XiaoMi-AI文件搜索系统
World File Search System预测方法
eelisa AI伦理与法律讲习班2024
3月18日至19日，一群专家在Eelisa AI伦理和法律讲习班举行的布达佩斯。在四个小组讨论中，他们将研究该主题中可能的研究方向，以及监管的含义，尤其是对版权事项和欧盟AI法案的含义。该事件还将采用未来的预测方法和纪录片筛选。
推荐引用 推荐引用 Kenney, William A.. “利用弹丸跟踪数据改进弹道风预测”（2017 年）。理学硕士 (MS)，论文，计算建模与仿真工程，Old Dominion University，DOI：10.25777/h8yz-9d19 https://digitalcommons.odu.edu/msve_etds/7
6. 多点风预测 ................................................................................................................................ 67 6.1 多点数据生成 ................................................................................................................ 68 6.2 确定风预测参数 ................................................................................................................ 68 6.3 多点风预测方法 ................................................................................................................ 70 6.4 模拟描述 ............................................................................................................................. 74 6.5 结果 ................................................................................................................................ 76 6.6 结果分析 ............................................................................................................................. 76 6.7 改变状态 ............................................................................................................................. 81 6.8 结论 ................................................................................................................................ 88
推荐引用 推荐引用 Kenney, William A.. “使用弹丸跟踪数据改进弹道风预测”(2017)。理学硕士 (MS)，论文，计算建模与仿真工程，Old Dominion 大学，DOI：10.25777/h8yz-9d19 https://digitalcommons.odu.edu/msve_etds/7
6.多点风预测 ................................................................................................................67 6.1 多点数据生成 ................................................................................................................ 68 6.2 确定风预测参数 ................................................................................................................ 68 6.3 多点风预测方法 ................................................................................................................ 70 6.4 模拟描述 ............................................................................................................................. 74 6.5 结果 ................................................................................................................................ 76 6.6 结果分析 ............................................................................................................................. 76 6.7 改变状态 ............................................................................................................................. 81 6.8 结论 ................................................................................................................................ 88
MAINFLUX 实验室
Reincarnate 旨在通过提供循环潜力评估信息模型平台 (CP-IM) 和一系列利用 CP-IM 的创新，使欧洲建筑业能够大幅减少建筑和拆除废物 (CDW)。CP-IM 将提供建筑材料和产品的数字表示，并提供生命周期信息和预测方法，用于追踪和预测产品/材料的使用寿命。
迈向泰国数字土壤测绘
6.1.2 研究利用航空伽马射线数据推断土壤特性 ...................................................................................................... 147 6.1.3 研究一种结合土壤形成因素参数的模糊逻辑预测方法，并评估其在绘制土壤系列和特性方面的成功率。...................................................................................... 148 6.1.4 土壤调查现状、当前需求和应用前景，以及建立环境数字土壤调查框架 ................................................................................................................ 149
使用基于自动强化学习的多周期预测实现孤立微电网的优化调度
摘要 —为降低负荷与可再生能源出力的不确定性对微电网运行的负面影响，提出一种基于自动强化学习的可再生能源发电与负荷多周期预测的孤立微电网优化调度模型。首先，设计一种优先经验重放自动强化学习（PER-AutoRL）来简化基于深度强化学习（DRL）预测模型的定制化部署，首次提出基于PER-AutoRL的单步多周期预测方法来解决现有多步预测方法存在的误差积累问题，然后通过误差分布对所提预测方法得到的预测值进行修正以提高预测精度；其次，以最小化微电网总运行成本为目标，构建考虑需求响应的调度模型，以修正后的预测值作为调度依据，根据误差分布设置旋转备用机会约束；最后，利用序列运算理论（SOT）将原调度模型转化为易解的混合整数线性规划问题，并利用CPLEX求解器对转化后的模型进行求解。仿真结果表明，与传统的不带预测的调度模型相比，该方法通过提高预测精度，可以显著降低系统运行成本。
功率控制器的可靠性预测 - DTIC
[ 直流控制器是一种微电子混合设备。采用了 MIL-HDBK-217B 通知 2《电子设备可靠性预测》第 2.1.7 节中的混合故障率预测模型和程序。这种预测方法需要识别单个电子零件和基板，以及每个零件的单独电应力数据。热应力是由混合封装温度和零件功率耗散引起的。
技术重要：针对个性化儿童和青少年心理保健的机器学习方法
使用预测方法增强儿童和青少年心理健康服务（CAMH）的可能性特别有吸引力。资助和劳动力短缺意味着许多受发展或心理健康问题影响的儿童和年轻人无法及时获得所需的护理。，例如，在英国，CAMHS一直在努力满足服务的需求一段时间，这种情况因Covid-19-19的大流行的影响而进一步加剧了这种情况（Care Quality Commisissions，2021）。在低收入和中等收入国家（世界卫生组织，2021年）中，劳动力短缺甚至更加明显。至少在韦斯特恩国家，千年以后出生的一代有时被称为“数字本地人”，因为技术一直是他们生活中不可或缺的一部分。因此，他们对数字和移动技术的使用涉及年轻人现在期望获得和使用医疗保健的方式。它还创造了使用它们生成的数据来创建交互式评估和干预措施的机会。这将其自动化为可以自动化或半自动的护理方面的预测方法，例如诊断，治疗推荐或社会心理疗法。这可以用来扩展而不是替代人类临床医生，并且可以帮助解决一些急性劳动力
安全独轮控制的总转弯和运动范围预测
摘要 - 在障碍物周围执行各种自动化任务时，对移动机器人的安全和平滑的运动控制至关重要，尤其是在人和其他移动机器人的情况下。移动机器人在朝着指定的目标位置迈进时使用的总转弯和空间在确定所需的控制工作和复杂性方面起着至关重要的作用。在本文中，我们考虑了基于角度反馈线性化的标准独轮车控制方法，并提供了一种明确的分析措施，以根据独轮车状态和控制收益来确定在独轮车控制过程中的总转盘。我们表明，与线性控制增益相比，可以选择更高的角度控制增益来避免围绕目标位置的不希望的螺旋振荡运动。相应地，我们使用总的转弯努力建立了在闭环独轮车轨迹上结合的准确，明确的三角运动范围。运动范围预测的提高精度是由于对独轮车状态和控制参数的更强依赖性而产生的。要比较替代循环，圆锥和三角运动范围预测方法，我们介绍了提议的独轮车运动控制和运动预测方法的应用，用于在数值模拟中围绕障碍物围绕障碍物进行安全的独轮车路径。
使用 Prony 方法在高频波段对军用飞机模型进行 RCS 预测
摘要：获取雷达截面（RCS）数据是飞行器设计的重要参数之一，通常需要花费大量的时间和成本。测量时间和测量结果的准确性可能受到RCS测量方法和环境的影响。在RCS测量方法中，直接法（在真实物体上测量RCS）比通过模拟实现的间接法更准确。然而，考虑到平衡精度、时间和成本，间接法因其效率而更常用。本文为了找到一种优化方法以更好地改进高频带间接方法的预测结果，提出了三种预测方法：Prony方法、矩阵束法（MPM）和有理函数法。经证实，在高频带利用Prony方法的RCS预测结果在Prony和MPM方法的情况下具有最小误差，而这两种方法尚未用于高频带的RCS预测，并且采用有理函数法及其目前适用的情况。将预测方法分别应用于基于喷气式飞机、F-117、运输机三种军用飞机模型的模型，在相同条件下进行仿真，对各模型在某一角度下对比原始数据和用该方法得到的外推数据，计算误差