WikiEdge:ArXiv速遞/2024-08-30
ArXiv-2408.17007v1
- 標題：A Liouville theorem for the Lane-Emden system in the half-space
- 中文標題：李烏維爾定理在半空間的Lane-Emden系統
- 發布日期：2024-08-30T04:40:04+00:00
- 作者：Yimei Li, Philippe Souplet
- 分類：math.AP
- 原文鏈接：http://arxiv.org/abs/2408.17007v1
摘要：我們證明了在半空間中的Lane-Emden系統的Dirichlet問題沒有在有限條帶上有界的正經典解。此前，這樣的不存在性結果僅適用於有界解或在非線性項的冪次受到限制的情況下。
ArXiv-2408.17334v1
- 標題：Role of Data-driven Regional Growth Model in Shaping Brain Folding Patterns
- 中文標題：大數據驅動的區域生長模型在腦摺疊模式形成中的作用
- 發布日期：2024-08-30T14:49:10+00:00
- 作者：Jixin Hou, Zhengwang Wu, Xianyan Chen, Dajiang Zhu, Tianming Liu, Gang Li, Xianqiao Wang
- 分類：q-bio.NC, cs.CE, cs.SC, q-bio.TO
- 原文鏈接：http://arxiv.org/abs/2408.17334v1
摘要：正在發育的哺乳動物大腦的表面形態對於理解大腦功能和功能障礙至關重要。計算建模為早期大腦摺疊的潛在機制提供了寶貴的見解。雖然先前的研究通常假設均勻生長，但最近的發現表明大腦組織生長在區域上存在顯著差異。然而，這些差異在皮質發育中的作用尚不清楚。在本研究中，我們探討了區域性皮質生長如何影響大腦摺疊模式。我們首先使用基於超過1000名嬰兒MRI掃描的縱向數據，通過機器學習輔助的符號回歸開發了典型皮質區域的生長模型，這些數據捕捉了圍產期和產後大腦發育期間的皮質表面積和厚度。這些模型隨後被整合到計算軟件中，以模擬具有解剖學上真實幾何模型的皮質發育。我們使用平均曲率、溝深和腦回指數等指標量化了生成的摺疊模式。我們的結果表明，與均勻生長模型相比，區域生長模型生成的複雜大腦摺疊模式在定量和定性上更接近實際大腦結構。生長幅度在塑造摺疊模式中起主導作用，而生長軌跡的影響較小。此外，多區域模型比單區域模型更好地捕捉了大腦摺疊的複雜性。我們的結果強調了在大腦摺疊模擬中納入區域生長異質性的必要性和重要性，這可能有助於早期診斷和治療皮質畸形和神經發育障礙，如癲癇和自閉症。
ArXiv-2408.17185v1
- 標題：Short-term Wind Speed Forecasting for Power Integration in Smart Grids based on Hybrid LSSVM-SVMD Method
- 中文標題：智能電網中基於混合LSSVM-SVMD方法的短期風速預測
- 發布日期：2024-08-30T10:35:59+00:00
- 作者：Ephrem Admasu Yekun, Alem H. Fitwib, Selvi Karpaga Subramaniand, Anubhav Kumard, Teshome Goa Tella
- 分類：cs.LG
- 原文鏈接：http://arxiv.org/abs/2408.17185v1
摘要：由於其污染小和能源利用效率高，風能已成為最廣泛利用的可再生能源之一。風電成功併網依賴於準確的風速預測模型。然而，由於風速固有的間歇性特徵，風速預測任務具有挑戰性。本文開發了一種混合機器學習方法來預測短期風速。首先，使用連續變分模態分解（SVMD）將風數據分解為模態分量。然後，將每個子信號擬合到最小二乘支持向量機（LSSVM）模型中，其超參數由一種新型的量子行為粒子群優化（QPSO）變體——具有精英繁殖的QPSO（EBQPSO）優化。其次，使用長短期記憶模型（LSTM）對原始風速序列與SVMD模態總和之間的殘差進行建模。然後，使用LSSVM和LSTM模型的總和計算整體預測值。最後，使用從本地風電場收集的兩個獨立數據集，將所提出模型的性能與最先進的基準模型進行比較。實證結果表明，所提出的方法在性能上有顯著提高，與基準方法相比，均方根誤差（RMSE）減少了1.21%到32.76%，平均絕對誤差（MAE）減少了2.05%到40.75%。該工作的全部代碼實現可在Github上免費獲得。