XiaoMi-AI文件搜索系统
World File Search SystemProbability
审查 ORAUT-RPRT-0085 对 ICRP 116 前后、各向同性和旋转几何的因果关系评估概率
– 所有 ICRP 116 器官（33 种 IREP 模型） – 男性和女性 – 中子（32 种中子能量）和光子（20 种光子能量） – AP、ROT 和 ISO 几何形状 – Hp(10)（个人深剂量当量）和暴露剂量 – 4 个剂量计位置（胸部中央、左领口、腰部中央、左胸口袋）
估计爱尔兰陷入经济衰退的可能性
6 委员会的“商业和消费者调查”是经济和金融事务总司针对不同行业进行的定期调查。问题的形式是“您预计贵公司的总就业人数在未来 3 个月内会如何变化？”。答案要么是“增加”，“保持不变”或“减少”。对于消费者来说，问题是“您预计该国失业人数在未来 12 个月内会如何变化？” 答案范围从“急剧增加”到“急剧下降”。在每种情况下，答案都以余额形式发布，基于正负答案之间的差异（占总答案的百分比）。
EECS598：量子计算、信息和概率
描述：经典理论无法解释重要的物理现象，这导致了我们的思维方式发生了革命性的、前所未有的变化，进而导致了 20 世纪上半叶量子力学的发展。事实证明，量子力学定律导致了一种新的概率理论（量子概率），它是经典概率理论的非交换推广。长期以来，人们一直认为信息处理和计算仅仅是数学构造，因此与自然和量子力学定律无关。在 20 世纪 80 年代，人们发现这一假设是不正确的，其影响是深远的。量子力学在通信和计算中的引入产生了新的范式（量子信息）以及计算、通信和学习领域的一些意想不到的结果。例如，现在已经发现了用于分解合数的量子算法（Shor 算法 1994）。相反，目前尚无已知的实用（即多项式时间）经典解决方案。此外，最近有人提出了用于人类认知的量子概率模型，以解释民意调查中的问题顺序效应和违反理性决策理论的行为。本课程是对这一领域的介绍。本课程的目的是发展量子计算和信息的关键概念，并提供动手量子编程技能（Qiskit 平台）。线性代数的基本工作知识是先决条件，但不需要量子力学、经典计算或信息理论的先验知识。工程、计算机科学、系统理论、物理科学和数学等所有领域的研究生都应该对这本材料感兴趣。
基于概率特征的脑电信号在线教育平台困惑学生检测
摘要：在 COVID-19 大流行期间，在线教育已成为一种重要的教育媒介。尽管在线教育具有诸多优势，但它缺乏面对面的设置，这使得分析学生的互动、理解和困惑程度变得非常困难。本研究利用脑电图 (EEG) 数据为大规模开放在线课程 (MOOC) 平台检测学生的困惑程度。现有的困惑检测方法主要侧重于模型优化，而特征工程研究得不够深入。本研究提出了一种新颖的工程方法，该方法使用基于概率的特征 (PBF) 来提高机器学习模型的效率。PBF 方法利用随机森林 (RF) 和梯度提升机 (GBM) 的概率输出作为特征向量来训练机器学习模型。通过几个带有 EEG 数据的机器学习模型，使用原始特征和 PBF 方法进行了广泛的实验。实验结果表明，通过在 EEG 数据上使用 PBF 方法，可以 100% 准确率地检测困惑的学生。 K 折交叉验证和与现有方法的性能比较进一步证实了结果。
拥有太阳能电池板对拥有电动汽车可能性的影响
摘要：包括交通运输在内的各个行业产生的温室气体排放严重损害了环境并加剧了气候变化。电动汽车越来越多地被视为缓解这些问题的一种方式，但必须使用通过环保方式产生的电力进行充电。本文使用 2017 年秋季至 2018 年春季来自十个欧洲国家的 ENABLE.EU 家庭调查数据，研究了电动汽车与太阳能光伏板之间的可能关系。根据递归双变量概率模型的估计，发现如果家庭拥有太阳能光伏板，则该家庭拥有电动汽车的概率会显著增加。这表明，鼓励使用包括储能设施的太阳能光伏板在家中为电动汽车充电的政策可以加快向使用这些汽车的过渡。
基于动态概率模型和 LSTM 网络的航空发动机预测和健康管理框架
摘要：本研究提出了一种航空发动机预测与健康管理（PHM）框架，该框架结合了动态概率（DP）模型和长短期记忆神经网络（LSTM）。采用基于高斯混合模型-自适应密度峰值聚类算法的DP模型从发动机服役开始对故障发展进行建模，具有训练时间极短、精度足够高的优点，并引入主成分分析将复杂的高维原始数据转换为低维数据。该模型可根据发动机数据的积累不断更新，以捕捉发动机故障的发生和演变过程。针对常用数据驱动方法存在的问题，采用DP+LSTM模型对发动机剩余使用寿命（RUL）进行估算。最后，利用 NASA 的商业模块化航空推进系统仿真数据集对所提出的 PHM 框架进行了实验验证，结果表明 DP 模型在故障诊断中比经典的人工神经网络方法具有更高的稳定性，而 DP + LSTM 模型在 RUL 估计中的准确率高于其他经典的深度学习方法。
结合数值模拟、人工智能和智能采样算法建立替代模型并计算城市隧道失效概率
摘要：当需要用概率方法评估城市隧道与邻近结构的相互作用时，计算能力是数值模型面临的重要挑战。因此，即使样本数量较少，智能采样算法也可以成为获得结果领域更好知识的盟友。无论如何，当采样有限时，风险评估也会受到限制。在这种情况下，人工智能 (AI) 可以通过插入结果并快速生成更大的样本来填补风险分析中的一个重要空白。人工智能算法的目标是找到一个近似函数（也称为替代模型），该函数可以重现原始数值模拟行为并且可以更快地进行评估。该函数是通过在智能采样技术获得的特殊点执行多次模拟来构建的。本文使用了一个假设案例来验证方法建议。它涉及一条深度约为三倍直径的隧道的连续挖掘，与一座七层楼的建筑物相互作用。首先，对三维数值模型 (FEM) 进行确定性求解，然后对其域和网格进行细化。之后，从 FEM 软件中以数值方式获得另外 170 个解决方案，并对所涉及的随机变量进行策略性抽样。接下来，基于 31 种人工智能技术，评估哪些变量对于预测周围建筑物地基元件的垂直位移量级最重要。然后，一旦选出了最重要的变量，就再次对 31 种人工智能技术进行训练和测试，以确定 R 平方最小的技术。最后，使用这种最佳拟合算法，可以使用大量样本（大小约为 10 7 ）来计算失败的概率。这些样本用于说明简单蒙特卡罗抽样 (MC) 和拉丁超立方抽样 (LHS) 的收敛性。本文的主要贡献是方法论上的；因此，该新程序可以汇总到与隧道相关问题相关的最先进的风险评估方法中。
通过贝叶斯概率建立模糊逻辑，神经科学和量子力学之间的新联系：人工智能和非常规计算的观点
摘要：人类与世界的互动是由不确定性主导的。概率理论是面临这种不确定性的宝贵工具。根据贝叶斯定义，概率是个人信念。实验证据支持以下观点：人类行为与感觉，运动和认知领域的贝叶斯概率推论高度一致。我们大脑的所有高级心理物理功能都被认为将新皮层中神经元的相互联系和分布式网络作为其生理底物的活性。神经元在形式为模糊集的皮质柱中组织。模糊集理论在将成员功能重新解释为可能性分布时，已经接受了不确定性建模。贝叶斯公式的术语是可以想象的，因为模糊集和贝叶斯的推论变成了模糊的推断。根据QBISM，量子概率也是贝叶斯。它们是逻辑构造而不是物理现实。它得出的是，诞生规则不过是一种总概率的量子定律。的波形和测量算子在认识论上被视为。它们两个都类似于模糊集。通过贝叶斯概率在模糊逻辑，神经科学和量子力学之间建立的新链接可能会激发人工智能和非常规计算的发展新想法。