XiaoMi-AI文件搜索系统
World File Search SystemWeighting
基于深度学习的图像分类
摘要：图像分类技术是计算机视觉领域的核心研究方向，随着深度学习技术的发展，研究人员广泛关注的重点。尽管卷积神经网络（CNN）在图像处理方面取得了革命性的进步，但仍然存在诸如过度拟合和处理多种数据集的复杂性之类的问题。本文提出了由卷积神经网络（CNN）模块和时频复合加权模块组成的混合模型。CNN模块有效地执行了深层提取，而时频复合权重模块能够实现更好的性能。通过CIFAR 10的实验验证，本文证明了混合模型在图像分类任务上的出色性能，精度为90％。本文的结果不仅证明了将不同的深度学习体系结构相结合以提高图像分类精度的有效性，而且还为开发未来图像处理技术的开发提供了新的想法和方法。
使用 TOPSIS 模型增强 3D 沉浸式环境中的认知负荷评估
研究提出了基于感知的认知工作量评估方法，以帮助 VR 开发人员和用户在使用 VR 应用程序时测量他们的工作量。基于生物传感器测量工作量的方法已经取得了显著进展，而基于主观方法的评估仍然依赖于标准问卷，例如 NASA-TLX 表、主观工作量评估技术和改良的 Cooper Harper 量表。预定义的问题使操作员能够比使用生物反馈更轻松地进行实验和分析数据。然而，由于用户之间未察觉的内部变化和未知因素，主观评估过程可能会使结果产生偏差。因此，有必要有一种方法来处理和分析这种不确定性。我们建议使用按与理想解决方案的相似性排序性能技术 (TOPSIS) 模型来分析 NASA-TLX 表以测量整体用户工作量，而不是使用经典的加权总和法。为了展示 TOPSIS 方法的优势，我们进行了用户实验来验证该方法及其在 VR 中的应用，同时考虑了包括 VR 平台和场景密度在内的因素。测试了三种不同的加权方法，包括模糊逻辑中的模糊层次分析法 (AHP)、基于成对比较的经典加权法和均匀加权法，以了解 TOPSIS 模型的适用性。TOPSIS 的结果一致
149 公里路径上的光学湍流测量
摘要。使用数码相机和发光二极管 (LED) 信标进行了一项实验，研究了莫纳罗亚山和哈莱阿卡拉山之间 149 公里路径上的湍流。大部分路径都在海洋上，路径的一大部分位于海平面以上 3 公里。在莫纳罗亚山一侧，六个 LED 信标以大致线性阵列放置，每对间距为 7 至 62 米。从哈莱阿卡拉山一侧，一对相距 83.8 厘米的相机观察了这些信标。沿路径的湍流会引起波前倾斜，从而导致图像中的 LED 点发生位移。图像运动是由不必要的噪声源（例如相机平台运动）引起的。点之间的差分运动抵消了大部分噪声，并且这种差分运动会根据源和相机之间的几何形状以不同的方式受到沿路径湍流的加权。开发了一种相机运动不敏感的加权函数来处理这个观察问题。然后使用这些加权函数的线性组合来生成复合加权函数，该函数可以更好地抑制源和接收器附近的湍流，并且对路径越过海洋部分的湍流最为敏感。该技术用于估计此区域的湍流。所涉及的长距离导致图像中出现非常强烈的闪烁，这给数据处理带来了新的挑战。对 C 2 n 的结果估计为 4 × 10 − 17 m − 2 ∕ 3，与 Hufnagel – Valley HV5/7 模型和数值天气建模的结果高度一致。© 作者。由 SPIE 根据 Creative Commons Attribution 4.0 Unported 许可证发布。分发或复制本作品的全部或部分内容需要完全署名原始出版物，包括其 DOI。[DOI：10.1117/1.OE.59.8.081806]
怀俄明州经济指标
方法：从 2005 年 1 月开始，上述各组成部分的每个系列都进行了标准化，因此每个组成部分和 WEHI 的值均为 100。随着每个组成部分每月的变化，WEHI 值也会发生变化。接下来，计算每个组成部分标准化系列值的标准差，然后计算每个组成部分标准差的倒数。最后，对各个倒数标准差进行标准化，从而得出总和为 1 的权重。这种加权方法的原理是，随着时间的推移，更稳定的组成部分的标准差较小，因此倒数标准差和权重较大。通常稳定的数据系列的大幅变化比通常波动较大的数据系列的大幅变化更能表明经济发生了变化。因此，这种加权方法允许 WEHI 赋予更稳定的组成部分更大的权重，这样，如果它们确实发生了大幅变化，WEHI 的值将受到更大的影响，以代表该州经济状况的变化。
twang软件包的指南
通过估计和评估二进制，多项式和时变的倾向得分和相关权重，用于对观察数据的因果关系以及相关权重，用于支持观察数据的因果模型的一组功能和程序，用于对观察数据的因果建模，进行了加权和分析工具包。 此软件包在2004年开发。 Twang包在2012年和2020年进行了大量修订。 从版本2.0开始，Twang软件包包括改善计算效率的修订版。 为Twang的先前版本编写的代码仍应在没有修改的情况下运行。 但是，在某些情况下，Twang更新版本的结果将不再复制先前的结果。 如果用户希望从先前版本的Twang复制结果，则必须指定一个新的选项（版本=“传统”）。 本教程提供了twang的介绍，并通过说明性示例演示了其用途。 感兴趣的读者可以在https://www.rand.org/statistics/twang/tutorials.html上查看两个以上治疗组的相关教程和时间变化的治疗。 Twang支持的方法的基础是倾向得分。 倾向得分是将特定情况分配或暴露于治疗条件的概率。 Rosenbaum＆Rubin（1983）表明，知道倾向得分足以将治疗对结果的影响与观察到的混杂因素分开，只要有必要的条件。 文献中现在有许多倾向评分方法。进行了加权和分析工具包。此软件包在2004年开发。Twang包在2012年和2020年进行了大量修订。从版本2.0开始，Twang软件包包括改善计算效率的修订版。为Twang的先前版本编写的代码仍应在没有修改的情况下运行。但是，在某些情况下，Twang更新版本的结果将不再复制先前的结果。如果用户希望从先前版本的Twang复制结果，则必须指定一个新的选项（版本=“传统”）。本教程提供了twang的介绍，并通过说明性示例演示了其用途。感兴趣的读者可以在https://www.rand.org/statistics/twang/tutorials.html上查看两个以上治疗组的相关教程和时间变化的治疗。Twang支持的方法的基础是倾向得分。倾向得分是将特定情况分配或暴露于治疗条件的概率。Rosenbaum＆Rubin（1983）表明，知道倾向得分足以将治疗对结果的影响与观察到的混杂因素分开，只要有必要的条件。文献中现在有许多倾向评分方法。倾向得分具有平衡属性，鉴于倾向得分的倾向分数分布治疗案例的特征分布与控制案例的特征相同。通常尚不清楚治疗选择概率，但对它们的良好估计值可以有效地减少或消除治疗群体差异和治疗结果之间在治疗效果时的混淆。他们差异如何估计倾向得分（例如逻辑回归，购物车），目标估计（例如对处理过的人口治疗效果的影响，以及它们如何利用所得的估计倾向得分（例如层次，匹配，加权，双重稳健估计器）。我们最初开发了一个特定过程的Twang包装，即广泛的增强回归，以估计比较病例的倾向得分和加权，以估计处理过的（ATT）的平均治疗效果。但是，我们已经更新了包裹，以有意义地处理利益在于使用人口权重的情况（例如，比较和治疗案例的加权和治疗案例以估计人口平均治疗效果，ATE）。
欧洲深度科技——机遇与发现
1. 基于欧洲和北美的 115 只深度科技基金和 1,572 只传统基金，成立年份在 2003 年至 2020 年之间 2. 计算方法是将每只基金的净内部收益率与其最终基金规模加权，即大型基金对加权内部收益率的影响大于小型基金
欧洲深度科技——机遇与发现
1. 基于欧洲和北美的 115 只深度科技基金和 1,572 只传统基金，成立年份在 2003 年至 2020 年之间 2. 计算方法是将每只基金的净内部收益率与其最终基金规模加权，即大型基金对加权内部收益率的影响大于小型基金
使用
在制造玻璃纤维船的过程中，有许多供应商为船提供主要材料，其中之一是CSM。选择和评估关键材料供应商是最重要的供应链活动之一。在选择和评估供应商的过程中，Sidoarjo的造船公司通常面向最低价格，这会导致诸如材料交付的延迟等问题。这些问题可能会造成造船厂的重大损失。这项研究旨在分析标准，标准和替代供应商的权重值，以便公司可以获得可以提供造船厂所需的组件的最佳切碎的链垫（CSM）供应商。本研究使用AHP方法来确定符合公司标准的标准，子标准和替代供应商。基于标准之间的加权结果，质量标准的最高权重是在0.475处获得，并且根据亚标准之间的权重结果，产品规范亚标准的最高权重为0.208。基于供应商之间绩效评估的结果，发现KKT07FBG供应商是重量为0.110的最佳供应商。关键字：AHP，评估，绩效，供应商，供应链管理
Advanced Certificate in Mechanical Engineering
Assessment Technique (s) including weighting (s) The Advanced Craft Certificate grade is based on a weighted average of all unit result grades. Assessment approach varies from one unit to another. During every unit of study there is a minimum number of continuous assessments which the learner must undertake. This could be in the form of small tests and assignments and research. For the final unit assessments, in most cases a learner will have to sit for both a theory paper which can be multiple choice, structured or a mixture and a practical for skills demonstration. Work based experience (WBE) is a compulsory unit and is assessed by the supervisor in the work place for full-time learners and through compilation of a portfolio and assessed against the performance criteria for the different elements in the WBE unit for learner on part-time. To attain the required standard, a minimum of a pass grade must be achieved in all assessments prescribed . Pass mark for every unit on the programme is 55%. As per SIT Assessment Policy, the final mark for a unit is made up of 40% of all continuous assessments plus 60% from the results of the final unit assessment (s) and the following grades and corresponding marks are used Not yet Competent- NYC-0 - 54% Pass - P - 55%-69% Credit or Merit - M or C - 70% - 84% Distinction - D - 85%+ -