XiaoMi-AI文件搜索系统
World File Search System给定
开放地理空间联盟，公司
要素通常具有空间范围。此范围编码在要素的一个或多个属性中。可能需要执行复杂的计算才能从这些属性中获取要素范围。应制定规则以在相应要素类型的定义中编码计算给定类型要素的空间范围所需的信息。如果这些规则是机器可读的，则事件服务将能够自动计算任何给定要素的空间范围。由于要素类型定义的异质性以及在填充要素的 boundedBy 属性时给予数据提供者的自由度而出现的问题可以通过这种机制解决。
电动汽车全面充电管理
该项目展示了通过各种用例转移电动汽车充电负荷的强大能力，能够将任何给定小时内高达约 20% 的充电转移到其他时间，并能够在给定小时内增加高达 30% 的充电。使用真实驾驶和充电行为的优化模型表明，通过在成本最低的时间充电，每辆车每年可以节省约 56 美元的电网电力供应成本，同时满足驾驶员的出行需求。该模型还展示了每辆车每年增加约 1,200 千瓦时可再生能源使用量和每辆车每年减少约 300 公斤温室气体排放的潜力。
神经网络及其安全应用程序的定量验证
神经网络越来越多地用于安全至关重要。这引起了人们对验证或认证神经网络逻辑编码属性的兴趣。先前的工作在很大程度上是在检查存在属性方面的基础，其中目标是检查是否存在任何违反给定属性感兴趣的属性的输入。但是，神经网络训练是一个随机过程，其分析中出现的许多问题需要概率和定量推理，即估计多少个输入sat-Isfy A给定特性。为此，我们的论文提出了一个新颖而有原则的框架，以定量验证神经网络上指定的逻辑证书。我们的框架是第一个提供PAC风格的声音保证的框架，因为其定量估计值在真实计数的可控且有限的误差范围内。我们通过构建一个名为NPAQ 1的原型工具来实例化算法框架，该工具可以通过二进制神经网络检查丰富的属性。我们展示了新兴的安全分析如何在3个应用程序中利用我们的框架：量化对对抗性输入的鲁棒性，特洛伊木马攻击的疗效以及给定神经网络的公平/偏见。
张量序列近似的新算法
摘要 — 张量分解为因子矩阵，通过核心张量相互作用，在信号处理和机器学习中得到了广泛的应用。到目前为止，将数据表示为 2 阶或 3 阶子张量的有序网络的更通用的张量模型尚未在这些领域得到广泛考虑，尽管这种所谓的张量网络 (TN) 分解在量子物理和科学计算中已经得到了长期研究。在本文中，我们介绍了 TN 分解的新算法和应用，特别关注张量序列 (TT) 分解及其变体。为 TT 分解开发的新算法在每次迭代中以交替方式更新一个或多个核心张量，并表现出对大规模数据张量的增强的数学可处理性和可扩展性。为了严格起见，给定秩、给定近似误差和给定误差界限的情况都被考虑在内。所提出的算法提供了均衡的 TT 分解，并在单一混合盲源分离、去噪和特征提取的经典范例中进行了测试，与广泛使用的 TT 分解截断算法相比，取得了更优异的性能。
市场参数增强
偏移因子，也称为敏感度因子，用于衡量特定位置相对于特定约束上电力流变化的有效性。偏移因子取决于传输拓扑、松弛节点选择和传输系统的特定特性，例如阻抗。位置通常是供应（发电）或需求（负载）节点。例如，40% 的偏移因子意味着如果在给定节点和松弛节点之间注入和提取 1 MW，则约束上将流动 0.4 MW。如果偏移因子为正，则给定约束上的流量将增加 0.4MW。如果偏移因子为负，则给定约束上的流量将减少 0.4 MW。CAISO 的市场在其拥堵管理过程中都使用偏移因子，这作为副产品影响其价格形成机制。偏移因子值通常在 -100% 到 +100% 的范围内。 2 CAISO 的市场为单个节点和聚合节点（例如特定发电机节点或 DLAP）生成并使用移位因子。这些移位因子针对物理和虚拟资源进行计算，例如联锁、内部发电机、融合投标和需求资源。市场计算相对于松弛节点选择的移位因子值，这是当前分布式松弛参考。
