XiaoMi-AI文件搜索系统
World File Search SystemBayesian
贝叶斯网络和 Petri 网在安全中的应用...
系统安全性、可靠性和风险分析是在整个系统生命周期中执行的重要任务，以确保安全关键系统的可靠性。概率风险评估 (PRA) 方法是广泛用于此目的的全面、结构化和逻辑方法。PRA 方法包括但不限于故障树分析 (FTA)、故障模式和影响分析 (FMEA) 和事件树分析 (ETA)。现代系统日益复杂，其动态行为能力使传统 PRA 技术难以准确分析此类系统。为了全面准确地分析复杂系统，需要考虑不同的特征，例如组件之间的功能依赖性、系统的时间行为、组件/系统的多种故障模式/状态以及系统行为和故障数据的不确定性。不幸的是，传统方法无法解释这些方面。贝叶斯网络 (BN) 因其灵活的结构和在分析过程中整合上述大部分方面的能力而在风险评估应用中广受欢迎。此外，BN 还具有执行诊断分析的能力。Petri 网是另一种能够对系统动态行为进行建模和分析的正式图形和数学工具。它们也越来越多地用于系统安全性、可靠性和风险评估。本文回顾了贝叶斯网络和 Petri 网在系统安全性、可靠性和风险评估中的应用。回顾强调了基于 BN 和 PN 的方法相对于其他传统方法的潜在用处，以及在不同实际应用场景中的相对优势和劣势。
贝叶斯网络和 Petri 网在安全中的应用...
系统安全性、可靠性和风险分析是在整个系统生命周期中执行的重要任务，以确保安全关键系统的可靠性。概率风险评估 (PRA) 方法是广泛用于此目的的全面、结构化和逻辑方法。PRA 方法包括但不限于故障树分析 (FTA)、故障模式和影响分析 (FMEA) 和事件树分析 (ETA)。现代系统日益复杂，其动态行为能力使传统 PRA 技术难以准确分析此类系统。为了全面准确地分析复杂系统，需要考虑不同的特征，例如组件之间的功能依赖性、系统的时间行为、组件/系统的多种故障模式/状态以及系统行为和故障数据的不确定性。不幸的是，传统方法无法解释这些方面。贝叶斯网络 (BN) 因其灵活的结构和在分析过程中纳入上述大部分方面的能力而在风险评估应用中广受欢迎。此外，BN 还能够执行诊断分析。 Petri 网是另一种能够对系统动态行为进行建模和分析的正式图形和数学工具。它们也越来越多地用于系统安全性、可靠性和风险评估。本文对 Petri 网进行了回顾
贝叶斯网络的优化量子电路表示
摘要：近年来，人们对量子机器学习的兴趣日益高涨，研究人员积极开发利用量子技术的力量解决各个领域高度复杂问题的方法。然而，由于量子资源有限和固有噪声，在有噪声的中间量子设备 (NISQ) 上实现基于门的量子算法面临着显著的挑战。在本文中，我们提出了一种在量子电路上表示贝叶斯网络的创新方法，专门用于应对这些挑战。我们的目标是最大限度地减少在量子计算机上实现量子贝叶斯网络 (QBN) 所需的量子资源。通过精心设计动态电路中的量子门序列，我们可以优化有限量子资源的利用率，同时减轻噪声的影响。此外，我们提出了一项实验研究，证明了我们提出的方法的有效性和效率。通过在 NISQ 设备上进行模拟和实验，我们表明我们的动态电路表示显著降低了资源需求并增强了 QBN 实现的稳健性。这些发现凸显了我们的方法的潜力，为量子贝叶斯网络在当前可用的量子硬件上的实际应用铺平了道路。
可解释的机器学习和优化的贝叶斯网络
由于人工智能越来越多地用于高风险应用，因此可以解释使用的模型变得越来越重要。贝叶斯网络提供了基于概率理论的可靠人工智能的范式。他们提供了一种语义，该语义可以通过利用它们之间的条件独立性来实现与域变量相关的概率分布的声明性表示。该表示由有向的无环图组成，该图编码变量之间的条件独立性以及编码条件分布的一组参数。此表示为开发概率推理（推理）和从数据学习概率分布的算法提供了基础。贝叶斯网络用于机器学习中的各种任务，包括聚类，超级分类，多维监督分类，异常检测和时间修改。他们还提供了估计分布算法的基础，这是启发式优化的一类进化算法。我们通过在神经科学，行业和生物启示中介绍应用程序来说明贝叶斯网络在可解释的机器学习和优化中的使用，涵盖了广泛的机器学习和优化任务。2021由Elsevier B.V.
x- ...
超新星（SNS）是星际介质中重要的能量来源。超新星（SNR）的年轻残留物在X射线区域显示峰值发射，使其成为X射线观测的有趣对象。尤其是，由于其历史记录，接近性和亮度，Supernova Remnant SN1006引起了极大的兴趣。因此，已对其进行了许多X射线望远镜进行了研究。改善此残留物的X射线成像是一项重要但具有挑战性的任务，因为它通常需要对图像整个对象进行不同仪器响应的多次观察。在这里，我们使用Chandra观测来证明使用信息字段理论（IFT）的贝叶斯图像重建能力。我们的目标是从X射线观测值重建，脱卷和空间 - 光谱分辨的图像，并将发射分解为不同的形态，即弥漫性和点状。此外，我们的目标是将来自不同检测器和点的数据融合到马赛克中，并量化结果的不确定性。通过利用有关扩散发射和点源的空间和光谱相关结构的先验知识，该方法允许信号有效分解为这两个组件。为了加速成像过程，我们引入了一种多步进方法，其中使用单个能量范围获得的空间重建用于得出完整时空光谱重建的知情起点。我们将此方法应用于2008年和2012年的SN1006的11个Chandra观察结果，提供了残留物的详细，剥夺和分解的观点。尤其是，弥漫发射的分离视图应提供对残留物中心和冲击前剖面中复杂的小规模结构的新见解。例如，我们的分析揭示了在SN1006的冲击阵线下，锋利的X射线通量最多增加了两个数量级。
无线贝叶斯神经网络与自我-NSF -PAR
摘要 - 已提出了无线贝叶斯神经网络（WBNNS），以解决能源效率和设计复杂性的问题，以在资源约束边缘设备中进行培训和分类。通过引入热激活的DNA致动器和磁性旋转旋转振荡器（STOS），WBNN能够从小型数据集中学习并解决过度拟合的问题，以实现准确的分类结果。为了有效地生成高斯变量，这项工作提出了电磁耦合的stos，可以固有地创建可编程频谱分布，以用于贝叶斯神经网络（BNNS）的变异推断。具体而言，通过使用最大量的高斯变量，与BNN进行单层将DNA折纸与STO进行单层整合的纳米级异质结构，以执行乘法和积累（MAC），包括：1）具有加权偏置电流的STOS，以将概率分布和生成振动范围设置为频率范围，通过频率进行频率范围，通过频率进行频率范围，以使oscilly oscill osscill频率通过频率进行频率范围。 （2）可以选择性地整合来自各种STO的无线信号以将接收到的能量转换为可编程磁场的DNA折纸。仿真结果表明，所提出的WBNN可以在消耗625 µW时获得高于96％的精度。
消息传递基于贝叶斯的贝叶斯对推车系统的控制
摘要。我们描述了一个贝叶斯控制器的贝叶斯控制器，这是控制理论中众所周知的基准。卡车孔系统的特征是其非线性和不足的性质，我们通过（1）假设控制器缺乏传感器噪声方差的知识，并且（2）在控制信号上施加界限。传统的控制算法通常难以适应不确定性和约束。然而，贝叶斯框架，尤其是专用推理框架，可以顺利地适应这些复杂性。在拟议的控制器中，整个计算过程由在线贝叶斯推理组成。通过工具箱简化了此过程，以在因子图中快速传递基于消息传递的推断。我们描述了在因子图中传递消息的机制，解决了诸如非线性因素，有限控制和实时参数跟踪之类的挑战。本文的主要目的是证明，随着主动推理框架的发展和自动推理工具箱的效率，贝叶斯控制成为应用程序工程师的吸引人选择。
免疫疗法的贝叶斯随机II期设计...
Guo，B。和Zang，Y。 （2020）。 双岩：通过共同建模纵向免疫反应和事件时间疗效，用于免疫疗法的贝叶斯随机II期设计。 医学的统计数据，39（29），4439–4451。 https://doi.org/10.1002/sim.8733Guo，B。和Zang，Y。（2020）。双岩：通过共同建模纵向免疫反应和事件时间疗效，用于免疫疗法的贝叶斯随机II期设计。医学的统计数据，39（29），4439–4451。https://doi.org/10.1002/sim.8733
用于量子控制的高维多保真贝叶斯优化
摘要 我们提出了第一个多保真贝叶斯优化 (BO) 方法，用于解决原型量子系统的量子控制中的逆问题。我们的方法自动构建时间相关的控制场，从而实现初始和期望的最终量子态之间的转换。最重要的是，我们的 BO 方法在构建时间相关的控制场方面表现出色，即使对于难以用现有的基于梯度的方法收敛的情况也是如此。我们提供了我们的机器学习方法的详细描述以及各种机器学习算法的性能指标。总之，我们的结果表明 BO 是一种有前途的方法，可以有效、自主地设计一般量子动力系统中的控制场。
物理科学的贝叶斯逻辑数据分析
越来越多的科学领域的研究人员开始接触贝叶斯统计或贝叶斯概率论。通过包含归纳和演绎逻辑，贝叶斯分析可以将模型参数估计提高许多数量级。它为所有数据分析问题提供了一种简单而统一的方法，允许实验者根据当前的知识状态为感兴趣的竞争假设分配概率。本书通过大量示例和问题集清晰地阐述了底层概念。本书还讨论了实施贝叶斯计算的数值技术，包括对马尔可夫链蒙特卡罗积分的介绍以及从贝叶斯角度看的线性和非线性最小二乘分析。此外，附录中提供了背景材料，支持 Mathematica 笔记本可从 www.cambridge.org/052184150X 获得，为高年级本科生、研究生或任何认真的物理科学或工程研究人员提供了一条简单的学习途径。