XiaoMi-AI文件搜索系统
World File Search System过多地
通过多生产者消费者节点和经济模型预测控制对多能源系统进行建模和控制
本研究涉及多能源系统 (MES) 建模和经济模型预测控制 (EMPC) 的高级控制。由于有多种能源载体，MES 可提供能源灵活性、效率和适应性。MES 被视为整合可再生能源的杠杆。本文开发了一种称为多产消者节点 (MPN) 的 MES 新型公式技术。MPN 使 MES 建模成为可能，考虑到 MES 动态、多种能源载体、转换器、并网和离网。此外，这种 MES 建模方法与 EMPC 等预测控制策略兼容。事实上，EMPC 能够考虑负载、天气、可再生能源和能源电网成本预测，以最大限度地降低经济成本。实施了一个真实案例研究来检查 MPN 功能，它由两种能源载体的可再生发电机、负载、存储组成。为了代表冬季和夏季的实际情况，我们开发了两种真实场景。通过 MPN 和 EMPC 高级控制建模，仿真结果表明，节点得到了最佳控制，设备动态在分钟尺度上得到考虑，并且在执行经济成本最小化的同时考虑了从一个载体到另一个载体的能量转换。所得结果表明，与基于规则的控制的基准相比，提出的 MPN 建模和优化方法在冬季情况下将经济成本降低了 8.21%，在夏季情况下将经济成本降低了 84.24%。
简单促进Cas9和cas12a表达通过多合一策略改善基因靶向
基因靶向（GT）是精确操纵基因组序列的有前途的工具，但是，种子植物中的GT仍然是一项艰巨的任务。通过同源指导修复（HDR）提高GT效率的简单而直接的方法是增加植物目标部位的双链断裂（DSB）的频率。在这里，我们通过结合CAS表达的转录和翻译增强子来报告拟南芥中GT的一种多合一方法。我们发现，通过使用增强剂来促进Cas9和cas12a变体的表达可以改善拟南芥基因组中的DSB和随后的敲门效率。这些结果表明，在特定时机（卵细胞和早期胚胎）下，简单地增加CAS蛋白表达可以改善可遗传的GTS的建立。这种简单的方法允许在植物中进行常规的基因组工程。
通过多主体FMRI数据的张量分析发现隐藏的大脑网络对自然主义刺激的反应
预印本（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。该版本的版权持有人于2021年1月17日发布。 https://doi.org/10.1101/2021.01.14.426756 doi：biorxiv Preprint
使用眼镜型可穿戴设备通过多通道面部反应进行情绪识别
摘要 我们提出了一种眼镜式可穿戴设备，以不引人注目的方式从人脸检测情绪。该设备旨在用户佩戴时自然、连续地收集来自用户脸部的多通道响应。多通道面部响应包括局部面部图像和生物信号，包括皮肤电活动 (EDA) 和光电容积图 (PPG)。我们进行了实验以确定可穿戴设备上 EDA 传感器的最佳位置，因为 EDA 信号质量对感应位置非常敏感。除了生理数据外，该设备还可以通过内置摄像头捕捉代表左眼周围局部面部表情的图像区域。在本研究中，我们开发并验证了一种使用从设备获得的多通道响应来识别情绪的算法。结果表明，仅使用局部面部图像的情绪识别算法在对情绪进行分类时的准确率为 76.09%。使用包括 EDA 和 PPG 在内的多通道数据，与单独使用局部面部表情相比，准确率提高了 8.46%。这种眼镜式可穿戴系统以自然的方式测量多通道面部反应，对于监测用户日常生活中的情绪非常有用，在医疗保健行业具有巨大的应用潜力。
DNA 分子量标准简介凝胶电泳操作注意事项
A -1 DNA 降解 —— 避免核酸酶污染。 电泳缓冲液陈旧 —— 电泳缓冲液多次使用后，离子强度降低， pH 值上升，缓冲能力减弱，从而影响电泳效 果。建议经常更换电泳缓冲液。 所用电泳条件不合适 ——电泳时电压不应超过 10 V/cm ，温度小 于 30 ℃，核查所用电泳缓冲液是否有足够的 缓冲能力和凝胶浓度是否正确。 DNA 上样量过多 ——减少凝胶中 DNA 上样量，建议电泳样 品根据孔的宽度加样。 DNA 样含盐过高 ——电泳前通过乙醇沉淀去除过多的盐。 有蛋白污染 ——电泳前酚抽提去除蛋白。 琼脂糖质量 ——选用高质量的琼脂糖 (TIANGEN 公司 ) 。
通过多尺度物联网重新分配可再生能源，实现面向 6G 的绿色高速公路管理
摘要 — 虽然最近关于为高速公路供电的可再生能源的研究为可持续环境提供了有希望的解决方案，但它们往往受到整个区域能源分布不均的阻碍，这是由于太阳照射和道路强度的差异导致的，而这些因素会通过电磁和机械方式产生能量。通过利用物联网 (IoT) 收集海量可再生能源数据，本文提出了一种改进高速公路能源管理的框架，该框架基于无人机辅助的无线可再生能源能量再分配。物联网架构结合了海量低速率感知和 6G 设想的高速传输进行数据聚合，具有多尺度，包括：i) 用于能源映射、再分配规划和预测的全球数据交换和分析，以及 ii) 在单个高速公路灯柱上进行本地数据感知和处理，用于微能源管理。通过分析成本可靠性分析来分析网络化能源系统的可行性。成本分析通过最低的能源需求和能源成本来证明设置和维护的成本效益。可靠性分析揭示了系统在某些条件下的能源加成 (E+) 特性，在影响能源生产的恶劣天气下可靠性增强。通过多尺度数据连接来智能管理独立的可再生能源，这项工作提出了一个可行的 6G 用例想法，其中大规模联网的能源传感器旨在实现超级连接和智能化的高速公路。
查看，比较，决定：通过多视图的多路推理减轻大型视觉模型中的幻觉
最近，大型视觉模型（LVLM）在多模式上下文理解中表现出了令人印象深刻的能力。但是，他们仍然遭受幻觉问题，即与图像内容产生不一致的输出。为了减轻幻觉，先前的研究主要集中于使用自定义数据集对LVLM进行重新培训。al-尽管有效，但它们本质上带有额外的计算成本。在本文中，我们提出了一个无培训的框架MVP，旨在通过通过Multimi-v iew Multi-p ath的理由来减少LVLMS的天生能力来减少幻觉。具体来说，我们首先设计了一种多视图信息寻求信息的策略，以彻底了解IMEAM中的全面信息，该信息丰富了原始愿景编码器在LVLMS中捕获的一般全球信息。此外，在答案解码期间，我们为每种信息视图提出了多路推理，以量化和集结多个解码路径中每个电位的确定性得分，并效法确定输出答案。通过完全掌握图像中的信息，并在解码时仔细考虑了潜在的范围的确定性，我们的MVP可以有效地减少LVLM中的幻觉。广泛的实验证明了我们提出的MVP可以显着减轻四个众所周知的LVLM的幻觉概率。更重要的是，MVP是插件，可以与其他解码方法集成，以进行更多的增强。源代码可在以下网址提供：https：//github.com/gasolsun36/mvp。
通过多代理深钢筋学习在航空等级边缘计算系统中的计算卸载
摘要 - 物联网（IoT）设备和新兴应用程序的指数增长显着提高了对无处不在的连通性和有效计算范式的要求。传统的地面边缘计算体系结构无法在全球范围内提供庞大的物联网连接。在本文中，我们提出了一个由高空平台（HAP）和无人机（无人机）组成的航空层级移动边缘计算系统。特别是，我们考虑了不可分割的任务，并制定了流动问题的任务，以最大程度地降低任务的长期处理成本，同时满足流量的过程和任务处理过程中的排队机制。我们提出了基于多代理的深钢筋学习（DRL）的流量算法计算，其中每个设备可以根据局部观察结果做出其流量决策。由于无人机的计算资源有限，无人机的高任务负载将增加放弃流量任务的比率。为了增加完成任务的成功率，使用卷积LSTM（Convlstm）网络来估计无人机的未来任务负载。此外，提出了优先的体验重播（PER）方法以提高收敛速度并提高训练稳定性。实验结果表明，所提出的流量算法的计算优于其他基准方法。
通过多标准决策分析和利益相关者参与来确定可持续能源转变的集成能源系统建模
摘要：本文的目的是提出一个决策支持系统（DSS），以捕获在多个可持续性主题的背景下，国家能源系统向零净净的复杂性。本文提出了一个集成的评估框架，该框架结合了动态系统模型，可持续性指标和多标准决策分析（MCDA）与直接利益相关者的参与。为了说明DSS的使用，论文比较了旨在脱碳的气候变化政策，以使冰岛的公路运输部门脱碳。基于三个主要驱动力的组合，为冰岛能源系统定义了18个场景和替代发展轨迹。这些首先是经济发展（三个案例）；其次，能源效率的变化（两种情况）；最后，三个旨在增加电动汽车份额的气候政策捆绑包。根据综合评估框架的结果，在以下五个可持续性主题中比较气候政策束的性能得分：社会影响；经济发展；环境影响；能源安全；和技术方面。调查结果证实，与传统的技术经济标准相比，将多个可持续性主题应用于首选策略捆绑包中时可能会得出不同的结论。禁止对化石燃料车辆的注册，再加上经济工具，提供了同时达到气候和能源政策目标的最佳脱碳策略。
通过多模态和多中心数据融合揭开医学可解释人工智能的黑匣子：一篇小评论、两个展示及其他
可解释人工智能 (XAI) 是机器学习的一个新兴研究课题，旨在揭示 AI 系统的黑箱选择是如何做出的。该研究领域研究决策制定中涉及的措施和模型，并寻求解决方案来明确解释它们。许多机器学习算法无法说明决策的方式和原因。目前使用的最流行的深度神经网络方法尤其如此。因此，这些黑箱模型缺乏可解释性，可能会削弱我们对 AI 系统的信心。XAI 对于深度学习驱动的应用越来越重要，尤其是对于医疗和医疗保健研究，尽管一般来说，这些深度神经网络可以在性能上带来惊人的回报。大多数现有 AI 系统的可解释性和透明度不足可能是成功实施和将 AI 工具集成到常规临床实践中并不常见的主要原因之一。在本研究中，我们首先调查了 XAI 的当前进展，特别是其在医疗保健应用方面的进展。然后，我们介绍了利用多模式和多中心数据融合的 XAI 解决方案，并随后在两个真实临床场景的展示中进行了验证。全面的定量和定性分析可以证明我们提出的 XAI 解决方案的有效性，由此我们可以设想在更广泛的临床问题中成功应用。