XiaoMi-AI文件搜索系统
World File Search System稳健
纸张类型：具有弹性供应商的研究论文稳健供应链网络设计
供应链网络设计和弹性供应商的选择在供应链风险管理中很重要，以应对各种操作和破坏风险。在本文中，我们开发了一种强大的数学双目标，多产品模型，以同时考虑供应链网络设计的弹性供应商和不确定性，并同时考虑供应链网络设计，并同时考虑供应链网络设计，这项研究为弹性供应商选择和订单分配提供了最佳解决方案。首先，我们显示了具有两个目标函数的混合成员线性编程（MILP）模型。第一个目标函数最大化了总利润，而第二个目标函数则最大化了总供应商弹性得分。模糊SECA用于获得五个弹性标准权重和目标函数的弹性得分。我们可以使用模糊的SECA方法对弹性供应商进行排名。我们提出了一种协调生产计划，供应商选择和订单分配的方法。Theε-约束方法用于获得最佳量的决策变量，以最大程度地提高实际案例研究的利润。最后，进行了帕累托溶液分析，以确定鲁棒性和弹性之间的权衡。结果显示供应链中的不确定性参数如何影响目标函数。此外，本文表明，供应商的弹性得分为4000，该模型的第一个目标函数提出了最高值。因此，在这一点上，我们可以拥有具有最大盈利能力的弹性供应商。
用于医学图像处理的稳健且可推广的人工智能
©Emir Konuk©Emir Konuk，Kevin Smith，论文A©Emir Konuk，Christos Matsoukas，Moein Sorkhei，Phitchapha Lertsiravarameth，Kevin Smith，Paper B©Filip Christiansen，Emir Konuk，Emir Konuk，Emithya Raju Ganeshan，Robert welse，rane narane，rane g Bert Fruscio，Adrius Gaurilcikas，Dorella Franchi，Daniela Fischerova，Elisa Mor，Luca Savelli，Maria Angela Pascual，Marek Kudla，Stefano Guerriero，Francesca Buonomo Pangilinan。 24©Emir Konuk©Emir Konuk，Kevin Smith，论文A©Emir Konuk，Christos Matsoukas，Moein Sorkhei，Phitchapha Lertsiravarameth，Kevin Smith，Paper B©Filip Christiansen，Emir Konuk，Emir Konuk，Emithya Raju Ganeshan，Robert welse，rane narane，rane g Bert Fruscio，Adrius Gaurilcikas，Dorella Franchi，Daniela Fischerova，Elisa Mor，Luca Savelli，Maria Angela Pascual，Marek Kudla，Stefano Guerriero，Francesca Buonomo Pangilinan。 24
harts：高阈值，适应性的安全和稳健的阈值schnorr签名
schnorr签名方案的阈值变体最近由于其在加密货币上的应用而处于关注的焦点。However, existing constructions for threshold Schnorr signatures among a set of n parties with corruption threshold t c suffer from at least one of the following drawbacks: (i) security only against static (i.e., non-adaptive) adversaries, (ii) cubic or higher communication cost to generate a single signature, (iii) strong synchrony assumptions on the network, or (iv) t c + 1 are sufficient to generate a签名，即该计划的腐败门槛等于其重建阈值。特别是（iv）对于许多异步现实世界应用而言，这是一个严重的限制，在这些应用中，需要t c Ruffing等人提出的最新计划，烤。 （ACM CCS 2022）地址（III）和（IV），但仍未获得亚皮的通信复杂性和自适应安全性。 在这项工作中，我们介绍了Harts，这是结合所有这些Desiderata的第一个阈值Schnorr签名方案。 更具体地：Ruffing等人提出的最新计划，烤。（ACM CCS 2022）地址（III）和（IV），但仍未获得亚皮的通信复杂性和自适应安全性。在这项工作中，我们介绍了Harts，这是结合所有这些Desiderata的第一个阈值Schnorr签名方案。更具体地：
插入一个：单发稳健的视觉力伺服彩将用于新的对象插入6-DOF跟踪 /作者= Chang，Haonan; Boularias，Abdeslam； Jain，siddarth /creationdate = 2024年10月4日 /主题=计算机视觉，机器人技术< /div>
自主机器人组装的摘要最新进步已显示出令人鼓舞的结果，尤其是在应对精确插入挑战方面。但是，在不同的对象类别和任务之间实现适应性通常需要一个学习阶段，需要昂贵的现实世界数据收集。先前的研究通常假定插入的对象对机器人的末端效果的刚性附着，或者依赖于结构环境中的精确校准。我们提出了一种单发方法，用于高精度接触富含的操作装配任务，从而使机器人仅使用单个演示图像从随机呈现的方向上执行新对象的插入。我们的方法结合了一个混合框架，该框架将基于6-DOF视觉跟踪的迭代控制和阻抗控制融合在一起，从而通过实时视觉反馈促进高精度任务。重要的是，我们的方法不需要预先训练，并且证明了对摄像头姿势校准误差和物体内部姿势的干扰产生的不确定性的弹性。我们通过在现实世界中的广泛实验进行了拟议框架的效果，涵盖了各种高度精确的组装任务。
引用 Dongyang C, Jiewen Z 和 Xiaolong H (2024) 电力传输中的动态适应：将稳健优化与在线学习相结合
确保电力系统不仅能够处理即时波动，而且在长期环境和运行不确定性面前也具有稳健性和适应性的方法（Bon fi glio et al., 2024; Ding et al., 2024）。传统上，电力系统的设计和运行是为了处理可预测和稳定的电源，主要是化石燃料。然而，受环境问题和技术进步的推动，向可再生能源的转变破坏了这种稳定性（Li Z. et al., 2024）。可再生能源本质上是间歇性的和不可预测的，这给发电、输电和配电带来了重大挑战。风能和太阳能产出的随机性意味着电力系统现在必须管理电力供应的重大波动，这可能会损害供电可靠性和电网的经济效率（Li S. 等人，2024 年；Li 等人，2022 年）。这些不稳定能源的整合促使人们重新评估传统的电力系统管理策略。当前的系统必须发展到不仅能管理这些波动，而且还能有效地预测和适应这些波动。这引起了人们对开发先进数学模型和优化技术的浓厚兴趣，这些模型和优化技术可以在可再生能源整合不断增加的背景下增强电力系统的运行弹性（Ruan 等人，2024 年）。本研究的主要目标是开发一个强大的框架，不仅可以适应可再生能源产出的变化和不确定性，还可以优化输电系统的运行和成本效益。通过利用尖端的稳健优化技术与在线学习算法相结合，这项工作旨在创建一种动态且自适应的管理策略，以确保系统的实时可靠性和效率。本文的贡献可总结如下：
强化学习基于噪音的数据增强稳健语音情感识别
语音情感识别（SER）是任何人类机器相互作用的必不可少的组成部分，并启用构建善解人意的语音用户界面。在与基于语音的呼叫中心（基于语音的呼叫中心）一样，当一个人与机器或代理互动时，在嘈杂环境中准确识别情绪的能力在实践场景中很重要。在本文中，我们提出了基于加强学习（RL）的数据增强技术，以构建强大的SER系统。RL中使用的奖励函数启用选择性噪声分布在不同的频带上以进行数据增强。我们表明，所提出的基于RL的增强技术优于最近提出的基于随机选择的技术，用于噪声稳健的SER任务。我们将IEMOCAP数据集与四个情绪类别类别一起验证所提出的技术。更重要的是，我们在跨语料库和跨语言场景中测试SER系统的噪声稳健性。索引术语：语音情绪识别，稳健性，选择性数据增强，强化学习。
https://doi.org/10.1038/s41551-024-01245-z 文章通过体外和原位环化 RNA 实现稳健的基因组和细胞工程
环化可以提高 RNA 的持久性，但缺乏简单且可扩展的方法来实现这一点。在这里，我们报告了两种有助于寻找环状 RNA (cRNA) 的方法：使用 II 组内含子通过体外环化开发的 cRNA，以及通过普遍表达的 RtcB 蛋白通过细胞内环化开发的 cRNA。我们还报告了简单的纯化方案，可实现高 cRNA 产量 (40-75%)，同时保持低免疫反应。这些方法和方案促进了干细胞工程的广泛应用，以及通过锌指蛋白和 CRISPR-Cas9 实现强大的基因组和表观基因组靶向。值得注意的是，与心肌细胞和神经元中的线性加帽 RNA 相比，带有脑心肌炎内部核糖体进入的 cRNA 能够实现强大的表达和持久性，这突出了 cRNA 在这些非分裂细胞中的效用。我们还描述了通过以 cRNA 形式递送的去免疫 Cas9 进行基因组靶向，以及用于组合筛选去免疫蛋白质变体的远程多路复用蛋白质工程方法，该方法使 cRNA 递送蛋白质的表达持久性和免疫原性之间能够兼容。cRNA 工具集将有助于治疗学的研究和开发。
MEMS 元件高级稳健性验证和可靠性评估 (ARRA) 手册
适用于压力传感器和麦克风。对于其他 MEMS 设备，如第 2.1 节所示，适用 B 级，因为可能需要进行设备特定的鉴定测试（例如微镜设备的辐射应力测试）。第 1.4 节解释了 AEC Q10x 和 ARRA 理念之间的区别。第 2 章总结了本文档范围内的不同类型的 MEMS 设备，以及 MEMS 设备与标准固态半导体设备之间的界限，这些界限在 [8] 中进行了讨论。第 3 章详细解释了每个 ARRA 级别的内容、实现此级别的必要步骤和可交付给客户的产品，以及关键的零缺陷方法和确定 MEMS 稳健性裕度的方法。附录包含客户与供应商之间交换任务概况的表格、MEMS 设备的标准化温度和振动任务概况以及示例最佳实践知识矩阵。
光子集成电路的稳健表征
关键词：可编程光子集成电路、相位恢复、稳健表征 摘要：光子集成电路 (PIC) 提供超宽光学带宽，可为信号处理应用提供前所未有的数据吞吐量。动态可重构性可以补偿制造缺陷和波动的外部环境，调整自适应均衡和训练光学神经网络。PIC 重构的初始步骤需要测量其动态性能，通常由其频率响应描述。虽然测量幅度响应很简单，例如使用可调激光器和光功率计，但由于各种因素（包括测试连接中的相位变化和仪器限制），测量相位响应存在挑战。为了应对这些挑战，提出了一种通用且稳健的表征技术，该技术使用耦合到信号处理核心 (SPC) 的片上参考路径，其延迟大于或小于信号处理路径上的总延迟。芯片功率响应的傅里叶变换揭示了 SPC 的脉冲响应。该方法对低参考路径功率和不精确的延迟更具鲁棒性。使用有限脉冲响应 (FIR) 结构的实验证明了快速 SPC 训练，克服了热串扰和设备缺陷。这种方法为 PIC 特性提供了一种有前途的解决方案，有助于加快物理参数训练，以用于通信和光学神经网络中的高级应用。