XiaoMi-AI文件搜索系统
World File Search System似然估计
针对性的最大似然估计，以估算先前结核病治疗在苏丹耐药性结核病中的因果关系
多药耐药性结核病（MDR-TB）被定义为异念珠菌和利福平的感染。在全球范围内，有132222个报告了2020年的MDR-TB病例。研究表明，先前的结核病治疗和治疗中断被认为是MDR-TB的主要原因[1，2]。流行病学家将病例对照研究定义为偏见的采样设计。病例对照研究的设计着重于参数逻辑回归，以计算一组协变量的调整后的奇数比（或）。但是，为了建立因果估计人群，或应估算。流行病学家将案例控制定义为与目标人群相比患有疾病的人比例的偏见。病例对照研究的设计着重于参数逻辑回归，以计算一组协变量上的或条件。要构建因果估计，我们必须估计边缘人口或[3]。目标最大似然估计（TMLE）是一种双重鲁棒方法，使用机器学习算法来最大程度地减少偏见的风险[4]。逆概率处理权重（IPTW）是一种因果方法，用于通过创建检查治疗对暴露的影响的模拟组来调整时变的混杂因素。IPTW方法基于侵害的概率，因为混杂因素被称为倾向评分（SP）[5]。 iptw在病例对照研究中有许多缺点，因此估计器无法在有限样本中对无症状效率和效率问题提出任何主张。IPTW方法基于侵害的概率，因为混杂因素被称为倾向评分（SP）[5]。iptw在病例对照研究中有许多缺点，因此估计器无法在有限样本中对无症状效率和效率问题提出任何主张。此外，IPTW在某些阶层中通过一组协变量定义的治疗或暴露组非常罕见时发生的所谓阳性违规行为不利[6]。因此，病例对照加权TMLE（CCW-TMLE）方法提供了双重鲁棒方法来估计无偏见的参数估计。如果给定暴露和协变量的结果模型的任何预期参数或给定协变量的暴露模型是正确的[7]，则此方法是一致的。ccw-tmle需要了解结果的患病率概率，以减少偏见的设计[8]。此外，CCW-TMLE估计了各种参数，例如风险比和风险差异，这些参数在病例控制研究的传统分析中不可用。此外，TMLE可以估计边际因果效应，正确的规范和倾向评分。TMLE估计所有参数，假设每个人的暴露状态不会影响任何其他人的潜在结果。主要因果假设是没有未衡量的混杂因素。因此，已经测量了暴露和外来的常见原因[9]。在分析过程中有两种广泛的方法可以控制混杂。第一种方法是使用标准回归模型，第二种方法是遵循因果方法。标准回归模型无法在存在可能的混杂或相互作用和协变量之间的混杂或相互作用的情况下估算暴露的平均因果效应。原因是，此方法假设暴露者和混杂因素之间没有相互作用来估计池效应。更重要的是，标准回归模型无法调整时间变化
![arxiv：2006.16223v3 [Quant-PH] 2021年10月11日](/simg/g:\will\search\icon\source\9\979ee1ca449c8d10adf853c7375e71d39bdb46ce.webp)
arxiv：2006.16223v3 [Quant-PH] 2021年10月11日
摘要最近，我们发现了几种量子算法的候选者，这些算法可以在近期设备中实现，以估算给定量子状态的振幅，这是各种计算任务（例如蒙特卡洛方法）中的核心子例程。这些算法之一是基于并行化量子电路的最大似然估计。在本文中，我们扩展了此方法，使其结合了逼真的噪声效果，然后在超导IBM量子设备上进行实验演示。假设去极化噪声的模型构建最大似然估计器。然后，我们将问题提出为两参数估计问题，相对于目标振幅参数和噪声参数。特别是我们表明存在异常的目标值，其中Fisher信息矩阵变成退化，因此即使通过增加振幅膨胀的数量也无法改善估计误差。实验证明表明，提出的最大似然估计器在查询数量中实现了量子加速，尽管估计误差由于噪声而饱和。估计误差的饱和值与该理论一致，这意味着去极化噪声模型的有效性，从而使我们能够预测量子计算机中硬件组件（尤其是门误）的基本要求（尤其是栅极误差），以实现幅度估计任务中的量子加速。
用单光子激光雷达 /作者= kitichotkul，ruangrawee的检测时间在反射率估计中的作用；拉普，约书亚； Goyal，Vivek K /creationDate = 2024年1月9日 /受试者=计算传感，电子和光子设备，信号处理< /div>
摘要 - 在直接的飞行时间单光子激光雷达中，通常使用photon检测时间来估计深度，而检测的数量则用于估计反射率。本文通过提出新的估计量并通过新的分析来统一先前的结果，从而在反射率估算中使用检测时间在反射率估算中使用。在低流量制度中，死亡时间可以忽略不计，我们检查了反射率估计的cram'errao。当深度未知时，我们表明基于检查的估计器几乎可以执行和最大似然估计器，而且令人惊讶的是，不正确的深度估计可以减少反射率估计的均值误差。我们还检查了信号和背景通量的联合估计，我们提出的基于审查的估计器以及最大似然估计器的表现。在高流量制度中，死亡时间不可忽略，我们将检测时间建模为马尔可夫链，并检查一些利用检测时间的反射率估计值。
Provernf：在NERF中的每个点出处建模为随机字段
神经辐射场（NERFS）在各种应用程序中都表现出有希望的结果，已获得流行。据我们所知，现有作品并未明确对训练相机姿势的分布进行建模，或者因此是三角测量质量，这是影响重建质量的关键因素，它可以追溯到经典视觉文献。 我们用Provernf缩小了这一差距，该方法是将每个点的出处（即可能可见的位置）建模为NERFS作为随机场的方法。 我们通过将隐式最大似然估计（IMLE）扩展到具有优化目标的功能空间来实现这一目标。 我们表明，在NERF优化过程中对每点出处进行建模丰富了模型，并提供了三角剖分的信息，从而改善了新型视图合成和在针对竞争性基线的具有挑战性的稀疏，无约束的视图设置下的不确定性估计。据我们所知，现有作品并未明确对训练相机姿势的分布进行建模，或者因此是三角测量质量，这是影响重建质量的关键因素，它可以追溯到经典视觉文献。我们用Provernf缩小了这一差距，该方法是将每个点的出处（即可能可见的位置）建模为NERFS作为随机场的方法。我们通过将隐式最大似然估计（IMLE）扩展到具有优化目标的功能空间来实现这一目标。我们表明，在NERF优化过程中对每点出处进行建模丰富了模型，并提供了三角剖分的信息，从而改善了新型视图合成和在针对竞争性基线的具有挑战性的稀疏，无约束的视图设置下的不确定性估计。
GOA-GDOP在飞机协同检测中的应用
定位精度。目前定位精度分析方法主要有几何精度因子（GDOP）、克拉美-罗下限（CRLB）、圆概率误差（CEP）等。本质上，GDOP可以看作是最小二乘估计，而CRLB则是最大似然估计。当系统为线性，高噪声为高斯独立白噪声时，二者等价，但在非线性系统中，二者会产生一定的差异。这是由于GDOP忽略了误差协方差对角元素，对传感器几何位置的敏感性高于CRLB，CRLB是作为传感器目标几何不确定性的分析工具，而CRLB是基于传感器对目标观测的统计性能评估工具
导航应用程序的因素图：教程
在导航中，从多个传感器中集成数据的能力是一个essen tial元素。如果已知系统的动力学（即可以随机建模），则可以将测量值随时间集成在一起以估计系统的状态。数十年来，Kalman过滤家族（包括线性，扩展，无味和许多其他变体）一直是传感器融合的主力，用于导航。是线性的卡尔曼滤波器，这是当（a）测量和动力学是线性和（b）所有噪声源的最佳最大似然估计器，Gaussian和White（Maybeck，1990）。不幸的是，大多数实用系统不符合这些要求，从而解释了社区中使用的大量Kalman过滤器变体。
GOA-GDOP在飞机协同检测中的应用
衡量定位精度需要一定的参数作为参考，目前定位精度分析方法主要有几何精度因子（GDOP）、克拉美-罗下限（CRLB）、圆概率误差（CEP）等。本质上，GDOP可以看作是最小二乘估计，而CRLB则是最大似然估计。当系统为线性，高噪声为高斯独立白噪声时，二者等价，但在非线性系统中，二者会产生一定的差异。这是由于GDOP忽略了误差协方差对角元素，对传感器几何位置的敏感性高于CRLB，CRLB是作为传感器目标几何不确定性的分析工具，而CRLB是基于传感器对目标观测的统计性能评估工具
耦合仿真和加速退化模型的可靠性评估：应用于电压调节器
本文根据低压差稳压器的行为，演示了如何使用数值模拟数据，基于加速退化测试数据进行可靠性性能评估。该稳压器采用 Cadence Virtuoso 软件和 180 nm AMS CMOS 技术设计，并通过模拟评估其输出电压随温度和输入电压的变化。输出电压退化数据是根据环境参数（输入电压和温度）约束生成的，这使得我们能够利用数值模拟模型和所提出的退化模型定义加速条件下的故障阈值。采用退化路径模型确定指定故障标准（5%）下的伪故障时间。然后，我们推导出加速度定律模型，通过执行最大似然估计法来估计可靠性模型参数，不仅可以分析，还可以预测不同电压和温度应力条件下稳压器的寿命数据分布。