XiaoMi-AI文件搜索系统
World File Search SystemProbabilistic
利用基于非参数的概率机器学习
图2。验证基于高斯过程的ML模型。（a）在得出的ΔKE和高斯过程之间的（a）在得出ΔKE和高斯过程的ΔKE和高斯过程之间，在得出的Δ和高斯过程之间预测了Δ（c）Δ（c）Δ（c）导出的Δ（c）范围差异的MD模拟V r和高斯过程之间的差异图预测了v r（d）概率密度函数eprots eratigre trots trots efictiationdutifeΔkekekekekekekekekekekekekekekekekekekekekekekekekekekekekekekekekekekeke的概率的函数（e）的概率（e）的概率（e）差异的百分比（e）差异。 （f）在V r的预测中，百分比误差的概率密度函数图。 HEA的动能耗散（ΔKE）和穿透深度（δ），残留速度（V r）为（a）在得出ΔKE和高斯过程的ΔKE和高斯过程之间，在得出的Δ和高斯过程之间预测了Δ（c）Δ（c）Δ（c）导出的Δ（c）范围差异的MD模拟V r和高斯过程之间的差异图预测了v r（d）概率密度函数eprots eratigre trots trots efictiationdutifeΔkekekekekekekekekekekekekekekekekekekekekekekekekekekekekekekekekekekeke的概率的函数（e）的概率（e）的概率（e）差异的百分比（e）差异。 （f）在V r的预测中，百分比误差的概率密度函数图。HEA的动能耗散（ΔKE）和穿透深度（δ），残留速度（V r）为
在神经网络上作为无限树结构概率图形模型
深神经网络（DNNS）缺乏对概率图形模型（PGM）的精确语义和确定性的概率解释。在本文中，我们通过构造与神经网络完全相对应的无限树结构的PGM提出了创新的解决方案。我们的研究表明，在正向传播过程中，DNN确实执行了PGM推断的近似值，在这种替代PGM结构中是精确的。我们的研究不仅补充了将神经网络描述为内核机器或无限大小的高斯过程的现有研究，而且还阐明了DNNS对PGMS的精确推断进行更直接的近似。潜在的好处包括改进的教学法和DNN的解释以及可以合并PGM和DNN优势的算法。
NUREG-1489，“NRC 工作人员使用概率风险评估的审查。”
NRC 工作人员将概率风险评估 (PRA) 和风险管理作为其许可和监管流程的重要组成部分。NRC 的第一个 PRA，即反应堆安全研究 (参考1)，是在 NRC 于 1975 年成立后不久完成的。从那时起，NRC 就利用风险评估来解决复杂的安全问题。风险评估的一个特殊优势是它为问题分析带来的结构，这使得它对 NRC 很有价值。也就是说，PRA 为问题分析提供了一种逻辑和结构化的方法，能够提供问题的相对和绝对安全重要性的估计，以及正在考虑的工厂设计或运营变更的利弊。风险评估的另一个重要优势是它能够定量估计与安全问题相关的不确定性以及为解决该问题而可能对工厂设计或操作进行的更改。这与员工面临的许多安全问题特别相关，这些问题通常与设施系统故障、对事故过程了解甚少以及其他不确定因素的罕见组合有关。
广义概率理论中的多系统测量及其在信息处理中的作用
广义概率理论（GPTS）提供了一个框架，可以研究一系列可能的理论，包括经典理论，量子理论以及其他理论。通常，扩大GPT的状态空间会导致更少的测量结果，因为额外的状态对效应集和测量的成分产生了更强的限制。这可能对信息处理有影响。在框世界中，可以实现任何无信号分布的GPT，在铃铛基础上没有测量的类似物，因此不可能进行纠缠交换的类似物。缺乏对Box World中多个系统的测量的全面研究。在这里，我们详细考虑了这样的测量，可以通过顺序与单个系统进行交互（称为接线）以及无法执行的测量值，以及那些无法执行的测量值。我们计算出少数输入，输出和各方的情况的所有可能的框世界效果，以识别那些是接线的效果。盒子世界的较大状态空间导致了很小的效果空间，因此盒子世界的影响广泛适用于GPT。我们还通过研究状态歧视，非局部性蒸馏和非纠缠的非局部性类似物来显示非织物用于信息处理的一些可能用途。最后，我们将结果与逻辑上一致的经典过程和情境情景的组成联系起来。通过增强对框世界中测量值的理解，我们的结果可能在研究量子理论可以基于的可能的基本原理的研究中很有用。
评估下一代宇航服的可靠性：概率分析案例研究
自成立以来，NASA 一直致力于推动航空航天科学的发展。NASA 科学技术信息 (STI) 计划在帮助 NASA 维持这一重要作用方面发挥着关键作用。NASA STI 计划由机构首席信息官主持运作。它负责收集、组织、归档和传播 NASA 的 STI。NASA STI 计划提供对 NTRS Registered 及其公共界面 NASA 技术报告服务器的访问，从而提供世界上最大的航空航天科学 STI 集合之一。研究结果在非 NASA 渠道和 NASA 的 NASA STI 报告系列中发布，其中包括以下报告类型： 技术出版物。已完成研究或重要研究阶段的报告，介绍 NASA 计划的结果并包含大量数据或理论分析。包括被认为具有持续参考价值的重要科学和技术数据和信息的汇编。与同行评审的正式专业论文相对应的 NASA 论文，但对手稿长度和图形展示范围的限制没有那么严格。 技术备忘录。初步或具有专业意义的科学和技术发现，例如快速发布报告、工作文件和包含最少注释的参考书目。不包含广泛的分析。 承包商报告。NASA 赞助的承包商和受资助者的科学和技术发现。
使用量子真空噪声的光子概率机器学习
概率机器学习利用可控的随机性来编码不确定性并启用统计建模。利用量子真空噪声的纯粹随机性，这是由于电磁磁场的流动，已经对高速和能量的随机光子元素表现出了希望。尽管如此，可以控制这些随机元素以编程可能的机器学习算法的光子计算硬件受到限制。在这里，我们实现了由可控的随机光子元件组成的光子概率计算机 - 光子概率神经元（PPN）。我们的PPN在带有真空级注入偏置的偏见的双态光学参数振荡器（OPO）中进行。然后，我们使用电子处理器（FPGA或GPU）进行了一个测量和反馈循环，以解决某些概率机器学习任务。我们展示了MNIST手写数字的概率推断和图像生成，它们是判别和生成模型的代表性示例。在两个实现中，量子真空噪声都用作随机种子来编码样品的分类不确定性或概率生成。此外，我们为通向全光概率计算平台的路径提出了一条路径，估计的采样速率约为1 Gbps，能源消耗约为5 FJ / MAC。我们的工作为可扩展，超快和能量良好的概率机器学习硬件铺平了道路。
加利福尼亚渡槽沉降计划的概率沉降预测模型
Jeffrey Unruh .............................................................................................. LCI Consultant Gabriel Toro ................................................................................................ LCI Consultant William Swanson ................................................................................. Stantec Consultant
mtrank：使用概率模型和治疗选择标准进行排名
描述 在网络荟萃分析中实现一种新颖的频率学派方法，以生成临床相关的治疗层次结构。该方法基于治疗选择标准 (TCC) 和概率排名模型，如 Evrenoglou 等人所述。 (2024) < DOI:10.48550/arXiv.2406.10612 >。TCC 使用基于最小临床重要差异的规则来定义。使用定义的 TCC，首先将研究级数据（即治疗效果和标准误差）转换成偏好格式，指示治疗偏好（例如，治疗 A > 治疗 B）或平局（治疗 A = 治疗 B）。然后使用概率排名模型合成偏好数据，该模型估计每种治疗的潜在能力参数并生成最终的治疗层次结构。此参数表示每种治疗方法胜过网络中所有其他竞争治疗方法的能力。因此，能力评估值越大，排名就越高。