XiaoMi-AI文件搜索系统
World File Search System输入参数
人工智能驱动的自主机器人...
精准农业，更具体地说是精准耕作，涉及使用现代信息和通信技术，旨在提高作物产量和盈利能力。同时，精准农业导致种植作物所需的投资和资源（耕地、水、肥料、除草剂、杀虫剂等）总体减少。精准农业领域使用的一些技术包括在线天气预报、传感器系统和网络、卫星系统、NDVI 和摄影系统、杂草检测系统等。这些解决方案提供的信息需要进行分析，然后才能产生农艺建议或说明，但通过这种方式，精准农业可以为农民提供有关所需资源的知识，以及应在何时和多少时间使用这些资源的信息。及时提供农艺建议是提高产量和质量的关键因素。但是，这些建议通常涉及或要求采取特定行动。当然，农民不必亲自或手动执行这些活动 - 他们可以使用机器人和移动自主系统（Krastev 和 Georgiev，2015 年）。使用机器人进行精准农业并不是一个新趋势。几十年来，精准农业机器人一直在发展和升级，其现代版本更加智能，可以使用不同的输入参数自行做出决策（Amer 等人，2015 年）。
![arxiv：2101.02464v2 [Quant-ph] 2021年4月2日](/simg/g:\will\search\icon\source\1\16c2b179c90d01fc05de2ab54d8c5412879eff90.webp)
arxiv：2101.02464v2 [Quant-ph] 2021年4月2日
我们研究了经典和量子机学习（ML）模型的性能，以预测物理实验的结果。实验取决于输入参数X，并涉及执行（可能未知）量子过程e。我们的功绩数字是实现所需预测性能所需的E运行次数。我们考虑进行测量的经典ML模型，并在每次E运行后记录经典结果，以及可以连贯访问E以获取量子数据的量子ML模型；然后，使用经典数据或量子数据来预测未来实验的结果。我们证明，对于任何输入分布d（x），经典ML模型可以通过与最佳量子ML模型相当的多次访问E来平均提供准确的预测。相反，为了实现所有输入的准确预测，我们证明了指数量子优势是可能的。例如，为了预测N- Qubit Systemρ中所有Pauli可观察到的期望，经典ML模型需要ρ的2Ω（n）副本，但是我们仅使用O（n）副本提出了一个量子ML模型。我们的结果阐明了量子优势的可能性，并突出了经典ML模型解决物理和化学中有挑战性的量子问题的潜力。
标准径向涡轮机作为适合太阳能浓缩 ORC 的涡轮膨胀机的性能评估
有机朗肯循环是将低品位热源转化为电能的可用解决方案之一。然而，由于膨胀机的特殊设计，工厂的开发往往非常昂贵。通常，设计 ORC 工厂的输入参数是热源和冷源的温度和功率。它们决定了工作流体、压力和温度的选择。然后根据所需的操作参数设计膨胀机。使用市场上容易买到且性能众所周知的标准涡轮机可以降低开发和制造成本。然而，必须对 ORC 进行调整，以使膨胀机在最佳条件下工作。对于太阳能聚光热源，可以通过调整聚光系数和集热器总面积来调整温度和功率。在本文中，考虑使用给定的燃气轮机作为 ORC 的膨胀机。了解涡轮机在空气中的性能后，基于相似规则寻找不同流体的 ORC 的最佳运行参数（压力、温度、流量和转速）。调整的目的是保持工作流体与空气相同的密度变化、相同的入口速度三角形和相同的入口马赫数。然后使用 CFD 模拟计算涡轮机的性能图，并显示最大等熵效率接近空气，约为 78%。
使用不同分辨率的数字高程模型进行洪水灾害模拟和绘图
背景与目标：精细地形信息是详细洪水模拟和制图的关键输入参数。本研究旨在比较使用光检测和测距以及干涉合成孔径雷达系统的不同分辨率数字高程数据集开发的洪水模型的精度统计数据。方法：本研究应用地理信息系统中可用的水文工程中心-水文建模系统和水文工程中心-河流分析系统模型来模拟和绘制 Maapag 流域的洪水灾害。使用混淆误差矩阵、f 测量值和均方根误差统计数据测试了模型的有效性和精度。结果：结果表明，使用光检测和测距数据集，模型的精度为 88%、0.61 和 0.41；而使用干涉合成孔径雷达数据集，模型的精度分别为 76%、f 测量值和均方根误差。结论：使用光探测和测距数据集开发的模型比使用干涉合成孔径雷达开发的模型精度更高。然而，考虑到模型实施成本和较小的精度残差，后者可以作为前者的替代方案用于洪水模拟和测绘。因此，洪水建模者，特别是来自地方当局的洪水建模者更喜欢使用较粗的数据集来优化洪水模拟和测绘工作的预算。
使用不同分辨率的数字高程模型进行洪水灾害模拟和绘图
背景与目标：精细地形信息是详细洪水模拟和制图的关键输入参数。本研究旨在比较使用光检测和测距以及干涉合成孔径雷达系统的不同分辨率数字高程数据集开发的洪水模型的精度统计数据。方法：本研究应用地理信息系统中可用的水文工程中心-水文建模系统和水文工程中心-河流分析系统模型来模拟和绘制 Maapag 流域的洪水灾害。使用混淆误差矩阵、f 测量值和均方根误差统计数据测试了模型的有效性和精度。结果：结果表明，使用光检测和测距数据集，模型的精度为 88%、0.61 和 0.41；而使用干涉合成孔径雷达数据集，模型的精度分别为 76%、f 测量值和均方根误差。结论：使用光探测和测距数据集开发的模型比使用干涉合成孔径雷达开发的模型精度更高。然而，考虑到模型实施成本和较小的精度残差，后者可以作为前者的替代方案用于洪水模拟和测绘。因此，洪水建模者，特别是来自地方当局的洪水建模者更喜欢使用较粗的数据集来优化洪水模拟和测绘工作的预算。
包装提供无假设的稳定性
用于在SGD中绘制随机批次。我们的符号还允许确定性算法，因为A可以自由忽略输入参数ξ而仅取决于数据。有很多方法可以定义学习算法的稳定性。如Shalev-Shwartz等人所述。 （2010），稳定性的每一个定义都量化了训练集D的输出对小变化的敏感性，但它们都定义了“输出的敏感性”和“训练集中的小变化”。 我们介绍了两个定义稳定性的主要结果，并将结果扩展到第5.3节中的许多相关概念。 最强的可能性之一是，对于所有数据集和所有测试点，每个预测都不对删除任何单个观察结果不敏感。 以下定义与统一的预测稳定性密切相关（例如，参见Dwork和Feldman，2018年）。如Shalev-Shwartz等人所述。（2010），稳定性的每一个定义都量化了训练集D的输出对小变化的敏感性，但它们都定义了“输出的敏感性”和“训练集中的小变化”。我们介绍了两个定义稳定性的主要结果，并将结果扩展到第5.3节中的许多相关概念。最强的可能性之一是，对于所有数据集和所有测试点，每个预测都不对删除任何单个观察结果不敏感。以下定义与统一的预测稳定性密切相关（例如，参见Dwork和Feldman，2018年）。
电池 - CERES研究存储库
摘要：将电池保持在特定温度范围内对于安全性和效率至关重要，因为极端温度会降低电池的性能和寿命。此外，电池温度是电池安全法规的关键参数。电池热管理系统（BTMS）在调节电池温度方面是关键的。虽然当前的BTMS提供实时温度监测，但缺乏预测能力却构成了限制。本研究介绍了一种新型混合系统，该系统将基于机器学习的电池温度预测模型与在线电池参数识别单元相结合。标识单元不断实时更新电池的电气参数，从而提高了预测模型的准确性。预测模型采用自适应神经模糊推理系统（ANFIS），并考虑了各种输入参数，例如环境温度，电池电流温度，内部电阻和开路电压。该模型通过基于实时数据动态调整热参数来准确地在有限时间范围内准确预测电池的未来温度。实验测试是在一系列AMB温度范围内对锂离子（NCA和LFP）圆柱细胞进行的，以在不同条件下验证系统的准确性，包括电荷状态和动态载荷电流。提议的模型优先考虑简单，以确保实时的工业适用性。
全文（PDF）
摘要。串联结构已引入光伏（PV）市场，以提高功率转换效率（PCE）。以同义或异缝格式的单连接细胞的PCE被剪辑至与吸收材料带隙相关的理论极限。将单连接细胞扩展到多结构结构可穿透这些限制。有希望的串联结构之一是硅拓扑上的钙钛矿。si连接在应用带隙工程方面的情况下用作上面的钙棍夹层的反裸单元。在此，我们采用BATIO 3 /CSPBCL 3 /MAPBBR 3 /CH 3 NH 3 PBI 3 /C-SI串联结构进行研究。在串联PV中，可以调整各种输入参数以最大化PCE，从而大大增加输入组合。如此庞大的数据集直接反映了模拟广泛组合和计算时间所需的计算要求。在这项研究中，我们使用3×10 6分的数据集播种了我们的随机机器学习模型，并在SCAP中使用光电子数值模型播种。机器学习可以估计所提出的串联结构的最大PCE极限约为37.8％，这是裸露的SI细胞报告的两倍以上。
不同能源情景下现有与未来乘用车生命周期环境与成本比较
在本分析中，我们比较了目前（2017 年）和未来（2040 年）具有不同动力系统配置的乘用车的生命周期环境负担和总拥有成本 (TCO)。对于所有车辆配置，我们为所有性能参数定义了概率分布。利用这些概率分布，我们执行基于蒙特卡罗的全局敏感性分析，以确定对结果整体变异性贡献最大的输入参数。为了捕捉能源转型的系统性影响，未来电力情景被深度整合到 ecoinvent 生命周期评估背景数据库中。通过这种整合，我们不仅可以捕捉到未来电动汽车的充电方式，还可以捕捉到未来汽车和电池的生产方式。如果电力的生命周期碳含量与现代天然气联合循环发电厂相似或更好，那么从气候角度来看，全动力系统电气化是有意义的，并且在许多情况下还可以降低 TCO。一般来说，电池较小、使用寿命较长的车辆具有最佳的成本和气候性能。如果需要非常大的行驶里程或没有清洁电力，混合动力汽车和压缩天然气汽车在成本和气候变化影响方面都是不错的选择。含有大电池或燃料电池的替代动力系统对未来电力系统的变化最为敏感，因为它们的生命周期更耗电。这些替代能源的好处
使用不同分辨率的数字高程模型进行洪水灾害模拟和绘图
背景与目标：精细地形信息是详细洪水模拟和制图的关键输入参数。本研究旨在比较使用光检测和测距以及干涉合成孔径雷达系统的不同分辨率数字高程数据集开发的洪水模型的精度统计数据。方法：本研究应用地理信息系统中可用的水文工程中心-水文建模系统和水文工程中心-河流分析系统模型来模拟和绘制 Maapag 流域的洪水灾害。使用混淆误差矩阵、f 测量值和均方根误差统计数据测试了模型的有效性和精度。结果：结果表明，使用光检测和测距数据集，模型的精度为 88%、0.61 和 0.41；而使用干涉合成孔径雷达数据集，模型的精度分别为 76%、f 测量值和均方根误差。结论：使用光探测和测距数据集开发的模型比使用干涉合成孔径雷达开发的模型精度更高。然而，考虑到模型实施成本和较小的精度残差，后者可以作为前者的替代方案用于洪水模拟和测绘。因此，洪水建模者，特别是来自地方当局的洪水建模者更喜欢使用较粗的数据集来优化洪水模拟和测绘工作的预算。