的可再生能源技术的迅速增长使微电网（MG）的概念被广泛接受的电力系统。由于直流配电系统的优势，如易集成储能和更少的系统损耗，DC MG如今吸引了显著的关注。如PI或PID线性控制器成熟，并通过功率电子工业中广泛使用，但作为系统参数改变它们的性能不是最佳的。在这项研究中，人工神经网络（ANN）的电压控制策略，提出了DC-DC升压转换器。在本文中，所述模型预测控制（MPC）是用来作为一个专家，其提供数据来训练ANN提出。作为ANN是微调，那么它被直接用于控制升压DC转换器。人工神经网络的主要优点在于，神经网络系统识别降低了系统模型的不准确性，即使不准确参数，并且具有相比MPC更少的计算负担，由于其平行结构。为了验证所提出的ANN的性能，广泛MATLAB / Simulink的仿真进行。仿真结果表明，基于人工神经网络控制策略已根据不同的负载条件比较PI控制器更好的性能。经训练的神经网络模型的准确度是约97％，这使得它适合用于DC微电网的应用程序。
translated by 谷歌翻译
Recently, the success of pre-training in text domain has been fully extended to vision, audio, and cross-modal scenarios. The proposed pre-training models of different modalities are showing a rising trend of homogeneity in their model structures, which brings the opportunity to implement different pre-training models within a uniform framework. In this paper, we present TencentPretrain, a toolkit supporting pre-training models of different modalities. The core feature of TencentPretrain is the modular design. The toolkit uniformly divides pre-training models into 5 components: embedding, encoder, target embedding, decoder, and target. As almost all of common modules are provided in each component, users can choose the desired modules from different components to build a complete pre-training model. The modular design enables users to efficiently reproduce existing pre-training models or build brand-new one. We test the toolkit on text, vision, and audio benchmarks and show that it can match the performance of the original implementations.
translated by 谷歌翻译
最新的工业推理引擎（例如FASTRASTRANSFORMER1和TURBOTTRANSFORMER）已验证了半精度的浮点（FP16）和8位整数（INT8）量化可以极大地提高模型推断速度。但是，现有的FP16或INT8量化方法太复杂了，使用不当将大大导致性能损害。在本文中，我们开发了一个工具包，供用户轻松量化其模型以进行推理，其中提出了自适应混合精液（SAMP），以通过混合精确体系结构自动控制量化率，以平衡效率和性能。实验结果表明，我们的SAMP工具包比Pytorch和Fertransformer具有更高的速度，同时确保了所需的性能。此外，SAMP基于模块化设计，将令牌，嵌入，编码器和目标层解耦，该层允许用户处理各种下游任务，并且可以将其无缝集成到Pytorch中。
translated by 谷歌翻译
许多开放的在线资料中，有关网络相关犯罪，事件和冲突的信息大量提供。但是，对分析师和专家来说，处理大量数据和数据流是一项具有挑战性的任务，并且需要对较新的方法和技术的需求。在本文中，我们介绍并实施了一个新颖的知识图和知识挖掘框架，以从有关网络域中事件的自由形式文本中提取相关信息。该框架包括基于机器学习的管道，用于生成具有非技术网络主页的组织，国家，行业，产品和攻击者的图形。提取的知识图用于估计给定图配置上的网络攻击的发生率。我们使用公开可用的实际网络材料报告收集来测试我们方法的功效。发现知识提取足够准确，基于图的威胁估计证明了与攻击实际记录的一定程度。在实际使用中，利用介绍框架的分析师可以从当前的网络景观中推断出各种实体的风险以及行业和国家之间风险启发式的风险。
translated by 谷歌翻译