WikiEdge:ArXiv速递/2024-08-30
ArXiv-2408.17007v1
- 标题：A Liouville theorem for the Lane-Emden system in the half-space
- 中文标题：李乌维尔定理在半空间的Lane-Emden系统
- 发布日期：2024-08-30T04:40:04+00:00
- 作者：Yimei Li, Philippe Souplet
- 分类：math.AP
- 原文链接：http://arxiv.org/abs/2408.17007v1
摘要：我们证明了在半空间中的Lane-Emden系统的Dirichlet问题没有在有限条带上有界的正经典解。此前，这样的不存在性结果仅适用于有界解或在非线性项的幂次受到限制的情况下。
ArXiv-2408.17334v1
- 标题：Role of Data-driven Regional Growth Model in Shaping Brain Folding Patterns
- 中文标题：大数据驱动的区域生长模型在脑折叠模式形成中的作用
- 发布日期：2024-08-30T14:49:10+00:00
- 作者：Jixin Hou, Zhengwang Wu, Xianyan Chen, Dajiang Zhu, Tianming Liu, Gang Li, Xianqiao Wang
- 分类：q-bio.NC, cs.CE, cs.SC, q-bio.TO
- 原文链接：http://arxiv.org/abs/2408.17334v1
摘要：正在发育的哺乳动物大脑的表面形态对于理解大脑功能和功能障碍至关重要。计算建模为早期大脑折叠的潜在机制提供了宝贵的见解。虽然先前的研究通常假设均匀生长，但最近的发现表明大脑组织生长在区域上存在显著差异。然而，这些差异在皮质发育中的作用尚不清楚。在本研究中，我们探讨了区域性皮质生长如何影响大脑折叠模式。我们首先使用基于超过1000名婴儿MRI扫描的纵向数据，通过机器学习辅助的符号回归开发了典型皮质区域的生长模型，这些数据捕捉了围产期和产后大脑发育期间的皮质表面积和厚度。这些模型随后被整合到计算软件中，以模拟具有解剖学上真实几何模型的皮质发育。我们使用平均曲率、沟深和脑回指数等指标量化了生成的折叠模式。我们的结果表明，与均匀生长模型相比，区域生长模型生成的复杂大脑折叠模式在定量和定性上更接近实际大脑结构。生长幅度在塑造折叠模式中起主导作用，而生长轨迹的影响较小。此外，多区域模型比单区域模型更好地捕捉了大脑折叠的复杂性。我们的结果强调了在大脑折叠模拟中纳入区域生长异质性的必要性和重要性，这可能有助于早期诊断和治疗皮质畸形和神经发育障碍，如癫痫和自闭症。
ArXiv-2408.17185v1
- 标题：Short-term Wind Speed Forecasting for Power Integration in Smart Grids based on Hybrid LSSVM-SVMD Method
- 中文标题：智能电网中基于混合LSSVM-SVMD方法的短期风速预测
- 发布日期：2024-08-30T10:35:59+00:00
- 作者：Ephrem Admasu Yekun, Alem H. Fitwib, Selvi Karpaga Subramaniand, Anubhav Kumard, Teshome Goa Tella
- 分类：cs.LG
- 原文链接：http://arxiv.org/abs/2408.17185v1
摘要：由于其污染小和能源利用效率高，风能已成为最广泛利用的可再生能源之一。风电成功并网依赖于准确的风速预测模型。然而，由于风速固有的间歇性特征，风速预测任务具有挑战性。本文开发了一种混合机器学习方法来预测短期风速。首先，使用连续变分模态分解（SVMD）将风数据分解为模态分量。然后，将每个子信号拟合到最小二乘支持向量机（LSSVM）模型中，其超参数由一种新型的量子行为粒子群优化（QPSO）变体——具有精英繁殖的QPSO（EBQPSO）优化。其次，使用长短期记忆模型（LSTM）对原始风速序列与SVMD模态总和之间的残差进行建模。然后，使用LSSVM和LSTM模型的总和计算整体预测值。最后，使用从本地风电场收集的两个独立数据集，将所提出模型的性能与最先进的基准模型进行比较。实证结果表明，所提出的方法在性能上有显著提高，与基准方法相比，均方根误差（RMSE）减少了1.21%到32.76%，平均绝对误差（MAE）减少了2.05%到40.75%。该工作的全部代码实现可在Github上免费获得。