XiaoMi-AI文件搜索系统
World File Search System逼近
出版版本引文 (APA)：Dong, Y., Dong, Z., Zhao, T., & Ding, Z. (2021). 电池日前竞价策略及运作
电池储能系统 (BESS) 在智能电网中起着至关重要的作用，辅助市场提供了高额收益。对于 BESS 所有者来说，决定如何在不同的报价之间取得平衡并与竞争对手竞价，以实现利润最大化非常重要。因此，本文将 BESS 竞价问题表述为马尔可夫决策过程 (MDP)，以最大化自动发电控制 (AGC) 市场和能源市场的总利润，同时考虑充电/放电损耗和 BESS 的寿命等因素。在所提出的算法中，引入了函数逼近技术来处理连续的大规模竞价规模并避免维数灾难。作为一种无模型方法，所提出的算法可以从电力市场的随机和动态环境中学习，从而帮助 BESS 所有者有利可图地决定他们的竞价和运营计划。几个案例研究说明了所提算法的有效性和有效性。
通用视频游戏 AI：竞争、挑战和机遇
简介 游戏长期以来一直是人工智能的流行基准。许多研究人员研究了各种算法和技术，试图在国际象棋、围棋、赛车游戏、吃豆人小姐、实时战略 (RTS) 游戏和超级马里奥兄弟等不同的计算机游戏中逼近最佳玩法。有时，这些研究主题伴随着某种竞赛，在统一的基准中测试不同的方法。游戏研究使算法 AI 取得了一些有趣的进展，例如使用并行 Alpha-Beta 剪枝（在国际象棋中），或在围棋游戏中看到的游戏 AI 中最流行的算法之一蒙特卡洛树搜索 (MCTS) 的进展。虽然特定游戏研究的贡献确实很重要，但特定游戏竞赛由于其固有结构而存在一个问题：提出的大多数解决方案往往过于专注于它们所应用的领域。换句话说，挑战的性质，甚至是赢得比赛的斗争，都鼓励参与者为算法提供高度定制的启发式方法，这些启发式方法仅适用于用于挑战的游戏。例如，世界冠军星际争霸代理
动态系统的在线多目标模型独立自适应跟踪机制
摘要：在机器人文献中，最佳跟踪问题通过使用各种鲁棒和自适应控制方法来解决。然而，这些方案与实施限制有关，例如在具有完整或部分基于模型的控制结构的不确定动态环境中的适用性、离散时间环境中的复杂性和完整性以及复杂耦合动态系统中的可扩展性。开发了一种在线自适应学习机制来解决上述限制，并为跟踪控制类问题提供通用的解决方案平台。该方案使用同时线性反馈控制策略最小化跟踪误差并优化整体动态行为。采用基于值迭代过程的强化学习方法来求解底层贝尔曼最优方程。生成的控制策略以交互方式实时更新，而无需任何有关底层系统动态的信息。采用自适应评论家的方法实时逼近最优解值函数和相关控制策略。在仿真中说明了所提出的自适应跟踪机制，以在不确定的气动学习环境下控制柔性翼飞机。
通过解决联合问题实现超越
国防领域的加速创新正在“侵蚀美国的军事优势”。1俄罗斯和中国正在迅速逼近美国的军事优势。美国国防部 2020 年向国会提交的一份报告描述了中国“到 2049 年底成为‘世界一流’军队”的目标，并概述了中国人民解放军为实现该目标所采取的步骤，包括对新兴人工智能和云计算技术的投资。2对新兴技术的投资可能会带来不对称优势——仅凭数据处理速度就能在某一领域取得优势。《国家国防战略》（NDS）和《国家军事战略》（NMS）都提到了 GPC 的复苏。NDS 指出，中国将进行“军事现代化”，而俄罗斯将“利用新兴技术”实现各自的地区目标。3《国家军事战略》的摘要指出，“与中国和俄罗斯之间大国竞争的复苏是联合部队面临的最艰巨的挑战。” 4 国防战略和国家军事战略承认并回应了政策专家们的言论：美国与近邻国家之间的军事差距正在缩小。结果就是，美国面临着复杂而动态的环境。
Virginie Ehrlacher（加兰德）
· Athmane Bakhta、Virginie Ehrlacher，《具有非零通量和移动边界条件的交叉扩散系统》，已接受在 ESAIM：M2AN 上发表。 · Virginie Ehrlacher 和 Damiano Lombardi，《用于解决 Vlasov-Poisson 系统的动态自适应张量方法》，《计算物理杂志》，339，2017 年，第 285-306 页。 · Virginie Ehrlacher、Christoph Ortner 和 Alexander V. Shapeev，《晶体缺陷原子模拟的边界条件分析》，ARMA，222(3)，2016 年，第 1217-1268 页。 · Eric Cancès、Virginie Ehrlacher、Frédéric Legoll 和 Benjamin Stamm，近似椭圆方程均匀系数的嵌入式校正器问题，Comptes-Rendus Mathématiques，353(9)，2015，第 801-806 页。 · Eric Cancès、Virginie Ehrlacher 和 Tony Lelièvre，高维特征值问题的贪心算法，构造逼近，40，2014 年，第 387-423 页。 · Eric Cancès、Virginie Ehrlacher 和 Yvon Maday，《自伴特征值问题的非一致近似：应用于超胞方法》，《Numerische Mathematik》，128，2014 年，第 663-706 页。
PTPT：通过多目标贝叶斯优化进行物理设计工具参数调整
摘要 — 在先进的集成电路设计中，与电子设计自动化 (EDA) 工具相关的物理设计流程起着至关重要的作用。大多数情况下，输入物理设计工具的参数主要是基于专家的领域知识手动挑选的。然而，由于技术节点的不断缩小以及参数组合所跨越的设计空间的复杂性，甚至再加上耗时的仿真过程，这种对物理设计工具参数配置的手动探索变得极其费力。在设计流程参数调整领域存在一些工作。然而，非常有限的现有技术探索了多个感兴趣的结果质量 (QoR) 指标（例如延迟、功率和面积）之间的复杂相关性并同时明确优化这些目标。为了克服这些弱点并寻求物理设计工具的有效参数设置，在本文中，我们提出了一个多目标贝叶斯优化 (BO) 框架，以多任务高斯模型作为替代模型。采用基于信息增益的获取函数依次选择工具模拟候选对象，以有效逼近帕累托最优参数配置。在 7 纳米技术节点下的三个工业基准上的实验结果证明了所提出的框架相对于前沿作品的优越性。
使用权重重映射提高量子变分分类器的收敛性
摘要：近年来，变分量子电路 (VQC) 在量子机器学习中的应用大幅增加。VQC 的灵感来自人工神经网络，它作为大规模参数化函数逼近器，在广泛的 AI 任务中实现了非凡的性能。VQC 已经通过利用量子计算中更强大的算法工具箱，在泛化和训练参数要求更少等方面取得了令人鼓舞的成果。VQC 的可训练参数或权重通常用作旋转门中的角度，而当前基于梯度的训练方法并未考虑到这一点。我们引入了 VQC 的权重重新映射，以将权重明确地映射到长度为 2 π 的区间，这从传统 ML 中汲取了灵感，其中数据重新缩放或规范化技术在许多情况下都表现出巨大的好处。我们使用一组五个函数，并以变分分类器为例，在 Iris 和 Wine 数据集上对它们进行评估。我们的实验表明，权重重新映射可以提高所有测试设置中的收敛性。此外，我们能够证明，与使用未修改的权重相比，权重重新映射可将 Wine 数据集的测试准确率提高 10%。
竞争均衡中的福利最大化
我们从多智能体强化学习 (MARL) 的角度研究了一个双层经济系统，我们称之为马尔可夫交换经济 (MEE)。MEE 涉及一个中央计划者和一组自利的智能体。智能体的目标是形成竞争均衡 (CE)，其中每个智能体在每一步都短视地最大化自己的效用。中央计划者的目标是操纵系统以最大化社会福利，社会福利被定义为所有智能体效用的总和。在效用函数和系统动态都未知的环境中，我们建议通过 MARL 的在线和离线变体从数据中找到社会最优策略和 CE。具体而言，我们首先设计一个专门针对 MEE 的新型次优度量，这样最小化这样的度量就可以为计划者和智能体证明全局最优策略。其次，在线设置中，我们提出了一种称为 MOLM 的算法，该算法将探索的乐观原则与子博弈 CE 寻求相结合。我们的算法可以轻松结合用于处理大状态空间的一般函数逼近工具，并实现次线性遗憾。最后，我们根据悲观原则将算法调整为离线设置，并建立次优性的上限。
PTPT：通过多物理设计工具参数调整...
摘要 — 在先进的集成电路设计中，与电子设计自动化 (EDA) 工具相关的物理设计流程起着至关重要的作用。大多数情况下，输入物理设计工具的参数主要是基于专家的领域知识手动挑选的。然而，由于技术节点的不断缩小以及参数组合所跨越的设计空间的复杂性，甚至再加上耗时的仿真过程，这种对物理设计工具参数配置的手动探索变得极其费力。在设计流程参数调整领域存在一些工作。然而，非常有限的现有技术探索了多个感兴趣的结果质量 (QoR) 指标（例如延迟、功率和面积）之间的复杂相关性并同时明确优化这些目标。为了克服这些弱点并寻求物理设计工具的有效参数设置，在本文中，我们提出了一个多目标贝叶斯优化 (BO) 框架，以多任务高斯模型作为替代模型。采用基于信息增益的获取函数依次选择工具模拟候选对象，以有效逼近帕累托最优参数配置。在 7 纳米技术节点下的三个工业基准上的实验结果证明了所提出的框架相对于前沿作品的优越性。
第 17 号 陆军总部第 ...
越共许多掩体的火力十分猛烈。该排多次试图对敌人进行机动，取得火力优势，但叛乱分子人数众多，友军被困在阵地上，伤亡惨重。尽管越共进攻十分猛烈，但领头部队两次反击敌人，挽回战场上的伤亡，然后撤退形成防御圈。随着倾盆大雨的到来，人数占优势的越共部队从四面八方逼近。友军排挖掘防御阵地，将伤员聚集到阵地中心。尽管伤亡人数不断增加，B 连、第 2 营、第 8 骑兵团、第 1 骑兵师（空中机动）的士兵们坚决抵挡叛乱分子的人海攻击，并给敌人造成了重大伤亡，直到 22:00 时另一个步枪连接替了他们的进攻。营级越共部队从未放松对该部队周边的攻击压力。由于弹药极少，士兵们已经在近距离战斗中上膛刺刀保卫自己的阵地，这时叛乱分子终于在另一个友军到来时脱离了接触。单位。B 连、第 2 营、第 8 骑兵团、第 1 骑兵师（空中机动）的士兵们表现出非凡的英雄主义和对职责的忠诚，这符合军队的最高传统，并为他们自己和美国陆军赢得了巨大的荣誉。