XiaoMi-AI文件搜索系统
World File Search SystemMonte
强化学习的数学
区域： / modulnr。：部门数学 / CIT413036课程结构：讲座：2H练习：2H内容：课程概述了增强学习的数学基础，包括对马克夫决策过程的介绍和表图形的增强性增强学习方法（Monte Carlo，Monte Carlo，时间差异，SARSA，SARSA，SARSA，Q-LEAL，Q-LEARNINGNING，...）。这些主题是通过对随机近似理论的影响来补充的，以对算法进行收敛分析。Prerequisite: MA0001 Analysis 1, MA0002 Analysis 2, MA0004 Linear Algebra 1, MA0009 Introduction to Probability Theory and Statistics, MA2409 Probability Theory Literature : Sutton, Barto (2018): Reinforcement Learning: An Introduction, MIT Press Puterman (1994): Markov Decision Processes: Discrete Stochastic Dynamic Programming, Wiley Kushner, Yin (2010): Stochastic近似和递归算法和应用，施普林格证书：请参阅Tumonline位置/讲座/练习：请参阅Tumonline
损伤容限航空航天结构失效概率估计
3.1.1 单次飞行失败概率 ............22 3.1.2 裂纹检测概率 ..............24 3.1.3 等效初始缺陷尺寸 ..............25 3.1.4 每次飞行的最大施加应力 ...........28 3.1.5 检测概率曲线 .............30 3.2 PROF 软件 .。。。。。。。。。。。。。。。。。。。。。。。。.31 3.2.1 PROF 软件方法 .............31 3.2.2 PROF 示例问题 ................34 3.3 显式蒙特卡洛方法 ................40 3.3.1 分析例程 .................。。。。。。。40 3.3.2 蒙特卡罗程序的 SFPOF 和 PCD 估计 43 3.3.3 重要性抽样修改 ......44 3.3.4 CP4、CP6、CP7 和 CP7ext 的蒙特卡罗结果 ..45
损伤容限航空航天结构失效概率估计
3.1.1 单次飞行失败概率 ............22 3.1.2 裂纹检测概率 ..............24 3.1.3 等效初始缺陷尺寸 ..............25 3.1.4 每次飞行的最大施加应力 ...........28 3.1.5 检测概率曲线 .............30 3.2 PROF 软件 .。。。。。。。。。。。。。。。。。。。。。。。。.31 3.2.1 PROF 软件方法 .............31 3.2.2 PROF 示例问题 ................34 3.3 显式蒙特卡洛方法 ................40 3.3.1 分析例程 .................。。。。。。。40 3.3.2 蒙特卡罗程序的 SFPOF 和 PCD 估计 43 3.3.3 重要性抽样修改 ......44 3.3.4 CP4、CP6、CP7 和 CP7ext 的蒙特卡罗结果 ..45
基于机器学习的状态估计PMU- ...
Collect historical SE data (Load, generation, system model) Probability distribution function fitting Monte Carlo sampling and PF/OPF solution Embed noise functions to mimic instrumentation errors: “Synthetic Measurements” Identify dominant topologies Train DNN hyperparameters for base topologies and specific PMU placement
dosimetric-thacterization-offlexisource-hdr-192ir- ...
Monte Carlo方法是一种统计抽样技术，多年来已成功应用于广泛的科学问题，特别是在物理学中，可以模拟辐射与物质的相互作用[3]。使用蒙特卡洛（MC）模拟而不是实验测量的主要好处在于，即使在实验测量非常困难的情况下，MC也能够获取剂量数据的能力。在放射疗法中使用这些方法在过去的几十年中几乎呈指数增长。自1990年代以来，MC模拟在近距离放射治疗设备的表征中发挥了重要作用。它们用于计算剂量测定参数，例如空气kerma强度，剂量速率常数，径向剂量和各向异性功能。但其应用也可以扩展到外束放射疗法，近距离放射治疗模型，放射线照相和其他领域的剂量计算[4，5]。使用蒙特卡洛模拟代码可以考虑所有可能导致近距离治疗期间对器官的剂量不准确的因素，并有助于理解和优化临床方案。几项研究使用了各种蒙特卡洛模拟代码，例如Geant4，Egs和McNPX [5，6]，启动了192 IR Flexisource的剂量表征。
二进制化合物的伽马射线屏蔽特征的全面研究
在这项研究中，使用Geant4 Monte Carlo模拟工具，我们研究了氧化铝，氟化镁，氟化铝，氟化铝，二氧化钛，二吡啶镁，镁镁，硅酸镁，二氧化钙，二氧化钙和液态的燃料范围，并在0.015至10 c. 10 c. 10 c.10 c. 10 c. 10 c.10 c.10 c.10 c.10 c上。在这篇综述中，我们已经计算并分析了线性衰减系数（LAC）和质量衰减系数（MAC），半价值层（HVL），第十值层（TVL），平均自由路径（MFP），有效的原子数，有效的原子密度，有效的电子密度，等效原子原子数和构建量和构建因素和构建因素和构建因素。在工作的延续中，我们已经比较了Geant4 Monte Carlo Simulation Tool的质量衰减系数的计算结果与其他人的实验结果，并通过Xmudat代码的仿真数据进行了比较，并且它们的相对误差非常低，并且彼此吻合非常吻合。最后，以适当的数字显示了所选材料获得的结果。
拓扑量子物理中氧化物界面的准二维电子气
1 法国巴黎-萨克雷大学泰雷兹公司混合物理部门 - F-91767 帕莱索，法国 2 法国巴黎高等物理与材料研究实验室，PSL 研究大学，法国巴黎国家科学研究院 F-75005 巴黎，法国 3 代尔夫特理工大学 Kavli 纳米科学研究所 - PO Box 5046, 2600 GA 代尔夫特，荷兰 4 萨勒诺大学“ER Caianiello”物理系 - I-84084 Fisciano (SA)，意大利 5 CNR-SPIN - Via Giovanni Paolo II, 132, I-84084 Fisciano (SA)，意大利 6 查尔姆斯理工大学微技术和纳米科学系-MC2 SE-41296 哥德堡，瑞典 7 物理系和纳米技术与先进科学研究所材料，巴伊兰大学拉马特甘，以色列 8 物理系“E. Pancini”，那不勒斯费德里科二世大学 - Monte S. Angelo 综合楼，I-80126 那不勒斯，意大利 9 GFMC，马德里康普顿斯大学材料物理系 - E-28040 马德里，西班牙 10 CNR-SPIN，Monte S. Angelo 综合楼 - Via Cinthia，I-80126 那不勒斯，意大利
最坏情况电路分析申请准则-DTIC
6.0 WORST CASE CIRCUIT ANALYSIS (WCCA) EXAMPLES .......................... 65 6.1 Digital Circuit Example .......................................................................................... 65 6.1.1 General Circuit Description ......................................................................... 65 6.1.2 Overview Of Theory Of Operation ............................................................ 68 6.1.3 Critical Timing参数................................................................................................................................................................................................................................................................................................................................................................................................................... ........................................................................................... 77 6.2.2模拟零件数据库................................................................................................................................................................. ....................................................................... 79 6.2.4.2 Root-Sum-Squared Analysis ............................................................. 80 6.2.5 Monte Carlo Analysis ................................................................................... 85 6.2.6 Analog Circuit Conclusions ......................................................................... 87
2024 年 6 月 18 日校长会议摘要概述
概述 2024 年 6 月 18 日，北极执行指导委员会 (AESC) 在拜登-哈里斯政府内举行了第九次负责人会议。白宫科技政策办公室 (OSTP) 气候与环境副主任 Jane Lubchenco 博士代表 Arati Prabhakar 博士主持了会议。国家安全委员会跨境事务高级主任 Monte Hawkins 代表总统国家安全顾问、担任 AESC 副主席的 Jake Sullivan 出席会议。会议内容包括：
计算不确定性评估的最佳实践指南
11.摘要 本指南总结了当前计算量大模型不确定性评估的最佳实践。在这种情况下，计算量大的模型可以被视为需要足够长的时间才能产生结果的模型，用户拒绝使用蒙特卡罗抽样作为不确定性评估方法，因为它需要太多的模型评估才能达到所需的精度水平。本指南假设用户对可行的模型评估数量有一个（可能近似的）已知上限，并希望了解不确定性评估方法，这些方法可以在有限数量的模型评估中提供比蒙特卡罗抽样更好的结果。本指南面向熟悉不确定性评估基本思想的计量学家、科学家和工程师。熟悉《测量不确定度表达指南》[1] (GUM) 及其附录 [2, 3] 或熟悉用于不确定度评估的蒙特卡罗抽样方法的读者将能够理解本指南，并希望从中受益。