被动全身;四肢和眼晶状体剂量计 主动剂量计 .... 仍未覆盖身体所有部位(未来可能需要大脑、心脏) 剂量计的使用并非总是恰当:定位错误、未佩戴 收到结果的时间 剂量计丢失 个人剂量计的技术限制。 放射量和要求的变化……
过去二十年,量子计算和机器学习的理论和实践都呈现爆炸式增长。现代机器学习系统处理大量数据,需要巨大的计算能力。随着硅半导体小型化接近其物理极限,人们越来越多地考虑使用量子计算来满足未来的计算需求。小型量子计算机和量子退火机已经建成并投入商业销售。量子计算机可以使所有科学和工程领域的机器学习研究和应用受益。然而,由于其根源在于量子力学,该领域的研究迄今为止一直局限于物理学界,其他学科的研究人员很难接触到大多数工作。在本文中,我们先介绍量子计算的背景并总结其关键结果,然后再探讨其在监督机器学习问题中的应用。通过避开与量子计算关系不大的物理学结果,我们希望让数据科学家、机器学习从业者和跨学科的研究人员都能理解这篇介绍。
Yuvaraj S、Dr Vijay Franklin J、Kiruthikaa KV、Ramya R、Kanimozhi T 摘要:认知计算是智能计算研究领域,它通过模仿大脑的过程提供计算智能。决策是认知过程的一部分,在这个过程中,根据给定的标准从机会中选择一系列行动。通常,决策是由智能支持系统做出的,该系统有可能借助人工智能、系统工程、机器学习技术等领域将人类的决策能力转化为系统。本文深入介绍了认知计算及其历史观点,随后介绍了在机器学习中实现智能决策算法的各种方法。此外,还讨论了基于认知信息学模型(如 LRMA 和 OAR)的方法以及用于有效知识处理的概念数学。它还提供了有关可视化分析和认知分析的信息,其中强调了概念视图框架及其挑战。索引词:认知计算、认知分析、认知信息学、概念数学、博弈论、机器学习和可视化分析。
COVID-19 是一种呼吸道感染,症状从轻微到致命不等。印度自 2020 年 3 月 24 日起实施全国封锁,并多次延长,每个阶段都有不同的指导方针。在各种流行病学模型中,我们使用 SIR(D) 模型来分析这种多阶段封锁在“拉平曲线”和降低威胁方面发挥的作用程度。分析封锁对感染的影响可以让我们在实施隔离程序和改善医疗设施的同时更好地了解流行病的演变。为了进行准确的建模,需要结合各种参数以及复杂的计算设施。与 SIRD 建模并行,我们倾向于将其与 Ising 模型进行比较,并得出一个量子电路,该电路将感染率和恢复率等作为其参数。从电路中获得的概率图在定性上类似于冠状病毒传播曲线的形状。我们还展示了实施封锁时曲线如何变平。这种量子计算方法有助于降低与疫情相关的大量信息的空间和时间复杂度。
溢价高于市场上其他基准,即建筑股权。例如,如果要查看海上风电投资的建筑股权回报,申请人可以对已知参考的溢价做出现实的假设。根据观察到的交易,总股权回报预期通常在 8% 到 16% 之间,但在特殊情况下可能会有所不同。下表 4.1 提供了五个不同欧盟国家组的股权成本指示,但申请人应注意,在某些市场,发展速度可能意味着利率可能在短时间内迅速下降(例如,海上风电)。
申请人可以将两个或多个资格类别(能源密集型产业、CCS、RES、能源储存)相关的活动结合起来,称为混合项目。混合项目应根据各自的方法计算绝对温室气体减排量和项目排放量,并将其加起来,同时删除重复计算的减排量和/或排放量(如有)。相对温室气体减排量应根据累计减排量和累计项目排放量计算。任何包括间歇性使用和/或在电网组合中可再生能源过剩时发电的项目(如智能电网应用)都需要将需求曲线分解为连续部分加上虚拟储存活动,如能源密集型产业部分所述(见第 2.2.3.4 节),以确保将适当的排放因子应用于其电力需求、发电和储存。
摘要:传统能源价格的大幅增长促进了对可再生能源应用的开发,如太阳能、风能、水力能源等,这些能源对环境友好,具有广泛应用的前景。与单独开发此类系统相比,融合可再生能源的混合系统可以提供更经济的能源。当两个系统与存储设备混合时,能源系统的可靠性会显著提高。优化设计是必需的,可以通过降低净现值成本 (NPC)、投资成本或降低能源平准化成本 (LCE) 或多目标优化等来实现。许多最近的研究都集中在混合可再生能源系统 (HRES) 的优化、规模、操作、设计和控制上。软计算技术是传统技术的替代方法,能够解决各个领域的复杂实际问题并提供最佳优化。从这个角度来看,本文详细介绍了使用文献中的软计算方法优化混合能源系统,这可能会对可再生能源的利用做出重大贡献。本文介绍的已发表文献说明了软计算方法作为混合能源系统优化工具的潜力。索引词:混合能源系统、电力系统可靠性、优化、可再生能源整合、HRES、软计算、SOS。
摘要:如今,由于每年损失的金额巨大,各种类型的欺诈交易都成为金融业关注的焦点。考虑到数字化时代的海量数据和银行欺诈的复杂性,手动分析欺诈交易是不可行的。在这种情况下,检测欺诈的问题可以通过机器学习算法来实现,因为它们能够在非常大的数据集中检测出微小的异常。这里出现的问题是数据集高度不平衡,这意味着非欺诈案例严重主导了欺诈案例。在本文中,我们将介绍三种处理不平衡数据集的方法:重采样方法(欠采样和过采样)、成本敏感训练和树算法(决策树、随机森林和朴素贝叶斯),强调了为什么在测量算法性能时不应在这种类型的数据集上使用接收者操作特性曲线 (ROC) 的想法。实验测试应用于 890,977 笔银行交易,以观察上述三种方法的性能指标。关键词:银行欺诈;机器学习算法;重采样;成本敏感训练;不平衡数据集。引用方式:Mînăstireanu, E.-A.,& Meşniţă, G. (2020)。信用卡欺诈检测中处理不平衡数据集的方法。大脑。人工智能和神经科学的广泛研究,11 (1),131-143。https://doi.org/10.18662/brain/11.1/19
3 这与生物燃料、沼气和生物能源排放的方法一致。但是,土地利用变化排放和间接土地利用变化排放通常比生物燃料小得多,而“灰色能源”通常只占大型工业工厂总排放量的一小部分。尽管如此,考虑到 IF 可能涉及的未知过程范围,更安全的做法是防止可能的土地密集型解决方案或需要特别排放密集型资本设备的流程。从指标上看,由风力发电制成的液体运输燃料在涡轮机制造(和维护)中产生的“灰色排放”约为 8gCO2e/MJ,如果使用光伏制成,则约为 22g/MJ。(计算假设电力转化为道路燃料的效率为 40%,燃料分配的排放量为标准排放量。)
摘要 本文的目的是开发新的计算工具来研究结构材料中的疲劳裂纹扩展。特别是,我们比较了不同退化策略的性能,以采用基于近场动力学的计算方法研究疲劳裂纹扩展现象。提出了三种疲劳退化定律。其中两个是原创的。首先使用圆柱模型来比较这三种疲劳定律的计算性能,并研究它们对离散化参数变化的稳健性。然后在近场动力学框架中实施疲劳退化策略以进行疲劳裂纹扩展分析。圆柱模型和近场动力学模拟都表明,提出的第三种退化定律在高精度、高稳定性和低计算成本的结合方面是独一无二的。
