XiaoMi-AI文件搜索系统
World File Search System第一层
文章 带稳定性增强器的无尾飞机增量反步滑模轨迹控制
摘要：本文提出了一种增量反步滑模 (IBS) 控制器，用于无尾飞机的轨迹控制，该飞机具有未知的干扰和模型不确定性。所提出的控制器基于无尾飞机的非线性动力学模型。提出了一种稳定性增强器 (SE)，它限制了虚拟控制输入的速率和幅度。稳定性增强器由两层组成。当虚拟控制输入接近边缘时，第一层 SE 将被激活以修改轨迹跟踪误差；当虚拟控制输入超过边缘时，第二层 SE 将降低控制增益以确保虚拟控制输入尽快落在边缘内。借助 SE，增量控制方法可以扩展到外环控制，而无需考虑内环系统的动态特性。此外，提出了一种状态导数的自适应估计器，与 IBS 一起，使控制器表现出出色的鲁棒性。最后，给出了两个仿真结果。第一次仿真表明系统对外界干扰和模型不确定性不敏感，第二次仿真证明了SE的有效性。
树上的蛇：一种可解释的人工智能……
摘要：如今，智慧城市的发展推动了基于人工智能（AI）的创新IT技术的发展，例如智能代理（IA），它们本身使用新算法、复杂软件和先进系统。然而，由于其应用数量和范围不断扩大以及其自主性不断增强，人们越来越期望这些智能技术能够涉及可解释的算法、可靠的软件、可信赖的系统、透明的代理等。因此，在本文中，我们提出了一种新的可解释算法，该算法使用树中的蛇来自动检测和识别对象。所提出的方法涉及蛇（又名参数活动轮廓）的递归计算，从而产生多层蛇，其中第一层对应于感兴趣的主要对象，而下一层蛇描绘出该前景的不同子部分。从这些蛇分割的区域中提取视觉特征并将其映射到语义概念中。基于这些属性，可以推导出决策树，从而对对象进行有效的语义标记，并对场景进行自动注释。在智慧城市的背景下，我们的计算机视觉方法在现实世界的标准数据库上表现出色。
基于BCI系统的脑电信号控制无人机运动
摘要。脑机接口使个人能够通过脑电图 (EEG) 信号与设备进行通信，在许多使用脑电波控制单元的应用中都是如此。本文介绍了一种使用 EEG 波通过眨眼和注意力水平信号控制无人机运动的新算法。通过使用支持向量机算法对眨眼进行分类并通过人工神经网络将其转换为 4 位代码，对获得的信号识别进行优化。线性回归法用于将注意力分为具有动态阈值的低级或高级，从而产生 1 位代码。算法中的运动控制由两个控制层构成。第一层提供眨眼信号的控制，第二层提供眨眼和感知到的注意力水平的控制。使用单通道 NeuroSky Mind-Wave 2 设备提取和处理 EEG 信号。所提出的算法已通过对 5 个不同年龄个体的实验测试进行了验证。结果表明，与现有算法相比，该算法具有较高的性能，对 9 个控制命令的准确率为 91.85%。该算法最多可处理 16 个命令，准确率高，适用于许多应用。
一种用于收集和输注小鼠脑脊液的方案
图3。暴露于扁平的钳子上拉紧脖子背面的皮肤，并用钝的钳子放置剪刀，以使第一次切割，并参考步骤19“暴露于Cisterna Magna”'。（b）第一次切割后，在皮肤下露出组织，您应该在中间看到一条白色条纹，参考步骤19“暴露于cisterna magna”。（c – e），参考步骤20“暴露于Cisterna Magna”''的第一层肌肉。（f）使用钝的牵开器从头骨上拉开肌肉，在Cisterna Magna上方露出一层薄薄的肌肉，参考步骤21“暴露于Cisterna Magna”。（g – i）使用“挖掘”运动用钝头露出甲壳虫。在面板I中，倒三角形代表应为CSF收集刺穿Cisterna Magna的区域。比例尺表示100 m m。避免所有血管降低用血液污染CSF的风险，参考步骤22“暴露Cisterna Magna”。
深度量子图梦想：解读神经网络对量子实验的洞察
摘要 尽管神经网络有望促进新的科学发现，但它的不透明性给解释其发现背后的逻辑带来了挑战。在这里，我们使用一种名为 inception 或 deep dreaming 的可解释人工智能技术，该技术是在计算机视觉机器学习中发明的。我们使用这种技术来探索神经网络对量子光学实验的了解。我们的故事始于对深度神经网络进行量子系统属性的训练。训练完成后，我们会“反转”神经网络——实际上是询问它如何想象具有特定属性的量子系统，以及它将如何不断修改量子系统以改变属性。我们发现网络可以改变量子系统属性的初始分布，我们可以概念化神经网络的学习策略。有趣的是，我们发现，在第一层，神经网络可以识别简单属性，而在更深的层，它可以识别复杂的量子结构甚至量子纠缠。这让人想起计算机视觉中已知的长期理解的属性，我们现在在复杂的自然科学任务中识别这些属性。我们的方法可以以更易于解释的方式用于开发量子物理学中新的基于人工智能的先进科学发现技术。
采用模糊逻辑的新型自动需求响应控制，适用于孤岛电池供电的农村微电网
摘要 孤岛式农村微电网需要持续的资源监控。需求响应方案在管理负荷方面表现出色。然而，城市需求响应方案配备了市场价格和高峰时段惩罚来控制可延迟负荷。在农村微电网中，通常使用不属于可延迟负荷类别的常规负荷，例如风扇、灯和水泵。此外，随时使用常规负荷的完全自由、缺乏意识以及没有存储储备信息使得负荷管理任务更加复杂。在本研究中，为常规运行负荷设计了全自动两层需求响应方案。第一层控制是负荷模式控制。运行模式由电池的充电状态 (SoC) 决定。在第二层中，根据消费者的日常活动、SoC 和环境温度作为成员函数设计模糊控制器。结果根据消费者的舒适度和 SoC 的可用性进行评估。自动需求响应中的负载运行与实际常规运行保持一致，符合消费者的期望，偏差为 5% 至 7%。与相关研究相比，所有运行模式下的 SoC 水平均保持高 15%，重载运行高 13.5%。
顺序刷接枝用于嵌段共聚物化学和尺寸耐受性的定向自组装
摘要：我们报告了一种嵌段共聚物 (BCP) 定向自组装 (DSA) 的方法，其中第一层 BCP 膜部署均聚物刷或“墨水”，这些刷或“墨水”在现有聚合物刷上方的聚合物膜热退火期间通过聚合物分子的相互渗透依次接枝到基材表面。通过选择具有所需化学性质和适当相对分子量的聚合物“墨水”，可以使用刷相互渗透作为一种强大的技术，以与 BCP 域相同频率生成自配准的化学对比模式。结果是一种对引导模式中的尺寸和化学缺陷具有更高容忍度的工艺，我们通过使用均聚物刷作为引导特征而不是更坚固的可交联垫来实现 DSA 来展示这一点。我们发现使用“油墨”不会影响线宽粗糙度，并且通过实施稳健的“干剥离”图案转移，验证了 DSA 作为光刻掩模的质量。关键词：定向自组装、嵌段共聚物、薄膜、先进光刻、缺陷率■ 简介
基于基因组的新生儿先天免疫缺陷筛查：实践和伦理考量
摘要：先天性免疫缺陷 (IEI) 是一组超过 450 种遗传上不同的疾病，与显著的发病率和死亡率相关，早期诊断和治疗可改善预后。目前，几个国家正在利用基于 DNA 的技术量化 T 细胞受体切除环 (TREC) 和 κ 缺失重组切除环 (KREC)，对新生儿进行严重联合免疫缺陷 (SCID) 筛查。该策略只能识别出患有与 T 和/或 B 细胞淋巴细胞减少症相关的 IEI 的婴儿。其他严重形式的 IEI 将不会被检测到。预先、第一层基于基因组的新生儿筛查已被提议作为一种潜在方法，通过该方法可以同时筛查婴儿出生时数百种单基因疾病。鉴于 IEI 的临床、表型和遗传异质性，基于下一代测序的新生儿筛查方法将是合适的。然而，在采用基于基因组的新生儿筛查方法之前，必须详细评估一些伦理、法律和社会问题，这些问题将在 IEI 的背景下进行讨论。
![arXiv:2309.07056v1 [quant-ph] 2023 年 9 月 13 日](/simg/8\89669cf04e651fdec9c66350749d64e8d4374091.webp)
arXiv:2309.07056v1 [quant-ph] 2023 年 9 月 13 日
尽管神经网络有望促进新的科学发现，但它的不透明性给解释其发现背后的逻辑带来了挑战。在这里，我们使用一种名为 inception 或 deep dreaming 的可解释人工智能 (XAI) 技术，该技术是在计算机视觉机器学习中发明的。我们使用这种技术来探索神经网络对量子光学实验的了解。我们的故事始于对量子系统属性进行深度神经网络训练。训练完成后，我们会“反转”神经网络——有效地询问它如何想象具有特定属性的量子系统，以及它将如何不断修改量子系统以改变属性。我们发现网络可以改变量子系统属性的初始分布，我们可以概念化神经网络的学习策略。有趣的是，我们发现，在第一层，神经网络识别简单属性，而在更深的层，它可以识别复杂的量子结构甚至量子纠缠。这让人想起计算机视觉中已知的长期理解的属性，我们现在在复杂的自然科学任务中识别这些属性。我们的方法可以以更易于解释的方式用于开发量子物理学中新的基于人工智能的先进科学发现技术。
利用亚带隙激发飞秒激光剥离技术生产独立 GaN 发光二极管芯片
激光剥离 (LLO) 通常用于将功能薄膜与下面的基板分离，特别是将基于氮化镓 (GaN) 的发光二极管 (LED) 从蓝宝石中分离出来。通过将 LED 层堆栈转移到具有定制特性的外来载体（例如高反射表面），可以显著提高光电器件的性能。传统上，LLO 是使用纳秒级的紫外激光脉冲进行的。当指向晶圆的蓝宝石侧时，蓝宝石/GaN 界面处的第一层 GaN 层吸收脉冲会导致分离。在这项工作中，首次展示了一种基于 520 nm 波长的飞秒脉冲的 LLO 新方法。尽管依赖于亚带隙激发的双光子吸收，但与传统的 LLO 相比，超短脉冲宽度可以减少结构损伤。在详细研究激光影响与工艺参数的关系后，我们开发了两步工艺方案，以制造边长可达 1.2 毫米、厚度可达 5 微米的独立 InGaN/GaN LED 芯片。通过扫描电子显微镜和阴极发光对分离的芯片进行评估，结果显示 LLO 前后的发射特性相似。