XiaoMi-AI文件搜索系统
World File Search System自适应
动态数据的自适应模糊启发式算法...
物联网（IoT）设备的爆炸爆炸创造了大量的实时数据，需要复杂的数据挖掘方法（DMT），这些方法可以快速提取有价值的见解。管理处理高数据量的计算复杂性，整合各种物联网数据格式，并确保系统可以扩展是最重要的问题之一。模糊动态自适应分类器优化分析（FDACOA）是一种方法，已被建议作为一种方法，以解决数据模式变化，实时处理和数据异质性引起的困难。通过合并自适应模糊逻辑（AFL）和启发式优化，FDACOA提高了数据分类的精度和效率，同时确保该算法可以适应数据流的变化。这种适应性在物联网应用中至关重要，在物联网应用中，数据波动可能会影响分析质量。FDACOA使用动态适应来根据实时反馈改变分类器参数，以提高预测准确性并降低计算成本。优化层微型模糊规则和成员资格功能，以优化跨数据情况的性能。仿真分析证明了该算法以高准确性和低计算成本进行分类的能力。智能医疗保健，工业物联网中的预测维护和智能运输系统使用FDACOA进行实时决策和数据驱动的见解。FDACOA是一种可行的方法，用于在IOT支持的大数据上下文中进行动态数据挖掘，因为它的速度更快，更准确且更适应性地适应性模拟结果。关键字：模糊启发式算法，动态数据挖掘，物联网，集成的大数据环境，分类优化。
A2V：通过两阶段训练血管造影到静脉造影转换进行脑血管分割的半监督域自适应框架
我们提出了一个半监督域自适应框架，用于从不同的图像模态中分割脑血管。尽管可用的脑血管成像技术范围很广，但现有的最先进的方法只关注单一模态。这可能导致显著的分布变化，从而对跨模态的泛化产生负面影响。通过依赖带注释的血管造影和有限数量带注释的静脉造影，我们的框架完成了图像到图像的转换和语义分割，利用解开的、语义丰富的潜在空间来表示异构数据并执行从源域到目标域的图像级自适应。此外，我们降低了基于循环的架构的典型复杂性并最大限度地减少了对抗训练的使用，这使我们能够构建一个具有稳定训练的高效、直观的模型。我们在磁共振血管造影和静脉造影上评估了我们的方法。在源域中实现最佳性能的同时，我们的方法在目标域中的 Dice 得分系数仅低 8.9％，凸显了其在不同模态下进行稳健脑血管图像分割的巨大潜力。
使用思想理论的自适应社会学习
社会学习是一种强大的机制，代理商通过它向他人学习世界。但是，人类不会选择观察他人，因为社会学习可以带来时间和认知资源成本。人们如何平衡社会和非社会学习？在本文中，我们提出了一种从事社会学习的决定的思维模式。该模型通过推理另一个代理人的目标和未来行动的信息来估算社会学习的实用性。然后，它权衡了社会学习的效用，而不是自我探索的效用（非社会学习）。使用多玩家寻宝游戏，我们表明我们的模型可以定量地捕获人类和非社会学习之间的人类权衡。此外，我们的结果表明，这两个组成部分允许代理商灵活地应用社会学习以更有效地实现其目标。关键词：社会学习，思想理论，决策，社会认知，实用性最大化
扩展了珊瑚霍洛比特斯的自然自适应能力
引用Voolstra，C。R.，Suggett，D.J.，Peixoto，R.S.，Parkinson，J.E.，Quigley，K.M.，Silveira，C。B.，…Aranda，M。（2021）。扩展了珊瑚霍洛比特人的自然自适应能力。自然评论地球和环境。doi：10.1038/s43017-021-00214-3
基于电池 - 脱离电动汽车电动汽车的新自适应过滤算法的能源管理策略
运输部门近年来目睹了电动汽车的逐步整合。电动汽车的优势是不发射大气污染物，而是由于电池限制而在自主方面处于不利地位[1]。可以提高车辆的自主权，保留电池寿命并减少系统的重量，可以添加诸如UltraCapacitor（UC）或燃料电池之类的来源[2]。但是，只有在由能源管理策略（EMS）控制的情况下，多功能系统才能有效，该策略（EMS）协调了将其特性和局限性考虑到源之间的功能分裂。EMS的主要目标本质上是协调源和负载之间的功率流，以提高系统的全局效率。使用的功率来源通常具有不同的本质，EMS必须实施策略，这些策略不仅要利用每个来源，而且还要尽可能地延长其寿命。ems使用固定频率过滤表示能量源之间能量分布的简单方法
自适应在线收费估计电动汽车锂...
摘要：电荷状态（SOC）估计是安全性能和锂离子（锂离子）电池寿命的重要问题。在本文中，提出了一种强大的自适应在线长期记忆（ROLSTM）方法，以提取电动汽车（EV）中锂离子电池的SOC估计。顾名思义的实时方法是基于一个复发性神经网络（RNN），该神经网络（RNN）包含长期记忆（LSTM）单元，并使用强大和适应性的在线梯度学习方法（ROADAM）进行优化。在拟议的体系结构中，为三个输入中的每一个定义了一个顺序模型：电池的电压，电流和温度。因此，这三个网络并联起作用。使用这种方法，LSTM单元的数量减少。使用此建议的方法，一种不依赖精确的电池模型，并且可以避免复杂的数学方法。此外，与传统的递归神经网络不同，该网络随时重写内容，LSTM网络可以决定通过所提出的网关保留当前的内存。在这种情况下，它可以轻松地将此信息转移到较长的路径上，以接收和维持长期依赖性。使用真实数据库，实验结果说明了与迄今为止使用的神经网络建模和无流感的KalmanFulter方法相比，ROLSTM应用于SOC估算的ROLSTM的性能更好。
基于心理状态的自适应界面的案例
跨多个领域（例如航空、汽车和核电行业）的复杂系统操作员需要长时间连续地执行任务。长时间连续使用会导致精神疲劳以及认知灵活性、注意力和情境意识的下降，从而危及复杂操作的安全性和效率。基于心理状态的自适应系统可能是解决此问题的方法。这些系统根据一系列指标推断操作员的当前心理状态，这些指标包括操作员独立测量（例如天气和一天中的时间）、行为（例如反应时间和车道偏差）以及生理标记（例如脑电图和心脏活动）。然后可以以多种方式之一调整操作员与系统之间的交互，以减轻任何检测到的认知状态下降，从而确保持续的安全性和效率。根据手头的任务及其具体问题，可能的调整（通常基于机器学习估计）例如包括修改信息、呈现方式或刺激显着性以及任务调度。自适应系统研究涉及多个领域，包括神经工效学、人为因素以及应用和生态背景下的人机交互，因此需要仔细考虑上述每个方面。本文概述了研究人员在设计基于心理状态的自适应系统时需要考虑的一些关键问题和方面，同时也促进了它们在长期连续使用过程中的应用，为更安全、更高效的人机交互铺平了道路。
使用自适应动态阈值改善异常检测：审查和增强方法
摘要 - 在快速增长的现代网络物理系统中，可承受起着至关重要的作用。在早期确定安全性和安全性问题的有效异常检测对于确保系统可靠性至关重要。虽然许多研究集中在异常检测技术上，但更少的研究解决了一个关键的挑战，为异常检测设定了精确和响应式阈值。在这项研究中，我们对当前阈值设置方法进行了全面审查。此后，我们引入了一种新颖的自适应阈值设置方法。我们的方法是针对各种安全和安全任务量身定制的，并在安全系统的安全性外骨骼模型和能源系统的网络安全方案上进行了测试。结果表明，我们的方法可以增强CPS中异常检测的阈值设置。索引术语 - 分析检测，阈值设置，网络物理系统，时间序列
一种用于流行病动力学建模的有效自适应时间步进方法
摘要。在本研究中，我们提出了一种新颖而有效的自适应时间步进方法来模拟流行病动态。数学流行病模型的例子包括易感-感染-恢复 (SIR) 模型、易感-暴露-感染-恢复 (SEIR) 模型、易感-感染-易感 (SIS) 模型、易感-感染-恢复-易感 (SIRS) 模型和易感-感染-隔离-恢复 (SIQR) 模型。更复杂的模型包括母体免疫易感-感染-恢复 (MSIR) 模型、年龄结构 SEIR 模型和随机流行病模型。这些模型旨在捕捉特定的疾病特征，例如潜伏期、免疫持续时间和干预影响，是研究不同人群中传染病动态的重要工具。所提出的自适应时间步进方法基于单个时间步后隔室人口差异总和的总量。与其他自适应方法不同，所提出的算法不需要重新计算以满足给定的公差，并且只需一次更新即可达到所需的精度。因此，自适应时间步进方法既简单又有效。进行了几次数值测试，以证明所提出方法的卓越性能。