XiaoMi-AI文件搜索系统
World File Search SystemShafer
Dempster-Shafer 理论中的证据组合
注意：本报告是作为美国政府机构赞助的工作的记录而编写的。美国政府、其任何机构、其任何雇员、其任何承包商、分包商或其雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务，并不一定构成或暗示美国政府、其任何机构或其任何承包商或分包商对其的认可、推荐或支持。本文表达的观点和意见不一定代表或反映美国政府、其任何机构或其任何承包商的观点和意见。
页面证明未决出版物
先生。 Shafer：问：您好，A.T。正如您几次听到的那样，我叫Christian Shafer。我代表学区。先生。 Shafer：Goetz女士在开始之前，我们在以前的证词中规定的一件事是在整个学生的名字中都使用缩写。如果您是，我愿意再次同意这一点？ms。 Goetz：是的，我们是。先生。 Shafer：Carl女士，我可能会使用学生的名字，但是如果我们可以将其简化为记录中的缩写，那么[5]就会很棒。先生。 Shafer：Q. A.T.，您能说出并为法院记者拼写您的名字。A. A.T.，{name拼写}。Q. A.T.，您是否曾经进行过沉积？A.我没有。Q. 您在场，Goetz女士在此案之前进行的一部分进行了证词，对吗？ A.我是。 Q. 您还记得Goetz女士在沉积物开始时是否有一些介绍性的问题/基本规则，她在沉积真正开始之前就经历过？ A.我记得各方之间的讨论，是的。 Q. 好吧。 我将浏览这些版本。 首先，您知道，法院Q.您在场，Goetz女士在此案之前进行的一部分进行了证词，对吗？A.我是。Q. 您还记得Goetz女士在沉积物开始时是否有一些介绍性的问题/基本规则，她在沉积真正开始之前就经历过？ A.我记得各方之间的讨论，是的。 Q. 好吧。 我将浏览这些版本。 首先，您知道，法院Q.您还记得Goetz女士在沉积物开始时是否有一些介绍性的问题/基本规则，她在沉积真正开始之前就经历过？A.我记得各方之间的讨论，是的。Q. 好吧。 我将浏览这些版本。 首先，您知道，法院Q.好吧。我将浏览这些版本。首先，您知道，法院
人工智能中不确定性的表现：超越概率和可能性
统计推断证据范式的扩展，而 Shafer 将这些上限和下限概率解释为可信度和信念函数，而不参考具有一对多映射的底层概率空间。这样获得的方法被 Shafer 称为证据理论。它专门用于表示和合并不可靠的证据。相反，由于对随机变量的观察不完整，Dempster 设置中的上限和下限概率也可能模拟未知的概率。第二个想法是使用（凸）概率集，要么是因为统计模型不为人所知，要么是因为生成主观概率的通常协议发生了改变，承认与风险事件相关的彩票的买卖价格可能不同。后者是沃利低预测和不精确概率理论的基础。事实证明，沃利的框架在数学上比 Dempster-Shafer 理论更通用。本章介绍了贝叶斯概率论的这些概括。
近同侪辅导计划
编辑并撰写者有 Emily J. Griffith 1 和 Gloria Lee 2、Joel C. Corbo 3、Gabriela Huckabee 4、Hannah Inés Shamloo 5、Gina Quan 6、Anna Zaniewski 7、Noah Charles 8、Brianne Gutmann 6、Gabrielle Jones-Hall 9、Mayisha Zeb Nakib 10、Benjamin Pollard 11,12、Marisa Romanelli 10、Devyn Shafer 13、Megan Marshall Smith 14、Chandra Turpen 15
第八届全国人工智能学术会议综述...
Carole Beal、Nort Fowler、Pat Langley、Mark Drummond、Matt Ginsberg 和 Glenn Shafer（他们挑战我描述 AT 方法论）；以及 Adele Howe、Cynthia Loiselle、Scott Anderson、Dave Hart 和 EKSL 的其他成员。我特别感谢海军研究办公室的 Alan Meyrowitz，在我休假期间给予智力和资金支持，这促使我在 MAD 方法论中进行首次实验并完成这项工作。
2025 HIV-1中耐药性突变的更新
Wensing博士（荷兰大学医学中心）和南非约翰内斯堡Witwatersrand大学的Ezintsha和Ezintsha； Calvez博士，Pierre et Marie Curie大学和法国巴黎的Pitié-Salpêtrière医院；意大利罗马的罗马·托尔加塔大学塞切里尼 - 塞尔伯斯坦博士；巴黎城大学和法国Bichat-Claude Bernard医院Charpentier博士；瑞士苏黎世大学苏黎世大学医院医学院和医学病毒学研究所的Günthard博士；雅各布森女士，国际抗病毒学会 - 美国，加利福尼亚州旧金山； Paredes博士，传染病系和IRSICAIXA，西班牙巴达洛纳的Dermans Trias I Pujol医院；加利福尼亚州斯坦福大学医学院的Shafer博士；加州大学圣地亚哥分校的Richman博士（小组副主席）Wensing博士（荷兰大学医学中心）和南非约翰内斯堡Witwatersrand大学的Ezintsha和Ezintsha； Calvez博士，Pierre et Marie Curie大学和法国巴黎的Pitié-Salpêtrière医院；意大利罗马的罗马·托尔加塔大学塞切里尼 - 塞尔伯斯坦博士；巴黎城大学和法国Bichat-Claude Bernard医院Charpentier博士；瑞士苏黎世大学苏黎世大学医院医学院和医学病毒学研究所的Günthard博士；雅各布森女士，国际抗病毒学会 - 美国，加利福尼亚州旧金山； Paredes博士，传染病系和IRSICAIXA，西班牙巴达洛纳的Dermans Trias I Pujol医院；加利福尼亚州斯坦福大学医学院的Shafer博士；加州大学圣地亚哥分校的Richman博士（小组副主席）
基于L1-Norm和Dempster-Shafer理论的CSP的内部特征选择方法
摘要 - 常见的空间模式（CSP）算法是一种公认的空间过滤方法，用于运动成像（MI）基于脑部计算机的特征提取方法（BCIS）。然而，由于非统计学对电向形态学（EEG）的影响以及CSP目标函数的固有缺陷，空间滤波器以及它们相应的特征在CSP中使用的特征空间中不一定是最佳的。在这项工作中，我们设计了一种新功能选择方法来通过基于改进的目标函数选择功能来解决此问题。，改进是通过压制异常值和发现较大阶段距离的功能进行的。此外，提出了一种基于Dempster - Shafer理论的融合算法，该算法考虑了特征的分布。有了两个竞争数据集，我们首先根据分类精度，特征分布和嵌入性评估了改善目标函数的性能。然后，在精度和计算时间都进行了与其他特征选择方法的比较。实验结果表明，所提出的方法消耗的额外计算成本较少，并导致基于MI的BCI系统的性能显着提高。
西孟加拉邦政府
最佳五篇出版物 R Bhattacharyya、S Mukherjee，通过非线性回归进行模糊隶属函数评估：一种算法方法，模糊信息与工程，12(4)，412–434，2021 [Taylor & Francis 出版物] GSM Thakur、R Bhattacharyya、S Sarkar。使用 Dempster–Shafer 证据理论进行股票投资组合选择，沙特国王大学杂志——计算机与信息科学版。30(2)，223 - 235 2018 [ELSEVIER 出版物] [影响因子：13.473] R Bhattacharyya、SA Hossain、S Kar。用于投资组合选择的模糊交叉熵、均值、方差、偏度模型。沙特国王大学杂志——计算机与信息科学版。 26, 79 – 87, 2014 [ELSEVIER 出版物] [影响因子：13.473] R Bhattacharyya、P Kumar、S Kar。相互依赖项目的模糊研发组合选择。计算机与应用数学。62(10)，3857-3870，2011 [ELSEVIER 出版物]。[影响因子：3.476] R Bhattacharyya、S Kar、DD Majumder。通过区间分析实现的模糊均值 – 方差 – 倾斜组合选择模型。计算机与应用数学。61(1)，126-137，2011 [ELSEVIER 出版物]。[影响因子：3.476]
融合社交网络数据与硬数据
摘要 —Twitter、Facebook 和 Flickr 等社交网站在传播有关自然灾害、恐怖袭击和其他事件的突发新闻方面发挥着重要作用。由于数百万用户定期访问这些网站发布和阅读新闻，因此它们是向大众传递即时新闻的第一手信息来源。因此，通过探索有效的数学技术，如 Dempster-Shafer 理论和改进的 Dempster 组合规则，我们可以处理来自这些网站的大量数据，以便及时提取有用的信息。在监控相关应用中，处理大量社交网络数据的目的是在革命和恐怖袭击等事件发生之前进行预测。通过将这些网站的软数据（通常不可靠）与雷达和自动识别系统 (AIS) 等传感器的硬数据（更可靠）融合，我们可以提高事件预测能力。在本文中，我们提出了一类算法，以有效的方式将硬传感器数据与软社交网络数据（推文）融合。还介绍了使用真实 AIS 数据的初步结果。
smra3003人工智能与专家系统
课程目标 1.了解人工智能和专家系统的基本概念。2. 提供人工智能所涉及的各种技术和工具的知识。单元 1 简介 简介：历史、人工智能的定义、人类认知过程的模拟、知识搜索权衡、存储知识、语义网络。建模的抽象视图、基础知识。计算逻辑、使用简单逻辑连接词分析复合语句、谓词逻辑、知识组织和操作、知识获取。单元 2 人工智能中的编程和逻辑 LISP 和其他编程语言 - LISP 简介、语法和数值函数、LISP 和 PROLOG 区别、输入输出和局部变量、交互和递归、属性列表和数组替代语言、形式化符号逻辑 - WFRS 的属性、非演绎推理方法。不一致和不确定性 - 真值维护系统、默认推理和封闭世界假设、模型和临时逻辑。单元 3 搜索方法和知识表示 模糊逻辑 - 概念、模糊逻辑简介（带示例）、概率推理、贝叶斯概率推理、Dempstor Shafer 理论、可能世界表示、Ad-Hoc 方法。结构知识：图形、框架和相关结构、面向对象表示 - 对象类、消息和方法、使用 OOPS 程序的模拟示例、OOP 语言。搜索和控制策略 - 概念、搜索问题、统一或 Blined 搜索、搜索 AND – OR 图。