XiaoMi-AI文件搜索系统
World File Search System模糊的
基于优化模糊的 Ant-Hocnet 路由协议...
无人机或无人驾驶飞机通常被称为无人驾驶飞行器 (UAV)，由这些无人机组成的自组织网络通常被称为飞行自组织网络 (FANET)。无人机和飞行自组织网络最初与军事监视和情报收集有关；此外，它们现在被广泛用于民用领域，包括搜索和救援、交通监控、消防、摄像和智能农业。然而，由于其独特的架构，它们带来了相当大的设计和部署挑战，主要与路由协议有关，因为传统的路由协议不能直接用于飞行自组织网络。例如，由于高移动性和稀疏拓扑，频繁的链路中断和路由维护会导致高开销和延迟。在本文中，我们采用基于优化模糊逻辑的生物启发式蚁群优化 (ACO) 算法“Ant-Hocnet”来改进飞行自组织网络的路由。模糊逻辑用于分析无线链路状态信息（例如可用带宽、节点移动性和链路质量），并在没有数学模型的情况下计算最佳无线链路。为了评估和比较我们的设计，我们在 MATLAB 模拟器中实现了它。结果表明，我们的方法在吞吐量和端到端延迟方面有所改进，从而提高了 FANET 的可靠性和效率。
粘液：模糊的程序敏感能量分配
能源分配策略是改善代码覆盖范围和漏洞发现的最流行技术之一。核心直觉是，模糊器应将更多的计算能量分配给具有高效率的种子文件，以触发突变后独特的路径和崩溃。现有解决方案通常定义几个属性，例如，执行速度，文件大小以及控制流程图中触发的边缘的数量，以作为其分配逻辑中的关键测量值，以估算种子的潜力。通常认为财产的效率在不同的程序中相同。但是，我们发现此假设并不总是有效的。结果，具有静态能量分配逻辑的最先进的能源分配解决方案很难在不同程序上实现理想的性能。为了解决上述问题，我们提出了一种新型的程序敏感解决方案，名为Slime，以在每个程序的各种属性上启用具有各种属性的种子文件的自适应能量。具体来说，史莱姆首先设计了多个属性感知的队列，每个队列都包含带有特定撑杆的种子文件。第二，为了提高投资回报，粘液杠杆
基于模糊的并网住宅微电网间电力交换管理
摘要 —本文介绍了一种基于模糊理论的两个相邻住宅电网连接微电网之间的电力交换管理，该微电网由光伏发电和电池储能系统 (BESS) 组成。所提出的电力交换管理考虑了每个微电网的能量变化率的大小以及两个微电网的 BESS 之间的充电差异，以对能量不足的 ESS 进行充电。因此，所提出的电力交换管理可以通过联合运行而不是单独运行来减少从每个微电网的主电源吸收的电量，并且还可以同步两个微电网的 ESS，从而改善 ESS 的行为。对有和没有电力交换的场景的模拟结果进行了比较，以证明所提出的电力交换管理的充分行为。
模糊的线：DAW的实用和理论含义...
数字音频工作站（DAWS）占据了创意艺术中的重要空间。词曲作者，作曲家，制作人和音频工程师使用软件和虚拟仪器的组合来录制和制作音乐。教育者越来越多地发现DAWS可用于教学信号流，声学和声音综合以及模拟模拟过程中的概念。随着创意产业转向主要基于软件的平台，参与者的身份，角色和职责相交和模糊。同样，网络技术改变了创意活动的空间和地点。现在，“ studio”几乎存在于任何地方。对于与学生一起工作的教育工作者，这些变化的范式提出了一系列挑战。本文探讨了三个领域的DAW可能性：空间和地点，理论和身份以及教学法。文章提倡使用DAW的技术教学模型较低的模型，而倾向于采用一种培养美学意识和创造力平衡的方法。
一种基于模糊的推理方法，用于评估接收末端电源系统中协调的生成网格储存控制能力
摘要。随着灵活的负载和能源存储的快速发展，它具有巨大的科学和工程价值，可以通过协调的生成网格加载存储控制使用HVDC Feed-Infi-Infer Power提高接收端电源系统的安全性和经济性。在本文中，提出了一种基于模糊的推理方法，以评估具有HVDC馈电功率的接收端功率系统的生成网格加载存储控制能力的协调控制能力。首先，通过考虑发电，电网，电力负载和能源存储的协调和相互作用来构建评估索引。主观重量和客观重量都被认为可以计算每个评估指数的全面权重。此外，在每个评估指数中提出了基于Kmeans聚类的方法。最后，通过提出的方法评估了不同状态下修改的IEEE 57-BUS系统的协调控制能力。
模糊的界限：人工智能如何重塑
根据给定的信用规范。人工智能提供更准确的信用评估和潜在借款人的还款能力，从而促进金融机构和贷方做出适当的决策。先进的机器学习和人工智能组合通过考虑各个维度的因素，以更短的时间和成本提供高精度的有关信用历史和评估报告的综合数据（Addo 等人，2018 年）。如果信用分析是由人进行的，那么很有可能出现偏见因素。在人工智能分析中，它完全由计算机和相关设备完成。因此信用评分
使用滑动窗纹理特征提取的脑肿瘤分割，然后是模糊的c均值聚类
在本文中，使用滑动窗口机理的混合方法，然后是模糊C，意味着针对自动化的脑肿瘤提取提出了聚类。所提出的方法包括三个阶段。第一阶段用于通过实施预处理技术，然后进行纹理特征提取和分类来检测肿瘤脑MR扫描。此外，此阶段还比较了不同分类器的性能。第二阶段由使用滑动窗口机理的肿瘤区域进行定位，其中大小的窗户扫描整个肿瘤MR扫描，窗户被归类为肿瘤或无肿瘤。第三阶段由模糊C组成，是指通过去除从阶段2获得的错误分类窗口来获得肿瘤的确切位置。2D单光谱解剖学特性MRI扫描被考虑进行实验。结果在灵敏度，特异性，准确性，骰子相似性系数方面表现出显着的结果。
量子参考系中模糊的量子达尔文主义
量子达尔文主义通过量子系统与环境的相关性来描述量子系统的客观性——假设的观察者可以通过测量环境来恢复这些信息。然而，观察是相对于参考系进行的。在这里，我们采用 [Giacomini et al. , Nat. Commun. 10, 494 (2019) ] 的形式，并考虑改变量子参考系对客观性的影响。我们发现客观性取决于非退化相对分离、条件状态局部化和环境宏观分数。由于纠缠和相干性以及统计混合和经典相关性的可互换性，不同参考系中存在不同的客观信息。因此，客观性在量子参考系中都是主观的。
论文基于模糊的中枢神经系统计算复杂性描述
摘要——计算智能算法目前能够处理简单的认知过程，但与人脑从少数样本中学习或分析未明确定义的问题的能力相比仍然效率低下。泛化和决策过程通常需要一个不确定性模型，该模型依赖于概率方法应用于决策选项。因此，此类认知功能模型通常与强化学习相互作用以简化复杂问题。决策者需要从可用的决策选项中进行选择，以确保决策者的选择是理性的。他们最大化预期的主观整体效用，该效用由不同状态下的结果给出，并根据对这些状态发生的主观信念加权。信念由概率捕获，并使用贝叶斯定律纳入新信息。本文描述的模糊模型提出了一种不同的方法——它们可以作为一系列新方法的出发点，从而实现更有效、神经生物学上更可靠的大脑模拟，这些方法基于模糊逻辑技术，并且被证明在基础科学和应用科学中都很有用。所提出的方法为理解上述过程提供了宝贵的见解，以描述性、基于模糊的方式进行，而无需进行复杂的分析。