格式的输入信号处理和分类。这种方法通过有效管理脑电图数据的固有可变性和不确定性来增强模型的精度，并与现实世界的运营需求保持一致。在三个数据集中证明了该模型的功效：12JFPM（1s的12JFPM（89.70％精度为149.58），基准（ITR为85.81％，ITR的精度为85.81％），ITR的准确性为213.99）和Eldbeta（76.50％的IT and and and and ath and and and and and and and and and and and and and and and aft）and 94.63）和94.63）和94.63） SSVEP BCI性能的基准。
网站：www.ijeer.forexjournal.co.in基于模糊逻辑控制器的充电和排放
摘要 - 目前的研究介绍了用锂离子在电动汽车应用中使用的锂离子制造的电池的模糊充电和排放控制方法。提出的基于模糊的解决方案考虑了可用的参数，以充电或在安全功能区域内收取商店。为了分析和控制电池性能，已经使用了各种控制方法，但是每个方法都有自己的缺点集，例如无法停止两个充电条件，即控制器的难度，冗长的充电时间。由于缺乏数学计算，模糊的控制器也更简单地构造，具有较少的额外感应组件，并且更少的深层放电和过度充电保护措施，从而使其在速度和复杂性方面更有效。通过使用负载需求和产生的数值模拟证明了建议的充电控制器系统的有效性。在模拟负载条件下评估建议的控制器的性能。该模型的调节电池充电和排放能力得到了试验的成功结论。输出表明电池的充电状态（SOC）永远不会超过该特定类型的20％至80％的安全范围。这项研究的主要结果是一种新的模糊模型和用于调节电池充电和排放的操作实时系统。一般术语：电池管理系统，模糊逻辑控制器。关键字：充电 - 收费；模糊逻辑控制器；最先进的；锂离子和matlab/simulink。
RLTG：多目标定向灰盒模糊测试
定向灰盒模糊测试可以引导模糊器探索特定的目标代码区域，在补丁测试等场景中取得了良好的效果。然而，如果有多个目标代码需要探索，现有的定向灰盒模糊测试器（如AFLGo和Hawkeye）往往会忽略一些目标，因为它们使用距离的调和平均值，倾向于测试可达路径较短的目标。此外，现有的定向灰盒模糊测试器由于程序中存在间接调用，无法计算出准确的距离。此外，现有的定向灰盒模糊测试器无法解决探索和利用问题，种子调度效率低下。针对这些问题，我们提出了一种动态种子距离计算方案，当可达路径遇到间接调用时，动态增加种子距离。此外，种子距离计算可以处理多目标场景下的偏差问题。利用种子距离计算方法，我们提出了一种基于置信上限算法的种子调度算法，以解决定向灰盒模糊测试中的探索和利用问题。我们实现了一个原型 RLTG，并在实际程序上对其进行了评估。原型评估表明，我们的方法优于最先进的定向模糊器 AFLGo。在多目标基准测试 Magma 上，RLTG 以 6.9 倍的速度重现错误，并且比 AFLGo 多发现 66.7% 的错误。
通过机器学习技术对某些图形结构的模糊和清晰的计算分析
颈动脉动脉粥样硬化患者有缺血性中风和由于栓子和脑组织的慢性灌注不足而导致缺血性中风和认知下降的风险。血运重建程序改善了脑血液动力学，这对认知功能有一定影响。一些作者认为，颈动脉动脉狭窄的存在是影响认知能力下降的独立因素。这项研究的目的是研究颈动脉粥样硬化个体的颈动脉支架动脉狭窄程度与注意力表现之间的关系。在心脏病学住院期间涉及患者（T-1）的单个中心和住院治疗后1年（T-2）进行了一项前瞻性纵向研究，用于颈动脉狭窄。使用了R. brickenkamp的注意力D2测试。研究表明，颈动脉狭窄的关键程度与接受颈动脉支架的个体的注意力表现较差有关。然而，无论颈动脉狭窄的程度如何，所有接受颈动脉支架的患者的浓缩能力在手术后一年有所提高。还发现，颈动脉动脉粥样硬化患者的血管收缩（右/左）的一侧对注意力的认知功能没有影响。
用于充电的粒子群优化模糊控制器...
为了降低电网的功耗和成本，本文讨论了基于粒子群优化 (PSO) 的模糊逻辑控制器 (FLC) 的开发，用于微电网 (MG) 应用中电池储能系统 (ESS) 的充电 - 放电和调度。最初，FLC 被开发用于控制储能系统的充电 - 放电，以避免传统系统的数学计算。然而，为了改进充电 - 放电控制，使用 PSO 技术优化 FLC 的隶属函数，同时考虑可用功率、负载需求、电池温度和充电状态 (SOC)。调度控制器是根据负载实现低成本不间断可靠电源的最佳解决方案。为了降低电网电力需求和消耗成本，还引入了最佳二进制 PSO 来在一天中的不同时间在各种负载条件下调度 ESS、电网和分布式电源。得到的结果证明了所开发的基于 PSO 的模糊控制的鲁棒性，可以有效地管理电池充电和放电，同时将电网功耗降低 42.26%，将能源使用成本降低 45.11%，这也证明了该研究的贡献。© 2020 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
使用模糊支持向量机的情感分析...
The Ministry of Communication and Information and the Ministry of BUMN of The Republic of Indonesia designed a mobile app “Peduli Lindungi” to be used to help the public and related government agencies in carrying out screening and tracing people's movement to stop the spread of Corona Virus Disease (Covid-19).The existence of a mobile app, “Peduli Lindungi” triggers abundant different sentiments from the Indonesian community, either positive or负面情绪。基于积极的情绪，印度尼西亚共和国政府可能会对该应用程序的各个方面有一些反馈。相比之下，负面的情感可以用作移动应用程序潜在改进的初始点。本研究应用模糊支持向量机（FSVM）模型来对用户对Peduli Lindungi应用程序的评论进行分类。FSVM可以将客户的评论分为两个或多个类别，并且比其他分类方法相对更高的准确性。这项研究的结果表明，使用FSVM的评论分类可产生良好的准确性，值为77％。完全正确的预测是2813个评论中的2192个评论。
2024 年劳动部劳动力发展署桃竹苗分署AI 智慧控制创意竞赛
二、竞赛日期： 113 年5 月29 日(星期三) 08:00-16:00 三、竞赛地点：桃园市方曙商工四、活动网址： http://www.fsvs.tyc.edu.tw 五、办理单位： (一)指导单位：劳动部劳动力发展署桃竹苗分署(二)主办单位：方曙商工高级中等学校、 (三)协办单位：国立勤益科技大学、中华科技大学、万能科技大学、先创国际股份有限公司(四)竞赛时程表：