XiaoMi-AI文件搜索系统
World File Search System似然
引用：刘华、金爱康和张哲瀚（2018 年）。社会网络结构方程模型：规范、估计和应用。多变量
心理学家对朋友和夫妻是否具有相似的性格很感兴趣。然而，文献中没有现成的统计模型来测试性格与社会关系之间的关联。在本研究中，我们开发了一个统计模型，用于分析以潜在性格特征为协变量的社交网络数据。由于该模型包含潜在特征的测量模型和网络与潜在特征之间关系的结构模型，因此我们在结构方程模型 (SEM) 的一般框架下对其进行讨论。在我们的模型中，潜在变量和结果变量之间的结构关系不再是线性或广义线性的。为了获得模型参数估计，我们建议使用两阶段最大似然 (ML) 程序。通过社交网络数据中具有代表性的条件下的模拟研究来评估该建模框架。然后通过对大学友谊网络的实证应用来证明其实用性。
基于信道可靠性估计的极化码穿孔方案
由Arikan提出的极性码编译码算法复杂度低，对于给定的码长具有优异的性能，自提出以来就受到了广泛的关注和欢迎。穿孔极化码的构造使得编码更加灵活，适用于更加多样化的场景。本文提出了一种改进的极性码穿孔方案，在传统穿孔极化码的限制下，基于信道可靠性估计方法计算各个极化子信道的误码概率，对可靠性较低的极化子信道进行穿孔。此外，为了获得更好的译码性能，该方案将穿孔比特的初始对数似然率(LLR)设置为无穷大(或负无穷大)。仿真结果表明，本文提出的改进穿孔极化码的性能优于传统穿孔极化码。
spatstat：空间点模式分析、模型拟合、模拟、测试
描述 用于分析空间点模式的综合开源工具箱。主要关注任何空间区域中的二维点模式，包括多类型/标记点。还支持三维点模式、任意维度的时空点模式、线性网络上的点模式和其他几何对象的模式。支持空间协变量数据，例如像素图像。包含 3000 多个用于绘制空间数据、探索性数据分析、模型拟合、模拟、空间采样、模型诊断和形式推理的函数。数据类型包括点模式、线段模式、空间窗口、像素图像、镶嵌和线性网络。探索性方法包括样方计数、K 函数及其模拟包络、最近邻距离和空白空间统计、Fry 图、成对相关函数、核平滑强度、交叉验证带宽选择的相对风险估计、标记相关函数、分离指数、标记依赖性诊断和协变量效应的核估计。还支持随机模式的正式假设检验（卡方、Kolmogorov-Smirnov、蒙特卡罗、Diggle-Cressie-Loosmore-Ford、Dao-Genton、两阶段蒙特卡罗）和协变量效应检验（Cox-Berman-Waller-Lawson、Kolmogorov-Smirnov、ANOVA）。可以使用与 glm() 类似的函数 ppm()、kppm()、slrm()、dppm() 将参数模型拟合到点模式数据。模型类型包括泊松、吉布斯和考克斯点过程、奈曼-斯科特聚类过程和行列式点过程。模型可能涉及对协变量的依赖、点间相互作用、聚类形成和对标记的依赖。模型通过最大似然法、逻辑回归法、最小对比度法和复合似然法进行拟合。可以使用函数 mppm() 将模型拟合到点模式列表（重复的点模式数据）。除了上面列出的所有特征外，该模型还可以包括随机效应和固定效应，具体取决于实验设计。
弓形虫b1亚型的检测及序列分析...
弓形虫是一种单细胞寄生虫，能够感染几乎所有的恒温动物，对全球公共卫生构成严重风险。关于尼日利亚高原州鸟类中传播的弓形虫毒株的现有文献有限。因此，本研究旨在识别和确认弓形虫感染，并确定 DNA 序列与世界其他地区鸟类 DNA 序列的关系。为此，对 25 种鸟类的大脑和心脏组织进行了取样，并进行了嵌套聚合酶链式反应 (nPCR) 和 B1 基因序列分析。在 7/7（100.0%）的野生鸟类和 15/18（83.3%）的家鸡（Gallus gallus domesticus）的心脏和脑组织中发现了弓形虫的 DNA。本研究对弓形虫病原体序列进行最大似然法系统发育树分析，结果表明该序列与I型RH株（GenBank: AF179871）具有共同祖先，弓形虫病原体序列
在半sib中的定量性状基因座的多个标记映射在半sib中的定量性状基因座的多个标记映射
许多作者考虑了用于分析来自杂种种群数据的设计（例如Neimann-Sprensen和Robertson，1961年； Soller和Genizi，1978年； Geldermann等，1985； Weller等，1990）。这些方法的缺点是他们一次使用来自单个MARIRW的信息。没有标记将具有统一性的杂合性，因此对于任何给定的标记，有些父亲都会是纯合的，因此是非信息的。这会浪费信息，并在QTL的估计位置中引入偏差可能会有更大的问题。此外，提出的最小二乘方法不能单独估计任何检测到的QTL的位置和效果。最大似然（ML）方法（Weller，1986; Knott and Haley，1992a）可以估计这两种效果，但是通常仅使用单个标记（Weller，1986; Knott; Knott and Haley，1992a and B）估计，位置与标记相对（I.E.可以是它的任何一侧）。
用于飞机轨迹跟踪的不完全状态观测系统辨识和 LQR 控制器设计
摘要：本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
用于飞机轨迹跟踪的不完全状态观测的系统识别和 LQR 控制器设计
摘要：本文介绍了一种当并非所有状态都可用时，针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
损失函数在增强学习中的核心作用
摘要。本文说明了损失功能在数据驱动决策中的核心作用，从而对其在成本敏感的分类（CSC）和增强学习（RL）方面提供了全面的调查。我们演示了不同的回归损失函数如何影响样本的效率和基于价值决策算法的适应性。在多个设置中，我们证明，使用二进制跨透镜损失的算法达到了最佳策略成本的第一阶范围，并且比常用的平方损失更有效。此外，我们证明，使用最大似然损失的分布算法与策略差异达到了二阶范围，甚至比一阶边界更明显。这特别证明了分歧RL的好处。我们希望本文能够成为分析具有不同损失功能的决策算法的指导，并可以激发读者寻求更好的损失功能，以改善任何决策算法。
用于飞机轨迹跟踪的不完全状态观测系统辨识和 LQR 控制器设计
摘要：本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。