XiaoMi-AI文件搜索系统
World File Search SystemProbabilistic
PrEF：通过 Copula 进行概率电力预测 - ...
电力预测对现代电力系统的关键决策具有重要意义，包括发电、输电、配电等。在文献中，传统的统计方法、机器学习方法和基于深度学习（例如循环神经网络）的模型用于模拟电力时间序列数据的趋势和模式。然而，它们要么受到确定性形式的限制，要么受到概率假设独立性的限制——从而忽略了电力数据分布之间的不确定性或显著相关性。反过来，忽略这些可能会导致误差累积，尤其是在依赖历史数据并旨在进行多步预测时。为了克服这些问题，我们提出了一种名为概率电力预测 (PrEF) 的新方法，该方法提出了一个非线性神经状态空间模型 (SSM)，并将 copula 增强机制纳入其中，该方法可以从大规模电力时间序列数据中学习不确定性依赖性知识并了解各种因素之间的交互关系。我们的方法通过其可追溯的推理过程和提供高质量概率分布预测的能力与现有模型区分开来。在两个真实世界电力数据集上进行的大量实验表明，我们的方法始终优于其他方法。
能源系统规划的概率途径完整...
‘国家电网ESO的主要责任之一是计划英国未来的电网基础设施，以确保安全，可持续性和供应能力。随着能源转变的加速，与长期计划和决策相关的复杂性和不确定性增长'
量子纠缠和概率行为的物理起源
量子力学的纠缠和概率行为是根据量子场理论（QFT）的进步来查看的。尤其是爱因斯坦的Bohm版本（B-EPR），Podolsky，Rosen（EPR）实验，现在借助QFT的现代电子数据来查看。在QFT中，自由电子具有裸露的核心，周围是“敷料”。该敷料由一个或多个在绑定电子的分娩期间从真空中拉出的一个或多个虚拟颗粒/场。在QFT中，通过消除Bremsstrahlung的能量损失来帮助一个绑定的电子自由。本文借助“随机矢量范式”（RVP），使用QFT的自由电子结构开发了“缝隙”数值模型。RVP简单地将QFT的自由电子表示为裸露的核心，并由EM敷料表达。使用此RVP，我们将新近释放的电子带有1/2的矢量样EM旋转特性。由此，蒙特卡洛计算机分析提供了贝尔所述的B-EPR经验的详细比较。纠缠财产可以提供一种运输共享编码信息的方法。总体而言，电子敷料可以传达可能为QM提供其纠缠和概率行为的随机元素。关键字
基于概率波动的会员推理攻击
摘要 - 富含广泛和流动的培训数据，生成模型在多个领域表现出了非凡的创造力。尽管如此，如何避免滥用对隐私敏感和版权的数据仍然是一个开放的问题。会员推理攻击（MIAS）通过推断可疑数据记录是机器学习模型的培训数据的一部分，从而提供了潜在的补救措施。尽管针对常规分类模型的MIA已引起了很大的关注，但最近的研究已开始研究MIA在生成模型中的应用。我们的研究表明，针对生成模型量身定制的当前MIA严重依赖于目标模型中存在的过度拟合。但是，可以通过应用各种正则化技术来缓解过度拟合，从而导致现有MIA在实际情况下的表现不佳。与过度拟合相比，记忆在使深度学习模型实现最佳性能中起着至关重要的作用，从而使其变得更加普遍。在生成模型中，记忆表现为围绕成员记录的记录的概率分布的上升趋势。因此，我们提出了一种评估成员推理攻击（PFAMI）的概率波动，这是一种新型的MIA框架，旨在通过分析围绕特定记录的概率波动来识别记忆模式来推断成员资格。我们的代码和数据集可在以下链接1中找到。我们对各种生成模型和多个数据集进行了广泛的实验，这表明PFAMI与表现最好的基线相比，PFAMI将攻击成功率（ASR）提高了约27.9％。
同行评审文件概率的光子计算与...
在本手稿中，作者提出了一种使用物理噪声源（或称为熵源）进行随机变量进行概率分布计算的方法。这项工作是基于研究小组以前通过WDM和带有相变内存的光子横杆阵列的矩阵乘积乘法的工作。对我的理解，在这里，他们提出适应相同的硬件来操纵“混乱的光”以独立控制输出概率分布的平均值和差异，并使用WDM启用“单次镜头”读数此类概率分布。我想向作者努力详细地详细解释其系统的物理学，并在主要文本和补充材料中以很高的清晰度来解释其系统的物理。尽管我对这种方法的实际好处有保留，但从学术角度来看，这个想法听起来很有趣和新颖。我会向编辑接受次要修订。下面我将列举一些我认为需要改进的几点。
概率神经网络（PNN）和K ...
印度尼西亚尼格利·塞马朗大学摘要。目的：本研究旨在比较PNN和K-NN算法，以确定用于糖尿病分类的准确性和速度。方法：本研究中使用了两种算法，即概率神经网络（PNN）和K-Nearest邻居（K-NN）。使用的数据是PIMA印第安人糖尿病数据库。数据集包含768个带有8个属性和1个目标类别的数据，即无糖尿病为0，糖尿病为1个。数据集已分为80％的培训数据和20％的测试数据。结果：实现K折交叉验证后获得精度（k = 4）。准确性结果表明，与PNN相比，K-NN算法具有更好的快速性。K-NN算法的所有功能的精度为74.6％，四个功能的精度为78.1％。新颖性：本文的新颖性是通过关注分类算法中的数据预处理，特征选择和K折的交叉验证来优化和提高准确性。关键字：数据挖掘，功能选择，K-折叠验证，k-nearest邻居，2023年2月6日收到的概率神经网络 / 2023年2月9日 / 2023年9月14日接受修订。
金属构件疲劳寿命的概率设计方法
在本研究中，开发了一个通用概率设计框架，用于预测金属硬件的循环疲劳寿命，所采用的方法解决了实验数据和计算模型中的不确定性。该方法涉及：（i）在 Ti6Al4V 材料试样上进行的疲劳试验数据，（ii）基于连续损伤力学 (CDM) 的材料本构模型，用于模拟材料的循环疲劳行为，（iii）基于方差的全局灵敏度分析，（iv）用于模型校准和不确定性量化的贝叶斯框架，以及（v）在不确定性下的计算寿命预测和概率设计决策。使用实验数据进行计算分析的结果证明了在存在不完整和噪声数据的情况下，概率设计方法用于模型校准的可行性。此外，使用概率设计方法可以评估计算模型预测的疲劳寿命的可靠性。[DOI: 10.1115/1.4038372]
使用概率 FMEA 对安全气囊系统进行安全性分析...
故障模式和影响分析 (FMEA) 是一种推断系统或系统组件故障可能导致的系统危害的技术。传统上，FMEA 不考虑这些故障可能发生的概率。最近，通过将随机模型检查技术集成到 FMEA 流程中来解决此缺点。进一步的改进是集成了随机模型反例生成技术，我们在本文中提出了这一技术。反例通过提供哪些组件对整个系统故障贡献最大的信息，促进了潜在不安全系统的重新设计。通过将这种新颖的 FMEA 流程方法应用于我们的工业合作伙伴 TRW Automotive GmbH 提供的安全气囊系统案例研究，说明了其实用性。
最终用户编程，概率编程和生成AI
“对于大多数人来说，英语比使用符号要容易得多因此，我认为数据处理器应该能够用英语编写程序，并且计算机将它们转换为机器代码。那是Cobol的开始。”后海军上将恩典料斗