XiaoMi-AI文件搜索系统
World File Search System计算功率
用于嗜睡的离散小波变换系数...
摘要 — 本文提出了一种使用离散小波变换 (DWT) 系数作为特征从脑电信号中检测困倦的有效方法。大多数困倦检测系统使用 FFT 计算功率谱密度或使用 DWT 计算脑电子带的熵来提取特征。虽然这些技术擅长在频域中捕捉有价值的特征，但它们忽略了分析脑电信号所必需的时间细节。这些细节被整合到表示小波函数和不同时间的脑电信号之间相关性的系数中。在我们的工作中，我们使用 DWT 系数对脑电信号进行时频分析以保留这种时间背景。此外，该研究探讨了时间段大小对系统性能的影响。随后，我们确定了最合适的技术来最小化输入特征冗余。我们的方法只使用两个脑电电极 C3 和 C4，与检测清醒和困倦的常见设置相似。评估了四个分类器：决策树、随机森林、多层感知器和支持向量机。研究结果表明，DWT 系数提高了困倦检测的性能，超越了以前的方法。
一种用于微电网自主运行的新型自适应负荷削减和恢复策略：一项实时研究 M. Farzinfar* a , NKC Nair b , M
孤岛运行是微电网 (MG) 的主要特征之一，它是在分布式能源 (DER) 存在的情况下实现的。然而，为了应对 MG 在孤岛运行期间面临的控制挑战，特别是当转换与某些过载相关时，需要一种有效的控制策略。本文介绍了一种中央管理代理 (CMA)，它通过控制储能系统 (ESS) 和中央同步发电机 (CSG)，在 MG 孤岛后保持其稳定性。此外，本文提出了一种新的自适应负载削减/恢复方案，该方案根据频率测量结合频率梯度的平均值来计算功率不平衡量。与现有方案（如基于瞬时频率梯度的负载削减方案）相比，所提出的方案的优势在于其对频率振荡的鲁棒性。此外，所提出的方法与 DER 的控制程序和光伏电站的间歇性兼容。本文的另一个突出特点是开发了一个用于实时仿真的硬件在环 (HIL) 测试平台，在此平台上评估了所提出的方案以及与 CMA 以及其他组件的相关通信。所得结果表明，该控制策略可以自信地保持孤岛模式下 MG 的稳定性，并实现与电网连接模式的平稳重新连接。
通过粗粒分量并发提高地球系统模型的可伸缩性 - 与图标v2.6.5建模系统的案例研究
摘要。在Exascale计算时代，具有前所未有的计算能力的机器可用。使这些大规模平行的机器有效地使用了数百万个核心，提出了一个新的挑战。需要多级和多维并行性来满足这种挑战。粗粒分量并发性提供了一个差异的并行性维度，该维度通常使用了通常使用的并行化方法，例如域分解和循环级别的共享内存方法。虽然这些主教化方法是数据并行技术，并且它们分解了数据空间，但组件并发是一种函数并行技术，并且分解了算法MIC空间。并行性的额外维度使我们能够将可扩展性扩展到由已建立的并行化技术设置的限制之外。，当通过添加组件（例如生物地球化学或冰盖模型）增加模型复杂性时，它还提供了一种方法来提高性能（通过使用更多的计算功率）。此外，货币允许每个组件在不同的硬件上运行，从而利用异质硬件配置的使用。在这项工作中，我们研究了组件并发的特征，并在一般文本中分析其行为。分析表明，组件并发构成“并行工作负载”，从而在某些条件下提高了可扩展性。这些通用考虑是
录用稿件，非最终出版稿 - 工程科学学报
因此，跨个体、跨场景的脑电分析方法逐渐成为研究热点。越来越多的研究人员将广泛应用脑 电信号分析的特征于跨个体、跨场景的脑电信号分析研究中。 Touryan 等人采用经典的独立成分分 析的特征分析方法描述特征空间，计算功率谱密度（ Power Spectral Density ， PSD ），并采用顺序 前向浮动选择方法识别频谱特征中的独立成分集，结果表明该方法可以识别出跨场景脑电信号中的 共同成分 [88] 。 Kakkos 等人采用了特征融合的方法，将 PSD 与功能连接特征相结合，提高了跨场景 分类的性能，并证明了脑特征融合在跨场景中的应用更为有效 [89] 。 Xing 等人将模糊熵特征用于跨 场景脑电信号分析，发现模糊熵特征相对于其他特征更能适合跨场景 [90] 。卷积神经网络 （ Convolutional Neural Networks ， CNN ）和递归神经网络（ Recurrent Neural Networks ， RNN ）等基 于深度学习的新型跨任务模型在跨场景脑电分析中展现了巨大潜力。这些模型能够自动提取特征和 学习复杂的脑电特征，从而有效地缩小不同任务和场景之间的差距，提高模型的泛化能力 [91][92][93] 。 近年来，一些跨学科的方法被创新性地应用于跨场景研究， Zhao 等人提出了一种跨学科的对齐多 源域自适应方法，用于跨个体的 EEG 疲劳状态评估，显著提高了模型的泛化能力 [94] ， Zhou 等人在 此基础上进行改进，提出了一种跨任务域自适应方法，有效提升了跨场景认知诊断的性能 [95] 。
具有有限资源的物联网设备的数据安全
将物联网（IoT）抽象集成到各种应用程序领域不仅扩展功能，而且带来了许多挑战。这些挑战围绕着物联网设备的安全性，其中许多挑战的特征是记忆，功耗和计算功率等资源有限。本文研究了与确保物联网设备安全性相关的关键挑战，并提出了适合资源约束的潜在解决方案和策略。重点是对能够以最少的资源利用来提供可靠数据保护的轻质加密算法的开发和分析。还讨论了有效的能源管理和内存使用优化的策略，对于确保物联网设备的稳定和不间断的操作至关重要。本文强调了开发自适应安全机制的必要性，这些机制可以有效地响应动态的操作条件和资源约束。不断更新安全机制以适应不断变化的条件并防止新的和未来的网络威胁的关键重要性。除了技术方面，战略规划和创新在物联网安全方面的重要性也得到了阐明。注意到，进一步的研发应着重于创建结合硬件，软件和管理方面的集成解决方案，以优化物联网系统的整体效率和安全性。本文有助于理解和解决在资源约束下运行的物联网设备中的安全问题。它为现有的挑战和机遇提供了广泛的概述，同时为这个动态发展的领域提出了未来的研发方向。
QXAI：可解释的AI框架用于患者监测系统中的定量分析
摘要 - 源自人工智能技术可用于对患者的体育活动进行分类，并预测远程患者监测的生命体征。基于深度学习模型（例如深度学习模型）的非线性模型的回归分析，由于其黑盒性质而具有有限的解释性。这可能需要决策者根据非线性模型结果，尤其是在医疗保健应用中实现盲目的信仰飞跃。在非侵入性监测中，跟踪传感器的患者数据及其易感性临床属性是预测未来生命体征的输入特征。解释各种特征对监视应用程序的整体输出的贡献对于临床医生的决策至关重要。在这项研究中，提出了一个可解释的用于定量分析的AI（QXAI）框架，并通过临时模型的解释性和内在的解释性来解释和分类任务，以有监督的学习方法。这是通过利用Shapley价值观概念并将注意机制纳入深度学习模型中来实现的。我们采用了人工神经网络（ANN）和基于注意力的双向LSTM（BILSTM）模型，以根据传感器数据对心率和身体活动的分类进行预测。深度学习模型实现了最先进的预测和分类任务。在输入数据上进行了全球解释和局部解释，以了解各种患者数据的特征贡献。使用PPG-Dalia数据评估了提出的QXAI框架，以预测心率和移动健康（MHealth）数据，以根据传感器数据对体育活动进行分类。将蒙特卡洛近似应用于框架，以克服Shapley价值计算所需的时间复杂性和高计算功率要求。
安全的基于IoT种子的矩阵密钥生成器
摘要 - 物联网（IoT）的快速发展已经显着改变了个人和专业领域的各个方面，从家庭自动化到工业制造业中提供了创新的解决方案。这种进步是由将物理设备与数字网络集成在一起的驱动的，从而促进了有效的通信和数据处理。但是，这些进步带来了关键的安全挑战，尤其是在数据隐私和网络完整性方面。传统的加密方法通常在满足物联网环境的独特需求（例如设备计算功率和有效的能源消耗的需求）方面通常缺乏。本文介绍了一种针对物联网安全的新方法，灵感来自隐肌原理 - 在其他非秘密数据中隐藏信息的艺术。此方法通过将秘密信息嵌入有效载荷或通信协议中来增强安全性，并与物联网设备的低功率和最小处理能力保持一致。我们提出了一种地理密钥生成算法，该算法改编自针对物联网量身定制的Diffie-Hellman密钥交换模型。这种方法消除了对显式参数交换的需求，从而减少了IoT网络中普遍存在的关键拦截和未经授权访问的脆弱性。该算法利用预共享的2D矩阵和基于同步种子的方法来掩盖通信，而无需显式数据交换。此外，我们使用NIST统计测试套件（STS）严格测试了算法，将其执行时间与其他算法进行了比较。结果强调了我们算法对物联网应用程序的出色性能和适用性，突出了其有效保护IoT网络的潜力，而不会损害效率和设备资源限制。本文介绍了该算法对增强物联网安全性的设计，实现和潜在影响，从而确保在不损害用户安全性和隐私的情况下对物联网福利的全面实现。
系助理教授的教学大纲
权力来源：农场的权力来源 - 人类，动物，机械，电气，风，太阳能和生物质；生物燃料。农场力量：LC的热力学原理。引擎；我知道了。发动机周期；发动机组件；燃料和燃烧；润滑剂及其特性； LC。发动机系统 - 燃料，冷却，润滑，点火，电气，进气和排气； I.C.的选择，操作，维护和维修引擎；功率效率和测量；计算功率，扭矩，燃油消耗，热负荷和功率损失；性能指数，工具和拖拉机的成本分析。拖拉机和电力耕种者：类型，选择，维护和维修拖拉机和电力分配者；拖拉机离合器和刹车；电力传输系统 *齿轮列车，差速器，最终驱动器和动力起飞；拖拉机底盘的力学；牵引理论；三点挂钩 - 免费链接和约束链接操作；拖拉机中使用的转向和液压控制系统；拖拉机测试和性能；拖拉机和农具设计中的人工工程和安全考虑。土壤和水保护工程流体机械：理想和真实的流体，流体的特性；静水压力及其测量；连续性方程，运动学和流动动力学；伯努利定理；管道中的层流和湍流，达西·韦斯巴赫（Darcy Weisbach）和Hazen-Williams方程，穆迪（Moody's）图；流过孔口，堰和缺口；在开放通道中流动，尺寸分析 - 几何无限数字的概念。土壤力学：土壤的工程特性；基本定义和关系；土壤的索引特性；渗透性和渗漏分析；剪切力，Mohr的压力圈，主动和被动的地球压力；斜坡的稳定性，Terzaghi的一维土壤整合理论。- ，水文：水文循环和其成分的测量；气象参数及其测量；分析降水数据；径流估计；水文分析，单位水文理论和应用；流量测量；
具有预分配的公共钥匙的有效后Quantum Kemtls
摘要虽然具有证书的仅使用服务器的身份验证是全球网络上运输层安全性（TLS）协议最广泛使用的操作模式，但在许多应用程序中以不同的方式使用TLS或具有不同约束的应用程序。为了进行检查，嵌入式信息互联网客户端可能已预编程服务器证书，并且在通信带宽或计算功率方面受到了高度限制。由于量子后算法具有更大的性能权衡，因此除了传统的“签名键交换”以外的设计可能是值得的。在ACM CCS 2020上发布的KEMTLS协议使用关键的封装机制（KEMS）而不是签名在TLS 1.3握手中进行身份验证，这是一个益处，因为大多数Quantum KEMS都比PQ Sig-natures更有效。但是，kemtls有一些缺点，尤其是在客户身份验证方案中，需要额外的往返。我们探讨了情况如何随着预先分配的公共钥匙而变化，在许多情况下，在嵌入式设备，加速公共钥匙或从乐队中分发的密钥在应用程序中预先安装的公共钥匙可能是可行的。与Quantum签名后的KEM TLS（甚至是缓存的公共钥匙）相比，在带宽和组合方面，使用预分配的密钥（称为Kemtls-PDK）的Kemtl变体更有效，并且具有较小的受信任代码。使用客户端身份验证时，Kemtls-PDK比Kemtls更有效地带宽，但可以在较少的往返行程中完成客户端身份验证，并且具有更强的身份验证属性。有趣的是，使用Kemtls-PDK中的预分配的密钥会改变PQ算法适用性的景观：公共钥匙大于密码/标志/标志（例如经典的McEliece和Rainbow）的方案（例如，某些基于lattice的计划之间的差异）可以降低。我们还讨论使用预分配的公共密钥与TLS中的预共享对称键相比，如何提供隐私益处。
是什么限制了量子计算机的模拟？
量子计算的最终目标是执行超出任何古典计算机的计算。因此，必须非常难以经典地模拟有用的量子计算机，否则可以将经典计算机用于量子设想的应用程序。完美的量子计算机毫无疑问地很难模拟：所需的经典资源随量子数n或电路的深度D的数量成倍增长。这个困难触发了最新的实验，旨在证明量子设备可能已经执行超出经典计算范围的任务。这些实际量子计算设备受到许多破坏性和不精确来源的损失，这些来源限制了实际上可以达到其理论最大的一部分的纠缠程度。它们的特征是指数衰减的保真度f〜ð1 -ϵ nd，误差率为每次操作，对于具有数十个Qubits的电流设备，每次操作的每次操作小于1％，对于较小的设备而言较小。在这项工作中，我们通过证明可以以一台完美的量子计算机所需的一小部分成本进行模拟，从而为真实量子计算机的计算功能提供新的见解。我们的算法使用矩阵乘积状态来压缩量子波函数的表示，该矩阵产品状态能够非常准确地捕获低至中度纠缠的状态。此压缩引入了有限的错误率ϵ，因此算法紧密模仿了实际量子计算设备的行为。我们的算法的计算时间仅与N和D形成鲜明对比的N和D与精确的模拟算法形成鲜明的呈线性增加。我们使用在一维晶格中连接的Qubit的随机电路进行了模拟来说明我们的算法。我们发现，计算功率中的多项式成本可以降低至最小误差ϵ∞。以下低于ϵ∞需要计算资源，以指数增加ϵ∞ = ϵ。对于二维阵列N¼54QUAT和具有控制Z门的电路，可以在几个小时内在笔记本电脑上获得比最先进设备的错误率。对于更复杂的门（例如交换门），然后进行受控旋转，对于类似的计算时间，错误率增加了因子3。我们的结果表明，尽管量子设备达到了高忠诚度，但实际上仅利用了希尔伯特空间的系统的一小部分ð〜10-8Þ。