XiaoMi-AI文件搜索系统
World File Search System鲁棒
已发布版本的引用 (APA)：Lanese, I., Schultz, U., & Ulidowski, I. (2021)。可逆执行可增强嵌入式人工智能和工业机器人的鲁棒性。IT Professional，23(3)，12-17。https://doi.org/10.1109/MITP.2021.3073757
除了物理可逆性之外，逻辑可逆性还有许多其他原因和好处 [3]。后一种形式的可逆性涉及增强系统和软件（运行在物理不可逆的硬件上），使其能够撤消（或模拟撤消）计算。有可逆编程语言，如 Janus [4]，也有用于逆向传统命令式编程语言的技术，如 C [5]。我们还发现了如何逆转并发程序和系统的计算的基础知识 [6]，[7]，[8]，[9]。本文旨在通过一个机器人案例研究来介绍可逆计算的主题，其中逻辑可逆性产生了影响。该案例研究以及更普遍的欧洲可逆计算研究得到了 COST Action IC1405（关于可逆计算 - 扩展计算视野）的部分支持 [10]。我们将简要介绍我们开发的理论，并解释它们如何帮助我们解决案例研究中的实际问题。我们还将指出我们如何调整正式技术以加强传统的人工智能规划方法，从而产生完整的工作解决方案。我们的案例研究是关于对工业机器人进行编程，使其执行装配操作（即制造实体产品），基于人工智能规划器生成的固定装配顺序，实现自动错误恢复甚至自动拆卸。错误恢复是通过暂时反转执行方向、有效撤消最近的步骤，然后重试来实现的。这种方法在机器人的物理世界中效果很好，因为轻微的不精确可能会导致机器人卡住，但部分拆卸物体并重试通常可以解决问题。在极端情况下，整个装配顺序可以逆转，从而有效地提供一种自动拆卸物体的方法。因此，我们展示了传统的基于人工智能的规划方法如何通过底层可逆执行模型得到丰富，该模型依赖于机器人系统的实现，以提供执行规划的稳健、概率方式。该方法基于 Janus 可逆编程语言 [ 4 ] 的原理，其中计算的每一步都必须本身
混合船舶微电网功率共享的鲁棒分层控制设计
摘要：混合微电网优化、集成和控制正变得越来越重要。可再生能源集成在航运港口以及短途游轮和渡轮上的使用越来越频繁。目前，一些海港缺乏冷熨服务，即从主公用电网向船舶提供电力的岸基发电站。此外，由于许多港口缺乏冷熨服务，因此在停靠时，基于柴油发动机和柴油发电机的船上必须持续运行并在线，以提供额外的船舶负载。在本研究中，我们分析性地展示了我们提出的包含多个 DG 和可再生能源 (RES) 集成的混合船上微电网系统的分层控制设计的稳健性。通过在不同静态和动态负载条件下对交流和直流类型负载的模拟测试，验证了传统比例积分 (PI) 与基于滑模控制器 (SMC) 的控制设计的性能比较。我们进一步考虑将多 DG 和 RES 集成到我们的系统中，以验证我们的设计对噪声和不必要的故障负载条件的鲁棒性。进行了完整的系统稳定性分析和控制律的设计。数学推导和仿真结果证明了所提出的分层控制架构的鲁棒性，并比较了使用 MATLAB/Simulink 环境设计的两个二次控制器的性能特征。
URET：通用鲁棒性评估工具包（用于规避）
图像分类模型所示的对抗性规避攻击。彻底了解此类攻击对于确保关键 AI 任务的安全性和稳健性至关重要。然而，大多数规避攻击很难针对大多数 AI 系统部署，因为它们只专注于图像域，只有很少的约束。与实践中使用的许多其他 AI 系统输入类型不同，图像由同质、数值、连续和独立的特征组成。此外，某些输入类型包括额外的语义和功能约束，必须遵守这些约束才能生成真实的对抗性输入。在这项工作中，我们提出了一个新框架，使对抗性输入的生成不受输入类型和任务域的限制。给定一个输入和一组预定义的输入转换，我们的框架会发现一系列转换，这些转换会产生语义正确且功能齐全的对抗性输入。我们在具有各种输入表示的几个不同的机器学习任务上展示了我们的方法的通用性。我们还展示了生成对抗性示例的重要性，因为它们可以部署缓解技术。
MIT 开放存取文章 鲁棒性优化的量子...
量子纠错码通常被设计用于纠正错误，而不管其物理来源如何。在大型设备中，这是一项基本功能。然而，在小型设备中，主要错误源通常是可以理解的，并且可以利用这些知识进行更高效的纠错。因此，优化量子纠错协议是小型设备中一种很有前途的策略。通常，这涉及通过解决适当的优化问题来针对给定的退相干信道定制协议。在这里，我们介绍了一种新的基于优化的方法，该方法可最大限度地提高恢复过程中对故障的鲁棒性。我们的方法受到最近实验的启发，在这些实验中，此类故障是逻辑错误的重要来源。我们用三量子比特模型说明了这种方法，并展示了近期实验如何从更强大的量子纠错协议中受益。
考虑可再生能源出力不确定性及电力市场机组有效备用计算的多阶段鲁棒清算模型
随着我国碳政策的推进，以风电、太阳能为主的可再生能源比重不断提高，给电力系统备用带来更大挑战。由于我国电力系统的复杂性，采用分区备用的方法保证系统稳定运行难度很大。现有的备用计算结果中，机组备用会受到电网安全约束的制约，导致系统运行风险。为了在不突破安全约束的情况下高效获取机组备用，本文提出了一种可供工程实施的有效备用计算方法。该方法进一步利用箱式稳健优化算法进行安全约束机组组合，保证可再生能源的消纳，确保电力系统的稳定性和备用效率。此外，安全约束经济调度采用数据驱动的稳健随机优化算法，优化电力系统的经济性。该多阶段稳健优化模型具有良好的可扩展性，符合我国电力系统备用调度的进程。基于中国某省实际运行数据和IEEE 300节点系统的仿真分析，验证了所提模型和理论的正确性和可行性。
故障估计与容错控制的鲁棒集成迭代策略 ✩
本文考虑了具有执行器和传感器故障、不确定性和干扰的线性参数变化系统的故障估计 (FE) 和容错控制 (FTC)。在设计中需要考虑 FE 和 FTC 功能之间不可避免的耦合，以确保基于 FE 的 FTC 闭环系统的整体性能和鲁棒性。本文提出了一种迭代策略，利用分离原理和小增益定理的概念实现 FE 和 FTC 的稳健集成。迭代算法涉及在每次迭代中求解多目标线性矩阵不等式优化问题，并具有有限步收敛保证。通过数值模拟说明了所提算法的有效性及其相对于现有工作的优势。© 2022 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
对（现实世界）选举获胜者鲁棒性的定量和定性分析
投票是一个方便而有力的框架，用于汇总偏爱。它有许多现实世界中的应用程序，从政治选举到评估小组，决定要资助哪些研究项目以及在电视节目中进行电视节目，以汇总运动竞赛的结果。有趣的是，独立于政策，定期进行的，情感上的辩论是“胜利候选人赢得了大选”的“多少”。值得注意的是，研究发现，选举比直觉上预期的要多得多。例如，在维基百科上有313个政治选举名单，选举的决定不到0。所有选民中有1％[18]。此外，穆里根（Mulligan）和亨特（Hunter）[23]报告说，在美国的州选举中，每15人中有一个。000个选民进行了决定性的投票。以此为动机，有一大批理论文献，这可能是通过一次投票决定选举的可能性[1，3，11，16，17，21，22，33]。
在杂种量子古典深度学习中的对抗性鲁棒性DGA检测
摘要：本文旨在为对抗性的防御研究差距做出贡献，这是广告讽刺机器学习（ML）攻击和防御的最新技术。更具体地，它有助于对对抗性示例攻击的人工智能（AI） / ML模型的鲁棒性进行度量测量，目前，这仍然是网络安全域中的一个空旷问题，并且在更大程度上是基于量子计算的AI / ML应用程序的更大程度的问题。我们提出了一种新的对抗性鲁棒性测量方法，该方法从量子ML ML模型实验的性能结果中测量统计特性（例如精度和t检验结果的平均值）。我们认为，我们提出的方法适合实现量子安全世界的实际使用，因为在当前嘈杂的中间尺度量子设备（NISQ）时代，量子噪声对于建模是复杂且具有挑战性的，因此使测量任务或基准测试变得复杂。我们的研究的第二个贡献是用于僵尸网络域生成算法（DGA）检测的新型硬化杂交量子量化深度学习（DL）模型，它采用了一种模型硬化的广告范围训练技术来减轻新型未知DGA对手，因为新的CyberAttarake从网络攻击中进行了新的CyberAttack，因此可以预期的是遇到网络武器竞赛。我们的分析表明，混合量子DL模型对对抗性示例攻击的脆弱性高达19％的平均准确性下降。我们还发现，硬化模型的优越性获得的平均准确性高达5.9％。此外，我们发现杂交量子型DL方法使抑制量子噪声对分类器性能的负面影响的好处。我们演示了如何应用我们提出的测量方法评估我们的新型混合量子DL模型，并强调了我们的模型与对抗性示例攻击的对抗性鲁棒性，这是我们研究对跨量子对抗机器学习的实际意义的证据。
鲁棒量子计算的自动生成与训练...
摘要 — 我们提出了一种新的混合系统，使用多目标遗传算法在灰度图像上自动生成和训练量子启发分类器。我们定义了一个动态适应度函数，以获得最小的电路和对看不见的数据的最高准确度，确保所提出的技术具有通用性和鲁棒性。我们通过惩罚它们的出现来最小化生成的电路在纠缠门数量方面的复杂性。我们使用两种降维方法来减小图像的大小：主成分分析 (PCA)，它在个体中编码以进行优化，以及一个小型卷积自动编码器 (CAE)。将这两种方法相互比较并与经典的非线性方法进行比较，以了解它们的行为并确保分类能力归因于量子电路而不是用于降维的预处理技术。
HALE 的抗饱和鲁棒路径跟踪控制...
摘要 — 本文介绍了一种用于高空长航时 (HALE) 飞机的鲁棒路径跟踪控制器。操作 HALE 飞机的主要控制范例包括基本路径跟踪控制，即在处理非常有限的推力时跟踪参考飞行路径和空速。首要任务是即使在饱和推力期间也要将空速保持在 HALE 飞机的小飞行包线内。对于基本路径跟踪目标，提出了一种混合灵敏度方法，可以轻松处理解耦跟踪和鲁棒性要求。为了处理饱和控制输入，在控制设计中采用了防饱和方案。使用了一种基于观察者的新型混合灵敏度设计，允许直接使用基于反计算的经典防饱和方法。该控制设计在非线性模拟中得到验证，并与基于经典总能量控制的控制器进行了比较。