决定:对网络的分散合作控制,国家弹性和恢复计划的AI设计,组件C9,Investment I8,2023-2026,Pi Constantin Morarescu https://decide.utcluj.utcluj.ro/ seaClear2.0 2023-2026,pi lucian busoniu,https://www.seaclear2.eu,另请参见该项目的第一次迭代,请参见https://seaclear-project.eu/。Vineye:CartografiereacolaborativĂviilor cu Roboți自动座,Ped Grant,Ped Grant,2022-2024,Pi Levente Tamas,http://rocon.utcluj.ro/ forteral for Tames gripation gripators for Temors grialors grialors grialites griality grialors griality grialors( 2021-2022,Pi Zsofia Lendek,http://lendek.net/te185/针对的机器人上Upper-Arm Rehabilitation(true-Rehab)。年轻团队Grant,2020-2022,Pi Tassos Natsakis,http://rocon.utcluj.ro/true-hearab
常规定量MRI基于两步过程,在该过程中,第一个中间图像是重建的,然后将物理模型拟合了像素,以获取参数图。获得足够数量的高质量图像,并需要精心设计的对比度才能获得良好的拟合度。因此,对于许多临床应用而言,这些方法太慢了。相比之下,基于非线性模型的重建方法将图像重建作为单个反问题。他们利用了测量过程的物理模型,并直接从k空间估算了定量参数图。因此,它们可以最佳地使用可用数据,并启用从使用瞬态磁化动力学的序列获得的信号中启用高效的参数映射。1-5这些技术有两个问题:它们在计算上是要求的,需要专门为每个应用程序设计。另外,指纹6使用Bloch模拟获得的查找dictio-nary来映射直接从淡淡的数据中计算出的中间图像的像素来绘制定量参数图。这可以在灵活且计算上有效的框架中启用具有高加速度的多参数映射,但由于缺乏最小二乘数据固定项,因此并不是最佳的。子空间模型可以通过使用较大的线性子空间近似物理信号来利用更有效的映射。对于复杂的自旋动力学,可能需要更大的子空间系数来准确表示信号,从而使子空间方法效率较低。5它们非常有效地减少重建的计算需求,7-11,但仍然不是最佳的,因为线性子空间用于近似可能的信号的歧视。
计划委员会:Carlota Canalias,量身定制的光子(瑞典);空军研究实验室Shekhar Guha。(美国); Christelle Kieleck,Fraunhofer Optronics,系统技术和图像评估IOSB(德国); Kentaro Miyata,Riken Ctr。高级光子学(日本);丽塔·彼得森(Rita D. Peterson),大学。; Valentin Petrov,用于非线性光学和短期光谱法的最大生育式Institut(德国);肯尼思·施普勒(Kenneth L. Schepler),克里奥尔(Creol),奥光子学院,大学。; Peter G. Schunemann,Onsemi(美国); Chaitanya Kumar Suddapalli,塔塔基础研究所(印度); Nathalie Vermeulen,Vrije Univ。布鲁塞尔(比利时); Konstantin L. Vodopyanov,Creol,光子学院,大学。;德克萨斯州A&M大学的Vladislav V. Yakovlev。(美国); Haohai Yu,山东大学。(中国)
摘要 - 向量随机函数的非线性外推在许多科学和工程应用中起关键作用,例如信号处理,财务预测,机器学习和湍流建模。传统的线性外推技术,包括Wiener滤波和自回归移动平均值(ARMA)模型,通常无法说明非高斯数据中存在的复杂依赖关系和高阶相互作用。虽然规范扩展通过正交基函数分解提供了向量随机函数的最佳表示,但它们仍然不足以进行有效的非线性外推。需要一种更高级的方法来捕获复杂的现实世界数据集中固有的高阶依赖性和多尺度结构。本研究探讨了传统方法的局限性,并提出了一个可靠的非线性外推框架,以应对非高斯统计和多尺度可变性所带来的挑战。
第 2 章 线性常微分方程的高精度量子算法 21 2.1 简介. ... .................................................................................................................................................................................................................................................................................................37 2.5 条件数....................................................................................................................................................................................................................................................................................................41 2.6 成功概率....................................................................................................................................................................................................................................................................................................................................49 2.7 状态准备....................................................................................................................................................................................................................................................................................................49 2.7 状态准备.................................................................................................................................................................................................................................................................................... . ...
摘要 —非线性控制分配是基于现代非线性动态逆的飞行控制系统的重要组成部分,该系统需要高精度的飞机气动模型。通常,精确实施的机载模型决定了系统非线性的消除效果。因此,更精确的模型可以更好地消除非线性,从而提高控制器的性能。本文提出了一种新的控制系统,该系统将非线性动态逆与基于分段多线性表示的控制分配相结合。分段多线性表示是通过对块矩阵的克罗内克积的新泛化,结合非线性函数的规范分段线性表示而开发的。还给出了分段多线性模型的雅可比矩阵的解析表达式。所提出的公式给出了分段多线性气动数据的精确表示,因此能够精确地模拟飞机整个飞行包线内的非线性气动特性。所得到的非线性控制器用于控制具有十个独立操作控制面的无尾飞翼飞机。两种创新控制面配置的仿真结果表明,可以实现完美的控制分配性能,与普通的基于多项式的控制分配相比,具有更好的跟踪性能。
∗这是一篇文章的预印本,该文章将发表在《混乱》,《孤子与分形》期刊上,2025年,第1卷。191,115822; doi:10.1016/j.chaos.2024.115822。