XiaoMi-AI文件搜索系统
World File Search System误差比
锂离子电池电量的影响对原位qam ...
摘要：锂离子电池内的电源线通信允许在电池组中每个仪器单元的传感器节点之间传递高纤维传感器数据，以转移到外部电池管理系统。在本文中，对各种电荷状态下锂离子电池的变化特征进行了测量，分析，并比较了它们在10 MHz至6 GHz的载波频率的电源线通信系统上的有效性。此外，研究了正交振幅调制（QAM）的使用，以确定其作为同一载流子频率范围的最新调制方法的有效性。总体结果表明，某些载波频率和QAM订单可能不适合原位电池组电源线通信，因为电池阻抗的变化和某些锂离子电池电荷状态的变化会导致误差向量幅度的增加，位误差比和符号误差比的增加。在本文中还提出了基于经验结果的这些不断变化特征的影响的建议和趋势。
一时间常数模型和二时间常数模型的比较...
快速而准确的建模拓扑对于动力传动系统电气化至关重要。热效应在任何电化学系统中都非常重要，在电池模型中必须考虑这一点，因为温度因素在传输现象和化学动力学中最为重要。这里讨论了锂离子电池的动态性能，并开发了合适的电气等效电路来研究其对输出突然变化的响应。本文提出了一种具有热依赖性的有效锂电池仿真模型。一个串联电阻、一个电压源和一个 RC 块构成了所提出的等效电路模型。研究和比较了文献中常用的 1 RC 和 2 RC 锂离子电池模型。使用 Matlab/Simulink 软件对锂离子电池 1RC 和 2 RC 模型进行仿真。本文中的仿真结果表明，在恒定电流条件下，锂离子电池 1 RC 模型的最大输出误差比 2 RC 锂离子电池模型大 0.42%，在 UDDS 循环条件下，1 RC 锂离子电池模型的最大输出误差比 2 RC 锂离子电池模型大 0.18%。仿真结果还表明，在简单和复杂放电模式下，与 1 RC 锂离子电池模型相比，2 RC 锂离子电池模型的输出误差得到了很大改善。因此，本文表明，对于笔记本电脑等便携式电子设计等一般应用，锂离子电池 1 RC 模型是首选，而对于汽车和空间设计应用，锂离子 2 RC 模型是首选。在本文中，1 RC 和 2 RC 锂离子电池模型的这些仿真结果将对电动汽车实际锂离子电池管理系统的应用非常有用。
![arXiv:2412.15800v1 [quant-ph] 2024 年 12 月 20 日](/simg/g:\will\search\icon\source\6\6aa1457dbabd38ca90a7863ebeb46fbce8984a72.webp)
arXiv:2412.15800v1 [quant-ph] 2024 年 12 月 20 日
众所周知，密度矩阵并不总能区分不同的量子计算误差（参见 [9]）。因此，用随机变量表示量子计算误差比用密度矩阵表示更准确。这就是我们决定用随机变量来表示量子计算误差的主要原因。而且，一旦用随机变量建立了量子计算误差的表示，那么衡量量子计算误差大小的最自然参数就是方差。随机变量 X 的方差定义为 X 的平均值 µ 的二次偏差的平均值，V ( X ) = E [ ∥ X − µ ∥ 2 ]。在我们的例子中，由于随机变量 X 表示量子计算误差，因此 X 的平均值是无误差计算得到的 n − 量子比特 Ψ 0 。不失一般性，我们假设所有量子计算误差的平均值始终为 Ψ 0 = | 0 ⟩ 。为此，只需通过幺正变换将 Ψ 0 移到 | 0 ⟩ 即可。因此，使用公式 (1) 给出的纯量子态，X 的方差将为：
无人驾驶飞机传输缺陷检测
由于电网大小的持续增长，传输线的抽象缺陷识别已成为确保当前传输系统正确运行的关键步骤。这项研究主要涉及当前无人机传播缺陷检测的缺点，尤其是在图像质量和其他相关问题方面。为了响应，已经提出了基于边缘计算的无人机传播缺陷检测系统。该系统采用边缘计算网络和轻巧的改进，最后，通过对实验数据的分析，验证了系统的性能和检测有效性。结果表明，用于检测绝缘体的研究模型的准确性比其他模型高0.05。该系统在检测正常绝缘体和异常绝缘子方面更有效。该系统在检测传输线图像中的误差比其他算法低0.18，与其他模型误差值相比，平均百分比误差低0.20。这表明研究中使用的系统能够改善传输线的检测，并提高了检测到的图像的质量。这是一本出色的手册，可在将来增强无人机输电线路缺陷精度。
一种预测质子短期降解行为的人工智能解决方案交换膜燃料电池
摘要：阳极死区（DEA）和阳极再循环操作通常用于提高汽车质子交换膜（PEM）燃料电池的氢气利用率。由于阳极中的氮交叉和液态水积聚，电池性能会随着时间的推移而下降。高效预测PEM燃料电池的短期降解行为具有重要意义。在本文中，我们提出了一种基于多元多项式回归（MPR）和人工神经网络（ANN）的数据驱动降解预测方法。该方法首先预测电池性能的初始值，然后预测电池性能随时间的变化以描述PEM燃料电池的降解行为。使用PEM燃料电池在DEA和阳极再循环模式下的两种降解数据案例来训练模型并证明所提方法的有效性。结果表明，该方法预测的平均相对误差比仅使用ANN或MPR预测的平均相对误差小得多。两隐层ANN的预测性能明显优于单隐层ANN。使用S形激活函数预测的性能曲线比使用整流线性单元（ReLU）激活函数预测的性能曲线更平滑，更逼真。
SOA-REAM辅助突触受体，用于加权 -
摘要 - 非形态光子学是一个有前途的研究领域，因为它有可能应对von-Neumann计算体系结构的瓶颈产生的局限性。受到生物大脑的特征和行为的启发，光子神经网络被吹捧为解决需要在低潜伏期和低功耗下运行的复杂问题的解决方案。这种神经网络的基本构建块是低复杂性多重积累操作，为此寻求光学域中的有效功能实现。向这个方向迈出了一个突触受体，该突触受体可以在功能上整合加权和信号检测。通过单片集成的半导体光学放大器和反射性电吸收调制器来完成此光学多重积累操作，该操作将充当无色频率解调器和频率编码信号的检测器。此外，我们表明可以同时处理两个尖峰列车，并以交替的符号处理并将其视为加权总和。通过低位误差比的信号速率低于10 GB/s，提出的突触受体的性能得到了进一步验证。索引项 - 光学信号检测，神经网络硬件，神经形态光子学，突触受体
大气顶部地球辐射预算观察中的连续性
摘要：云与地球的辐射能量系统（CERES）能量平衡和填充（EBAF）产品 - 结合了Terra和Aqua卫星上的中等分辨率成像光谱仪（MODIS）仪器（MODIS）仪器，以创建地球辐射预算的记录（ERB）和相关的云特性。由于Terra和Aqua Orbit不再保持在固定的当地时间，EBAF最近过渡到CERES和NOAA-20上的可见红外成像辐射仪套件（VIIRS）仪器，以避免在记录中引入时间依赖性偏置。为了确保在纪录中的Terra，Terra和Aqua（Terra 1 Aqua）和NOAA-20部分之间进行平稳过渡，从任务之间的重叠期得出的区域气候调整将用于将整个记录固定在Terra 1 Aqua上。我们估计过渡后的全局月度异常中的随机误差为0.15 w m 2 2 2的大气顶（TOA）浮标为0.15 w m 2 2，云分数为0.1％，比相应异常的标准偏差小得多。由于ERB仪器的数量将从短短10年内减少到1个，因此EBAF记录中的数据差距很高，因此保持连续性的挑战。我们估计，2028年数据差距有33％的概率，2035年的概率为60％。使用一个卫星产品中计算出的TOA弹药和一项大气再分析的数据间隙桥接数据差距，导致误差比连续任务之间重叠时获得的误差大于4。
量子码的局部概率解码
flip 是一种极其简单且最大程度局部化的经典译码器，在某些类的经典代码中得到了广泛应用。当应用于量子码时，存在无法由该译码器纠正的恒重误差（如稳定器的一半），因此先前的研究考虑了 flip 的修改版本，有时还与其他译码器结合使用。我们认为这可能并非总是必要的，并提供数值证据证明当将 flip 应用于立方格子上三维环面码的环状征象时，存在一个阈值。该结果可以归因于以下事实：对于该译码器，最低权重的无法纠正误差比其他无法纠正误差更接近（就汉明距离而言）可纠正误差，因此它们很可能在未来的代码周期中经过额外噪声变换后变得可纠正。在解码器中引入随机性可以使其以有限的概率纠正这些“不可纠正”的错误，对于使用信念传播和概率翻转相结合的解码策略，我们观察到现象噪声下的阈值为 ∼ 5.5%。这与该代码的最佳已知阈值（∼ 7.1%）相当，该阈值是使用信念传播和有序统计解码 [Higgott and Breuckmann, 2022] 实现的，该策略的运行时间为 O(n3)，而我们的本地解码器的运行时间为 O(n)（并行时为 O(1)）。我们预计该策略可以推广到其他低密度奇偶校验码中，并希望这些结果能够促使人们研究其他以前被忽视的解码器。
考虑荷电状态自调节的储能系统配置随机优化方法
摘要：近年来光伏发电发展迅速，由于其波动性和间歇性，光伏发电对电力系统的电能质量和运行产生影响。为了减轻光伏发电对电网的影响，储能系统被应用于光伏电站，基于随机优化方法的容量配置与控制策略成为重要的研究课题。然而概率分布模型精度不足，随机优化方法在控制策略中应用较少。本文提出一种考虑电池荷电状态（SoC）自调节的储能系统（ESS）配置随机优化方法。首先，为减小光伏发电典型场景发电时的抽样误差，建立光伏发电超短期预测误差的分时概率分布模型。在此基础上，针对SoC频繁达到阈值的问题，建立了基于多场景的SoC自调节模型，根据滚动的光伏功率预测对SoC进行调节；构建了储能系统随机优化配置模型，可以降低光伏不确定性对配置结果的影响。最后对提出的随机优化方法进行了验证，分时概率分布模型的拟合误差比t分布的拟合误差降低了15.61%，本文最优配置的预期收益比采用固定概率分布模型的方案高8.86%，比不考虑随机优化方法的方案高16.87%。
为客观足球运动员估值开发可靠的混合机器学习模型
摘要 - Football既是流行的运动，又是一项大型业务。经理们担心团队经理在转移，球员估值问题，尤其是市场价值和转移费用时做出的重要决策。市场价值很重要，因为可以将其视为转移费用转移费用的估计值，这些费用或价格可以为转移市场上的玩家支付。足球专家历史上估计了市场。但是，专家意见是不准确的。因此，数据分析可能会为基于专家的市场价值估计提供可靠的替代品或补充。本文提出了一种定量，客观的方法来评估市场上足球运动员。该技术基于将机器学习算法应用于足球运动员性能数据。为了实现这一目标，采用了决策树回归（DTR）来预测足球运动员的市场价值。此外，还利用了两种新型的元启发式算法，蜂蜜badger算法（HBA）和水母搜索优化器（JSO）来增强DTR模型的性能。实验利用了从sofifa.com收集的FIFA 20游戏数据。此外，它旨在检查信息并查明影响市场价值评估的关键要素。试验结果表明，与其他算法相比，DTJ混合模型在预测参与者的市场定价方面的性能更好。与基线相比，R 2值为0.984，误差比最低，它获得了最高的精度得分。最后，人们认为这些发现对于足球队和球员在球员之间的讨论中可能至关重要。该策略可以用作加快谈判过程并提供对玩家市场价值的可量化，客观评估的跳板。