XiaoMi-AI文件搜索系统
World File Search SystemStationarity
本科学位课程计划和教学大纲... - BTU
4 自回归综合移动平均 (ARIMA) 模型：自回归移动平均 (ARMA) 模型 - ARMA 模型的平稳性和可逆性 - 使用变异函数检查平稳性 - 检测非平稳性 - 自回归综合移动平均 (ARIMA) 模型 - 使用 ARIMA 进行预测 - 季节性数据 - 季节性 ARIMA 模型 使用季节性 ARIMA 模型进行预测简介 - 寻找“最佳”模型 - 示例：互联网用户数据 - 模型选择标准 - 脉冲响应函数用于研究模型之间的差异 比较竞争模型的脉冲响应函数 。
CSE 573：人工智能
随时间变化（同样，初始状态概率） o 平稳性假设：转移概率始终相同 o 与 MDP 转移模型相同，但没有动作选择 o （可增长）BN：如果我们截断链，我们总是可以对其使用通用 BN 推理
Operando电化学阻抗光谱和...
1300小时LR7，IEB摘要：电化学阻抗光谱（EIS）是一种表征电化学系统的强大非侵入性工具。 应用于锂离子电池，EIS被证明是其最先进的（SOH）的信息指标。 但是，EIS受线性和平稳性的限制限制，而锂离子电池固有地以非线性和非平稳的方式行为。 关于线性，电极上的电压是电流通过电极的非线性函数。 线性是通过在操作点上应用零均值电流激发来实现的，因此非线性函数在该范围内是准线性的。 关于时间变化，充满电和完全放电的细胞的阻抗是不同的，对于原始和老化的细胞，或在室温和冰冻环境中保持的细胞相同。 对于锂离子电池，这意味着在特定的电荷（SOC）和温度下，应以稳定状态进行EIS实验。 因此，阻抗取决于工作点（温度和SOC），线性和平稳性的限制非常限制。 最近，我们开发了Operando EIS，以揭示无法满足线性和平稳性的测量结果。 该技术允许在一个随时间变化的轨迹上测量电化学系统的阻抗，例如，在充电或排放锂离子电池时。1300小时LR7，IEB摘要：电化学阻抗光谱（EIS）是一种表征电化学系统的强大非侵入性工具。应用于锂离子电池，EIS被证明是其最先进的（SOH）的信息指标。但是，EIS受线性和平稳性的限制限制，而锂离子电池固有地以非线性和非平稳的方式行为。关于线性，电极上的电压是电流通过电极的非线性函数。线性是通过在操作点上应用零均值电流激发来实现的，因此非线性函数在该范围内是准线性的。关于时间变化，充满电和完全放电的细胞的阻抗是不同的，对于原始和老化的细胞，或在室温和冰冻环境中保持的细胞相同。对于锂离子电池，这意味着在特定的电荷（SOC）和温度下，应以稳定状态进行EIS实验。因此，阻抗取决于工作点（温度和SOC），线性和平稳性的限制非常限制。最近，我们开发了Operando EIS，以揭示无法满足线性和平稳性的测量结果。该技术允许在一个随时间变化的轨迹上测量电化学系统的阻抗，例如，在充电或排放锂离子电池时。为此，使用了非零均值随机相多电流激发，并且从电压响应的光谱中估算了沿轨迹的时间变化阻抗。
isatis.neo：使地统计学可访问
An integrated and user-friendly application for Exploratory Data Analysis enables the fast computation and display of various statistics (i.e., histograms, box plots, cross-plots, swath plots, probability plots, H- scatter plots), variograms, variogram maps, Gaussian transforms, and theoretical grade-tonnage curves just by simple drag and drop of variables.用户对Kriging或仿真所需的所有输入（变量图模型，平稳性选项，变形功能）都存储在一个专用对象中。它可以保证一致性，并使进一步的参数设置更加简单。
及时融合的基于方案的风险管理...
现代风险管理实践通常需要进行蒙特卡洛模拟，以可视化投资组合资产的未来实现。许多资产可能具有相互依存的路径，但是，将相当大的复杂性引入模拟。例如，鉴于共同行业因素，苹果和微软等公司的股票回报可能正在共同发展。目前，相互依赖性通常是通过Copulas模拟在模拟中建模的，这可能是从计算速度和平稳性假设中属于优势。代替了与Copulas的Monte-Carlo，在本文中，我们提出了一种基于注意力的模型，称为时间融合变压器（TFT）。我们表明，TFT模型可以通过在存在相互依存的因子和定性变量的情况下模拟资产的复杂动力学，从而为蒙特卡洛方法提供深度和广度等效的等效性。
spatialml：空间机器学习
地理位置加权的随机森林（GRF）是一种空间分析方法，它适合随机森林算法的局部范围，用于研究空间非平稳性，在依赖性变量和一组自变量之间的关系中。可以考虑到相邻的观测值，可以通过为空间中的每个观测值拟合子模型来实现后者。这项技术采用了地理位置加权回归的想法，Kalogirou（2003）。它以灵活的非线性方法对非平稳性进行建模，从而弥合机器学习和地理模型之间的差距。The main difference between a tradition (linear) GWR and GRF is that we can model non-stationarity coupled with a flexible non-linear model which is very hard to overfit due to its bootstrapping nature, thus relaxing the assumptions of traditional Gaussian statistics.GRF is suitable for datasets with numerous predictors due to the robustness of the random forest algo- rithm in high dimensionality.
认识性探索可概括的计划和...
本文在关系，非平稳的随机环境中介绍了一种持续计划和模型学习的新方法。这种功能对于在不确定和不断发展的现实世界中的连续决策系统的部署至关重要。在此类实践环境中工作，具有未知（和非平稳）过渡系统和不断变化的任务，所提出的框架模型模型差距在代理人的当前知识状态中，并使用它们来进行集中，调查的探索。使用这些探索收集的数据用于学习可概括的概率模型，用于解决当前任务，尽管环境动力学发生了持续变化。在几个非平稳基准领域上的经验评估表明，这种方法在样本复杂性方面显着优于计划和RL基准。理论结果表明，当平稳性保持时，该系统表现出理想的收敛性。
工程物理学
简介：学习本课程的动机、必修基础数学复习、实线子集上概率与长度的关系、概率形式定义、事件与$\sigma$代数、事件独立性与条件概率、事件序列与Borel-Cantell引理。随机变量：随机变量的定义、随机变量的类型、CDF、PDF及其性质、随机向量与独立性、随机变量变换简介、高斯随机向量简介。数学期望：通过例子了解平均值的重要性、期望的定义、矩与条件期望、MGF、PGF与特征函数的使用、方差与k阶矩、MMSE估计。不等式与收敛概念：马尔可夫、切比雪夫、切尔诺夫与Mcdiarmid不等式、概率收敛、均值与几乎必然、大数定律与中心极限定理。随机过程的简要介绍：示例和正式定义、平稳性、自相关和互相关函数、遍历性的定义。
转型经济中能源消耗对工业增长的影响：来自尼日利亚的证据
本研究调查了能源消费对工业增长的影响。所用变量包括：制造业增加值（因变量）、电力消耗、人均收入、汇率、进出口，使用尼日利亚 1985 年至 2017 年的年度时间序列数据。使用 OLS 回归方法估算所研究期间的方程。进行单位根检验、协整检验和格兰杰因果关系，分别检验平稳性、长期关系和因果关系。结果显示，电力消费与工业增长之间存在负相关且不显著的关系。单位根检验表明，除汇率外，所有变量都是一阶积分，汇率在水平上是平稳的。协整检验表明存在长期关系。格兰杰因果关系表明了尼日利亚工业的增长假设。总体而言，本文强调电力供应不足对工业和企业运作的危害，这进一步恶化了尼日利亚经济的整体增长。