XiaoMi-AI文件搜索系统
World File Search System馈物
物联网 - OAPEN
IFIP 是一个非盈利组织，几乎完全由 2500 名志愿者运营。它通过许多技术委员会和工作组开展工作，负责组织活动和出版物。IFIP 的活动范围从大型国际公开会议到工作会议和地方研讨会。旗舰活动是 IFIP 世界计算机大会，受邀论文和投稿论文都会在大会上发表。投稿论文经过严格评审，拒绝率很高。与大会一样，公开会议对所有人开放，论文可以受邀或提交。同样，提交的论文也要经过严格评审。工作会议的结构不同。它们通常由一个工作组运行，出席人数一般较少，有时只有受邀者才能参加。其目的是营造一种有利于创新和发展的氛围。评审也很严格，论文要经过广泛的小组讨论。IFIP 活动产生的出版物各不相同。 IFIP 世界计算机大会和公开会议上发表的论文以会议论文集的形式出版，而工作会议的结果通常以精选和编辑论文集的形式出版。IFIP 区分三种类型的机构会员资格：国家代表会员、普通会员和准会员。可以申请会员资格的组织类型多种多样，包括国家
“物联网”网络
“我们必须首先定义‘事物’的含义。它可以是非常简单的对象，也可以是复杂的对象。事物不需要直接连接到公共互联网，但它们必须通过网络（可以是 LAN、PAN、体域网等）连接。物联网是包含嵌入式技术以与外部环境进行通信和交互的物理对象的网络。物联网包括硬件（“事物”本身）、嵌入式软件（运行在事物上并启用事物连接功能的软件）、连接/通信服务以及与事物相关的信息服务（包括基于使用模式和传感器或执行器数据分析的服务）。物联网解决方案是产品（或产品集）与服务的组合，两者的关系可以是一对一或一对多。这意味着一项服务与一个（一组）产品相结合，或者一项服务与多个（组）产品相结合。”“物联网在能源效率中的应用”，Francois Jammes。 Ubiquity：ACM 出版物，2016 年 2 月，第 2 页
关于金属3D打印机质量的研究（第三次报告）
Akihiro Terasawa，Daisuke Suzuki，Yoshihito Hagihara，Akira Yoneyama，Chiaki Sakamoto，
基于并网双馈感应发电机的风电场智能控制系统综述 I. Hamdan 1，
摘要：本综述研究重点关注并网双馈感应发电机 (DFIG) 风电场智能控制系统中使用的各种方法。本文回顾了一种使用模糊协调 PI 的控制器，该控制器建议用于在大型风电场发生干扰时通过降压-升压转换器 (DC-DC 转换器) 改善与 DFIG 耦合的超级电容器 (SC) 的动态性能。此外，本研究回顾了一种俯仰角控制，用于在不同风速下调节风力涡轮机 (WT) 叶片的角度，以控制功率并安全运行 WT。在俯仰角上实施人工智能控制 (模糊方法) 取代传统控制以提高系统性能，模糊方法用于在各种工作条件下自动调整传统控制参数。然后，本文回顾了一种开发的控制技术，该技术使用区间型 2 模糊逻辑控制 (FLC) 调整 PI 来为由 DFIG 操作的 WT 进行最佳扭矩调节。建议的控制可调节机械转子速度的误差并产生实现最大输出功率的最佳扭矩。根据现有文献的结果，引入了 SC 到三相四线有源电力滤波器 (APF) 直流链路的集成，方法是使用由模糊控制方法控制的接口三级双向降压-升压转换器。关键词：智能控制系统；风能；电力电子；双馈感应发电机；最大功率跟踪。
类似大脑的前馈和循环网络组件的组合实现了原型提取和
摘要：联想记忆一直是大规模循环新皮质网络执行计算的主要候选对象。实现联想记忆的吸引子网络为许多认知现象提供了机械解释。然而，吸引子记忆模型通常使用正交或随机模式进行训练，以避免记忆之间的干扰，这使得它们不适用于自然发生的复杂相关刺激，如图像。我们通过将循环吸引子网络与使用无监督赫布-贝叶斯学习规则学习分布式表示的前馈网络相结合来解决这个问题。由此产生的网络模型结合了许多已知的生物学特性：无监督学习、赫布可塑性、稀疏分布式激活、稀疏连接、柱状和层状皮质结构等。我们评估了前馈和循环网络组件在 MNIST 手写数字数据集上的复杂模式识别任务中的协同效应。我们证明了循环吸引子组件在前馈驱动的内部（隐藏）表示上进行训练时实现了联想记忆。联想记忆还被证明可以从训练数据中提取原型，并使表示对严重失真的输入具有鲁棒性。我们认为，从机器学习的角度来看，所提出的前馈和循环计算集成的几个方面特别有吸引力。