XiaoMi-AI文件搜索系统
World File Search System线性近似
智能手机摆的定量分析超出线性近似：锁定实际作业
如今可以直接访问传感器数据的应用程序，用于用于高中和大学生的实践教学练习。振荡运动是物理学的基石，许多论文都发表了使用智能手机来访问古典实验1或提出创新的习惯实践。2,3个简单摆4-6或复合摆7的不同配置已被赋予。其他研究涉及水平振荡质量8,9以及可能的耦合系统。8,10的信息，但是可以使用其他传感器，例如磁场，12,13光强度9,14和旋转15。此外，某些应用程序允许进行合并的磁盘和加速度记录，从而进行了有趣的研究。15最后，还使用了其他开放平台，例如Arduino 7或视频录制16。最近出现在本期刊上的有关移动设备和物理教学传感器的详尽资源信函。17
使用耦合张量多线性近似对大脑 3D 磁共振图像进行超分辨率重建
磁共振成像 (MRI) 是一种多功能医学成像方式，可在软组织之间提供出色的对比度。可以调整采集参数，以使这种对比度对各种组织特性敏感，例如质子密度以及纵向和横向弛豫时间（分别为 T 1 和 T 2 ）。MRI 采集包括使用各种电磁脉冲反复激发人体内质子，并从图像中获取少量傅里叶样本。然后通过逆傅里叶变换运算将频域中的观测值重铸到空间域。典型的 MRI 数据包括任意方向的 2D 或 3D 图像。后者具有两个平面内空间维度和切片方向的第三个空间维度，因此它们可以看作张量。然而，MRI 的采集时间相对较慢，通常需要几分钟的时间。这种技术限制会阻碍 3D 高分辨率图像的采集。为了避免这个缺点，超分辨率技术已被证明在许多情况下是有效的 [1]，[2]，[3]。它们包括从一个或多个低分辨率观测中恢复 3D 高分辨率图像。最近，有人提出使用深度学习从单个低分辨率观测中恢复高分辨率图像 [4]，[5]。然而，对于小病变，最好考虑多个观测以用于图像的诊断。这些观测可以合并到融合模型中，从而提供比单独处理更多的信息 [6]。使用融合范式避免了依赖外部患者数据库来获取先验信息。因此，在剩下的文章中，我们将重点关注从多个观测中进行超分辨率重建的问题，也称为多帧超分辨率。
致力于解决近期量子计算机中的 BCS 汉密尔顿间隙
在这项工作中，我们使用噪声中尺度量子 (NISQ) 框架，获得了 Bardeen-Cooper-Schrieffer (BCS) 哈密顿量的间隙。这可能会对超导研究产生有趣的影响。对于这样的任务，我们选择使用变分量子压缩并分析在当前量子硬件上找到能谱所需的硬件限制。我们还比较了两种不同类型的经典优化器，即线性近似约束优化 (COBYLA) 和同时扰动随机近似 (SPSA)，并研究在实际设备中使用模拟时噪声存在引起的退相干的影响。我们将我们的方法应用于具有 2 和 5 个量子比特的示例。此外，我们展示了如何在一个标准差内近似间隙，即使存在噪声。
MNO2纳米片锚定在生物质衍生的多孔碳上，用于高性能超级电容器
这项工作致力于证明在非努力理论中应用自然语言处理理论中获得的信息处理公式的可能性。这些公式是在计算机实验中获得的，用于通过更改触发此运动的信息量来建模材料对象的运动和相互作用。定义了实验研究的假设，客观和任务。开发了用于执行典范的方法和软件工具。为了比较语音生产过程中人大脑过程中的过程的不同结果，采用了一系列方法来计算自然语言文本片段序列的估计，包括基于线性近似的方法。实验证实，在非力量相互作用理论中获得的信息处理公式反映了语言形成的过程。证明，提供的方法可以成功地用于创建反应性人工智能机系统。实验性并在这项工作中提出的实际结果构成了非强制性（信息）交互公式通常是有效的。
信神经网络基于概率的 PWL Sigmoid 函数逼近
摘要 本文提出了一种基于各层神经元值统计分布概率的分段线性 (PWL) S 型函数逼近方法，仅使用加法电路即可提高网络识别精度。首先将 S 型函数划分为三个固定区域，然后根据神经元值分布概率将每个区域中的曲线分割为子区域，以减少逼近误差并提高识别精度。在Xilinx 的FPGA-XC7A200T上对MNIST和CIFAR-10数据集进行的实验表明,所提方法在DNN、CNN和CIFAR-10上分别达到了97.45%、98.42%和72.22%的识别准确率,比其他仅使用加法电路的近似方法分别提高了0.84%、0.57%和2.01%。关键词:S形函数、概率、神经网络、分段线性近似
非线性普通微分方程
8.1 Poincare stability (stability of paths) 260 8.2 Paths and solution curves for general systems 265 8.3 Stability of time solutions: Liapunov stability 267 8.4 Liapunov stability of plane autonomous linear systems 271 8.5 Structure of the solutions of n-dimensional linear systems 274 8.6 Structure of n-dimensional inhomogeneous linear systems 279 8.7 Stability and boundedness for linear系统283 8.8具有恒定系数的线性系统的稳定性284 8.9 n变量中的FIRNT级系统的平衡点线性近似289 8.10 n维度的一类非自主线性系统的稳定性293 8.11近线性溶液的稳定性近线性溶液的稳定性300 300 300 300
System Modeling and Optimal Dispatching of Multi-energy ...
摘要 - 多能源的协调操作和综合利用需要系统的研究。多能微电网（MEMG）是一个带有MulTiple输入和输出的耦合系统。在本文中，提出了一个基于统一能量流的系统模型来描述静态关系，并提出了一个模拟能量存储模型来表示能量转移过程的时间依赖性特征。然后，使用分段线性近似和con-vex松弛，建立了MEMG的最佳调度模型作为混合企业线性编程（MILP）问题。最后，系统模型和最佳调度方法在MEMG中得到了验证，包括区域电子，天然气和热供应以及可再生生成。提出的模型和方法为能量流分析和MEMG优化提供了一种有效的方法。
用于电网优化的灵活存储模型
摘要 — 本文提出了一种简单灵活的存储模型，可用于各种多周期最优电力流问题。所提出的模型专为各种研究用途而设计，具有以下主要特点：（i）该模型可以表示从住宅电池存储到电网规模抽水蓄能等各种规模的能源缓冲器的动态；（ii）它与电力流方程的平衡和非平衡公式兼容；（iii）凸松弛和线性近似允许将所提出的模型无缝集成到需要凸性或线性的应用中；（iv）提出了一种简约而标准化的数据模型，方便研究界使用。使用概念验证二十四小时存储调度任务验证了所提出的模型，该任务展示了该模型主要特征的价值。该模型的开源实现作为 PowerModels 和 PowerModelsDistribution 优化工具箱的一部分提供。
使用模仿学习来实施智能机箱的控制编排
摘要：尽管对超级驱动系统的控制分配取得了进步，但仍需要进行全面，优化和安全的解决方案。传统方法虽然成熟，但仍与耦合非线性分配的复杂性以及对广泛的计算资源的需求斗争。机器学习可以通过其概括和适应能力来提供显着的优势，尤其是在使用线性近似来减轻计算负担或尚不确定执行器的有效性时。模仿学习的最新进展，尤其是行为克隆和深入的强化学习，已经在解决这些挑战方面表现出了有希望的结果。本文旨在确定在控制编排中使用机器学习的潜力，以使智能机箱超越分配问题，包括跨系统，资源平衡以及安全性和性能限制的交互管理。我们提出了一组我们认为与实验有关的技术，以解决智能底盘系统中控制分配的潜在挑战和复杂性，这些挑战将在即将到来的文章中进行测试。