XiaoMi-AI文件搜索系统
World File Search System钢筋
基于数字孪生的预应力钢筋安全性评估...
在役预应力钢结构的安全性已得到广泛研究，但传统的预应力钢结构安全评估方法涉及的样本点少、预测不准确，且耗费大量的人力和物力。利用数字孪生技术可以对钢结构全寿命周期内的结构行为、状态和活动进行监测，相当于对结构进行了一次安全评估。本研究旨在建立预应力钢结构的数字孪生多维模型，在此模型的基础上利用相关结构历史数据对支持向量机和预测模型进行训练，并根据实测数据对结构的安全风险等级进行预测。最后，利用轮辐索桁架结构的比例折减模型验证了所提方法的可行性。结果表明，数字孪生技术可以实现在役预应力钢结构的实时监测，并能及时预测其安全水平，为预应力钢结构的安全风险评估提供了一种新方法。
cmput 628：深钢筋学习
重新评估期中考试：学生将在考试期间访问他们的期中考试。担心如何在中期考试中有特定问题的学生可以在接受标记考试之日的两个星期内通过电子邮件向教练提交请求。请求应指定要重新评估哪个问题，（2）该请求的基本原理，以及（3）提出的标记。重要的是，一旦提交了重新评估请求，就可以根据教师的酌处权来调整标记。不允许学生与他们一起参加期中考试，也不可以为他们拍照，因此，如果令人担忧，建议学生在考试期间做笔记。TA无权在中期考试中进行权衡，这是教练只能做的事情。一旦重新评估问题，也可以注意标记。
基于多代理的深钢筋学习... -Dr -ntu
图1-1。 新加坡太阳能安装的分布。 ....................................................................................................................................................................................................................................................................................................................................................................................... 1-2。 Installed capacity of PV systems ..................................................................... 15 Fig. 1-3。 用户类型的PV系统数.. ............................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................. 1-4欧洲年度太阳能PV安装容量2000-2021。 ................................................................................................................................................................................................................................................................................................................................................................................................................................. 1-5 European Top 10 Solar PV Markets 2000-2021............................................... 16 Fig. 1-6 Forecast of PV installations in European countries in 2025 ............................ 17 Fig. 1-7太阳能逆变器系统......................................................................................................................................................................................................................................................................................................................................................... 17 2-1。 提出的两个时间计电压/var控制框架。 ........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... 2-2。 beta分布。 ............................................................................................. 30 Fig. 3-1。 RL的一般结构。 34 3-2。 DQN的一般框架。 .......................................................................... 35 Fig. 3-3。 DNN的结构。 ........................................................................................... 38 Fig. 3-4。 DDPG的框架。 4-1。 4-2。 4-3。1-1。新加坡太阳能安装的分布。.......................................................................................................................................................................................................................................................................................................................................................................................1-2。Installed capacity of PV systems ..................................................................... 15 Fig.1-3。用户类型的PV系统数.. .............................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................1-4欧洲年度太阳能PV安装容量2000-2021。.................................................................................................................................................................................................................................................................................................................................................................................................................................1-5 European Top 10 Solar PV Markets 2000-2021............................................... 16 Fig.1-6 Forecast of PV installations in European countries in 2025 ............................ 17 Fig.1-7太阳能逆变器系统......................................................................................................................................................................................................................................................................................................................................................... 172-1。 提出的两个时间计电压/var控制框架。 ........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... 2-2。 beta分布。 ............................................................................................. 30 Fig. 3-1。 RL的一般结构。 34 3-2。 DQN的一般框架。 .......................................................................... 35 Fig. 3-3。 DNN的结构。 ........................................................................................... 38 Fig. 3-4。 DDPG的框架。 4-1。 4-2。 4-3。2-1。提出的两个时间计电压/var控制框架。...........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................2-2。beta分布。............................................................................................. 30 Fig.3-1。RL的一般结构。 34 3-2。 DQN的一般框架。 .......................................................................... 35 Fig. 3-3。 DNN的结构。 ........................................................................................... 38 Fig. 3-4。 DDPG的框架。 4-1。 4-2。 4-3。RL的一般结构。343-2。DQN的一般框架。.......................................................................... 35 Fig.3-3。DNN的结构。........................................................................................... 38 Fig.3-4。DDPG的框架。4-1。4-2。4-3。4-3。..................................................................................... 38 Fig.多时间计量控制的框架。............................................ 42 Fig.MA-DDPG的框架。............................................................................ 45 Fig.提议的MA-DDPG多时间尺度电压控制的框架.......... 46图5-1 IEEE 33-BUS分配系统框架。............................................................................................................................................................................................................................................................................................................................................5-2。Original voltage magnitude ............................................................................. 51 Fig.5-3。 奖励300集以下的奖励表现。 ............................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................. 5-4。 450集以下奖励表现。 ....................................................... 55 Fig. 5-5。 Reward performance under 500 episode ......................................................... 56 Fig. 5-6。 带有不同发作的电压幅度轮廓。 .................................... 56 Fig. 5-7。 总线的电压更改曲线14。 .................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... 5-8。 Reward distribution profile ............................................................................. 58 Fig. 5-9。 在少量罚款和小奖励下奖励表现。 ......................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... 5-10。 .........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................5-3。奖励300集以下的奖励表现。.............................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................5-4。 450集以下奖励表现。 ....................................................... 55 Fig. 5-5。 Reward performance under 500 episode ......................................................... 56 Fig. 5-6。 带有不同发作的电压幅度轮廓。 .................................... 56 Fig. 5-7。 总线的电压更改曲线14。 .................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... 5-8。 Reward distribution profile ............................................................................. 58 Fig. 5-9。 在少量罚款和小奖励下奖励表现。 ......................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... 5-10。 .........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................5-4。450集以下奖励表现。....................................................... 55 Fig.5-5。 Reward performance under 500 episode ......................................................... 56 Fig. 5-6。 带有不同发作的电压幅度轮廓。 .................................... 56 Fig. 5-7。 总线的电压更改曲线14。 .................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... 5-8。 Reward distribution profile ............................................................................. 58 Fig. 5-9。 在少量罚款和小奖励下奖励表现。 ......................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... 5-10。 .........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................5-5。Reward performance under 500 episode ......................................................... 56 Fig.5-6。带有不同发作的电压幅度轮廓。.................................... 56 Fig.5-7。总线的电压更改曲线14。....................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................5-8。Reward distribution profile ............................................................................. 58 Fig.5-9。 在少量罚款和小奖励下奖励表现。 ......................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... 5-10。 .........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................5-9。在少量罚款和小奖励下奖励表现。.........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................5-10。 .........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................5-10。.........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................在巨大的罚款和巨额奖励下奖励表现。5-11。 在巨大的罚款和小奖励下奖励表现。 .............................................................................................................................................................................................. 5-12。 Voltage magnitude profile ............................................................................. 60 Fig. 5-13。 逆变器控制代理，OLTC代理和CBS 的全局奖励曲线5-11。在巨大的罚款和小奖励下奖励表现。..............................................................................................................................................................................................5-12。 Voltage magnitude profile ............................................................................. 60 Fig. 5-13。 逆变器控制代理，OLTC代理和CBS 的全局奖励曲线5-12。Voltage magnitude profile ............................................................................. 60 Fig.5-13。 逆变器控制代理，OLTC代理和CBS 的全局奖励曲线5-13。逆变器控制代理，OLTC代理和CBS
自适应和安全认证的深钢筋学习...
随着基于逆变器的可再生能源的渗透，深厚的增强学习（DRL）被认为是实现实时和自主控制的最有前途的解决方案之一，以实现未来的碳中性动力系统。尤其是对基于DRL的频率控制方法进行了广泛的研究，以克服基于模型的方法的局限性，例如大型系统的计算成本和可扩展性。尽管如此，基于DRL的频率控制方法的现实实施面临以下乐趣的挑战：1）在学习和决策过程中的安全保证； 2）针对动态系统操作条件的适应性。到此为止，这是提出适应性和安全认证的DRL（ADAPSAFE）算法的第一份用于频率控制的算法，以模拟上述挑战。在特殊的情况下，一种新型的自我调整控制屏障功能旨在积极补偿各种安全性限制下不安全的频率控制策略，从而实现了瓜兰安全性。此外，元提高学习的概念旨在显着增强其在非平稳电源系统环境中的适应性，而无需牺牲安全成本。实验是根据GB 2030功率系统进行的，结果表明，所提出的Adapsafe在训练和测试阶段的保证安全性方面表现出卓越的性能，以及其对系统参数动力学变化的相当适应性。
抽象简介深钢筋学习（DRL ...
抽象的深钢筋学习（DRL）已成为人工智能领域（AI）领域的变革范式，在跨不同领域的决策中提供了前所未有的能力。本文探讨了DRL对增强AI系统的决策能力的深远影响，阐明其潜在的原则，应用和含义。DRL代表了深度学习和强化学习的融合，使机器能够学习复杂的行为并通过与环境互动来学习复杂的行为并做出决策。神经网络的利用允许DRL算法处理高维输入空间，这使其非常适合涉及复杂决策过程的任务。DRL的关键优势之一在于它可以解决稀疏和延迟延迟的问题的问题，在传统的增强学习中的共同挑战。通过反复试验的过程，DRL算法可以通过在庞大的决策空间中导航，适应动态环境，并随着时间的推移最大化累积奖励，从而学习最佳决策策略。DRL的应用跨越了各个领域，包括机器人技术，财务，融资，医疗保健，游戏和自动系统。在机器人技术中，DRL促进了能够自主浏览复杂环境，执行复杂任务并适应不可预见情况的智能代理的发展。在金融中，DRL被利用用于投资组合优化，算法交易和风险管理，这表明了其彻底改变传统财务战略的潜力。
锈蚀剂对钢筋无源膜的影响
近年来，据报道，在国内外，有关将生锈抑制剂添加到混凝土中以保护钢筋的研究。其功能是改善钢筋表面上的钝化环境并保护被动膜的形态，从而抑制钢筋腐蚀[10,11]。许多因素会影响被动膜的损害，包括混凝土，合金组成，铁相组成和环境因子的钢筋表面状态，以及诸如混凝土，氯化物，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph，ph phs的含量，ph，ph phs，ph的，辣妹浓度为12-11212-12-12-12。被动膜的厚度，成分和稳定性受培养基中极化电位，极化时间和离子浓度的影响。被动膜的微观结构特征与钝化的电位和时间有关。钢筋的腐蚀归因于供电膜的组成和结构的变化[15,16]。因此，在生锈抑制剂的作用下，了解钢筋被动膜进化的机制至关重要，以改善混凝土中钢筋表面的钝化环境。
基于深钢筋学习的细分驱动图像增强
摘要。大型模型的兴起，通常称为基础模型，导致了人工智能研究领域的巨大进步。我们的经验发现表明，在特定表面分割挑战方面，大型模型可能会挣扎或表现不佳，包括识别和在条形钢表面上的缺陷（s 3 d）以及磁性瓷砖表面上不完美的情况检测。将大型模型应用于缺陷分割，而不是对大型模型进行填充，我们建议使用几种经典滤器来增强输入图像，提出了segrive demage d riven d riven d riven-d riven d riven-d riven。在这种情况下，多层中的过滤器的权重通过增强学习控制。然后，我们在具有不同少量设置的两个S 3 D数据集上测试我们的方法。我们的方法与S 3 D（例如CPANET）的其他方法相比，完成了任务。我们认为，我们的工作不仅为下游任务打开了机会，例如分割大型模型的工业缺陷，而且可能在将来在各种领域中都有潜在的应用，包括医疗图像处理，远程感应图像分析，农业等。
基于梯度的深钢筋学习解释方法
摘要摘要摘要：摘要：DQN之类的深强化学习方法的学习过程和工作机制不透明，并且无法感知其决策基础和可靠性，这使该模型的决策高度可疑，并且极大地限制了深入强化学习的应用程序场景。要解释智能代理的决策机制，本文提出了基于梯度的显着性图生成算法SMGG。它使用高级卷积层生成的特征图的梯度信息来计算不同特征地图的重要性。使用模型的已知结构和内部参数，从模型的最后一层开始，通过计算特征映射的梯度来生成不同特征地图相对于显着性图的重量。它列出了在正方向和负面方向上特征的重要性，并使用具有积极影响的权重来加重功能图中捕获的特征，从而形成了当前决策的积极解释；它使用对其他类别产生负面影响的权重来对特征映射中捕获的特征进行加权，从而形成了当前决策的反向解释。决策的显着性图是由两者共同生成的，并且获得了智能代理的决策行为的基础。通过实验证明了该方法的有效性。
使用深钢筋的客户流失分析...
4孟买大学摘要客户流失分析计算机科学系副教授是业务战略的关键组成部分，在该行业中，保留客户对于盈利能力和增长至关重要。本研究旨在调查影响电信领域客户流失的因素，利用客户互动和人口统计数据的全面数据集。使用高级数据分析技术，包括机器学习算法和统计建模，我们确定了搅拌的重要预测因子。诸如合同长度，客户任期，服务使用模式和客户服务互动等因素与流失率高度相关。我们的发现表明，合同长度较短且任期较短的客户更有可能流失，而与客户服务进行定期互动的客户不太可能这样做。此外，该研究强调了有针对性的保留策略的重要性，例如个性化优惠和积极的客户服务干预措施，以减少流失。该分析的含义超出了电信行业，为寻求减少客户流失并增强客户寿命价值的各个部门的企业提供了宝贵的见解。通过了解流失的驱动因素并实施数据驱动策略，公司可以更好地分配资源并提高客户保留率。此摘要总结了客户流失分析的关键方面，包括其目标，方法，发现以及对企业的更广泛影响。1。这项研究强调了数据驱动决策在减轻客户流失方面的重要性，并强调需要在当今竞争激烈的市场中持续监测和适应保留策略。关键字：机器学习，流失率，客户保留率，探索性数据分析，客户反馈和调查，流失预测模型。引言客户流失分析是当今竞争格局中企业的关键过程，尤其是那些在基于订阅的模型，电信，电子商务和其他各种行业中运作的过程。是指对客户流失的检查或客户停止与公司产品或服务的关系的费率。
使用深钢筋的四倍的机器人模拟...
摘要 - 我提出了一种新颖的增强学习方法，用于在模拟环境中训练四足机器人。在动态环境中控制四足机器人的想法非常具有挑战性，我的方法提出了最佳的政策和培训方案，资源有限，并且表现出色。该报告使用RaisimgyMtorch开源库和专有软件Raisim进行模拟Anymal机器人。我的方法以训练时的机器人步行方案的评估为中心，以制定马尔可夫决策过程。使用在Actor-Critic模式下使用的近端策略优化算法来解决结果的MDP，并使用一台台式机收集了数千个状态转换。这项工作还提出了一个控制器方案，该计划在模拟环境中显示了数千个时间步骤。这项工作还为早期研究人员提供了他们喜欢的算法和配置的基础。