摘要本文是关于估计网络物理系统(CPS)的网络弹性的估计。我们定义了两个新的弹性估计指标:k-步骤性和ℓ-对监控性。他们旨在帮助设计师在面对隐形攻击时评估和增加CPS的网络释放能力。k-步骤度量指标反映了控制器对单个植物状态变量作用的能力,至少可以处理k个功能多样的输入信号的k个不同组。ℓ-对测量性度量指示控制器可以监视具有不同功能多样的输出组的单个植物状态变量的能力。配对,指标导致CP达到(k,ℓ) - 弹性。当K和ℓ都大于一个时,CP可以吸收并适应控制输入和输出信号的控制理论攻击。我们还将参数K和ℓ与系统的可恢复性联系起来。我们定义可恢复性策略来减轻犯罪攻击的影响。我们表明,可以通过组合硬件和软件中的冗余和多样性来增强K和ℓ的值,以应用移动的目标范例。我们通过模拟和数字结果验证该方法。
Mondal,Hafijull和Das,Anamika Dr.,“探索图书馆和信息科学文献中的趋势:从全球角度来看的科学计量分析”(2024年)。图书馆哲学和实践(电子杂志)。8225。https://digitalcommons.unl.edu/libphilprac/8225
摘要:在本文中,我们描述了两种相关的制图数据处理和可视化的脚本方法,这些方法提供了具有不同算法复杂性的日本的2D和3D映射。第一个算法利用通用映射工具集(GMT),该算法被称为基于高级控制台的空间数据处理程序。GMT的模块结合了脚本的功能与地球信息学的各个方面,这对于大型地理空间数据集,多格式数据处理以及2D和3D模式中的映射特别有效。第二算法介绍了R编程语言用于制图可视化和空间分析。此r方法利用“ tmap”,“栅格”,“地图”和“ mapdata”的软件包来建模日本群岛的形态计量元素,例如坡度,山坡,山坡和高程。R的通用图形软件包“ GGPLOT2”用于映射日本的县。这两种脚本方法证明了编程语言与使用脚本进行数据处理确定的制图之间建立的对应关系。,由于它们的数据处理高自动化,因此他们的表现优于几种著名和最先进的GIS方法,用于映射。制图在很大程度上反映了数据科学的最新进展,脚本语言的快速发展以及数据处理方法的转移。这扩展到从传统GI到编程语言的转变。作为对这些新挑战的回应,我们在本文中证明了在映射中使用脚本的优点,这些优点包括可重复性和脚本在类似作品中的可观适用性。
摘要:人口增长,再加上工业和农业发展,导致对淡水供应的需求增加。对于缺水稀缺的国家,淡化构成了解决此问题的唯一可行解决方案。反渗透(RO)技术已被广泛使用,因为膜材料已升级并降低了成本。现在,RO是最重要的技术,用于化下不同类型的水,例如海水,咸水和自来水。但是,它的设计至关重要,因为许多参数都参与获得良好的设计。大量使用RO鼓励建立一种促进设计过程的程序,并有助于获得最佳性能RO脱盐系统。本文提供了一个分为三个部分的过程:(1)对RO参数进行分类; (2)按一定顺序选择pa-armeters,然后通过12个步骤进行计算过程; (3)然后在RO系统分析(ROSA)软件上插入所选参数和获得的值。然后,通过创建一个使用ROSA的RO系统设计阶段遵循的算法图表来总结这些点。然后以拟议列表上的一个示例进行验证以验证该过程,并进行了对参数的不同值进行比较。这项比较研究的结果表明,选择不同的参数会影响RO系统的生产力。此外,每个设计都有特定的最佳参数集,这取决于用户设置的限制。
隶属关系1。荷兰尼杰梅根大脑,行为和认知研究所2.语言和遗传学系,荷兰Nijmegen,Max Planck心理语言学研究所。3。鼠标成像中心,生病儿童医院,多伦多,安大略省,M5T 3H7,加拿大4。美国马萨诸塞州波士顿哈佛医学院遗传学系。 5。 美国马萨诸塞州波士顿的杨树和妇女医院病理学系。 6。 美国马萨诸塞州波士顿哈佛医学院遗传学系。 7。 美国马萨诸塞州波士顿的杨树和妇女医院病理学系。 8。 哈佛大学哈佛大学,哈佛大学,美国马萨诸塞州剑桥。 9。 牛津大学,牛津大学牛津大学,牛津郡,牛津郡,牛津大学,奥克斯39du,英国10。 荷兰尼杰梅根拉德布德大学医学中心人类遗传学系。 11。 医学成像系,拉德布德大学医学中心,邮政信箱9101,荷兰尼亚梅根美国马萨诸塞州波士顿哈佛医学院遗传学系。5。美国马萨诸塞州波士顿的杨树和妇女医院病理学系。6。美国马萨诸塞州波士顿哈佛医学院遗传学系。 7。 美国马萨诸塞州波士顿的杨树和妇女医院病理学系。 8。 哈佛大学哈佛大学,哈佛大学,美国马萨诸塞州剑桥。 9。 牛津大学,牛津大学牛津大学,牛津郡,牛津郡,牛津大学,奥克斯39du,英国10。 荷兰尼杰梅根拉德布德大学医学中心人类遗传学系。 11。 医学成像系,拉德布德大学医学中心,邮政信箱9101,荷兰尼亚梅根美国马萨诸塞州波士顿哈佛医学院遗传学系。7。美国马萨诸塞州波士顿的杨树和妇女医院病理学系。8。哈佛大学哈佛大学,哈佛大学,美国马萨诸塞州剑桥。9。牛津大学,牛津大学牛津大学,牛津郡,牛津郡,牛津大学,奥克斯39du,英国10。荷兰尼杰梅根拉德布德大学医学中心人类遗传学系。11。医学成像系,拉德布德大学医学中心,邮政信箱9101,荷兰尼亚梅根
Josephson行动波参数放大器 / Guarcello的建模,Claudio;瓜里诺(Guerino)Avallone;卡洛男爵; Borghesi,Matteo;头发,西尔维亚; Carapella,Giovanni;安娜·保罗(Anna Paola)装满; Carusotto,Iacopo; Cian,Alessandro; Daniele的Gioacchino; Enrico,Emanuele; Paolo的Falferi;法萨(Fasolo),卢卡(Luca); Faverzani,Marco;费里(Ferri),埃琳娜(Elena); Filatrella,Giovanni; Gatti,Claudio; Giachero,Andrea; Damiano Giubertoni; Veronica Granata;希腊,安吉洛;拉布兰卡(Danilo);狮子座,安吉洛; Ligi,卡洛; Maccarrone,Giovanni; Federica Mantegazzini; Margesin,Benno; Maruccio,朱塞佩; Mauro,君士坦丁; Mezzena,Renato;莫特杜罗,安娜·格拉齐亚; nucciotti,安吉洛;卢卡·奥伯托(Oberto); Origo,卢卡; Pagano,Sergio; Pierro,Vincenzo; Piersanti,卢卡; Rajteri,毛罗; Alessio Rettaroli;里萨托,西尔维亚;范特,安德里亚; Zannoni,马里奥。- 在:IEEE超导性上的IEEE交易。- ISSN 1051-8223。-33:1(2023),pp。1-7。[10.1109/tasc。 2022.3214751]
摘要。鉴于从属于物种的个体人群中观察到的样本,“物种采样”问题(SSP)要求估计来自同一人群的其他不可观察的不可观察的物种组成的某些特征。在SSP中,估计概率的问题,未见物种的数量以及过去的三十年中出现了,因为它是Nu-Ober方法论和应用工作的主题,主要是在生物学科学中,主要是在统计机器学习,电气工程,电气工程学,理论上的com-Putercutercorcecorcerscocicor,Mecord acter Science,Insperion actersic和Foresicsic和Foresicsic和Forsensic和Foresicsic和Forsensic和Forsensic中。在本文中,我们专注于这些流行的SSP,并在Pitman-Yor过程(PYP)之前概述了其贝叶斯非参数分析(BNP)分析。在回顾文献时,我们通过建立简单的复合二项式和高几何分布来建立新的后验表示,改善了现有后验推论的计算和解释性,通常是通过复杂的共同数字来表达的。We also consider the problem of estimating the discount and scale parameters of the PYP prior, showing a property of Bayesian consistency with respect to esti- mation through the hierarchical Bayes and empirical Bayes approaches, that is: the discount parameter can be estimated consistently, whereas the scale parameter cannot be estimated consistently, thus advising caution in poste- rior inference.我们通过讨论SSP的一些概括(主要是在生物科学领域)来结束我们的工作,这些生物科学领域涉及“特征抽样”,多个人群共享物种和马尔可夫链类别的人群。关键词和短语:贝叶斯非参数,贝叶斯的一致性,覆盖率,覆盖率概率,经验贝叶斯,等级贝叶斯,Pitman-yor过程,“物种采样”问题,看不见的物种。