XiaoMi-AI文件搜索系统
World File Search System估计问题
维特比算法 - 巴黎矿业
P I HE 维特比算法 (VA) 于 1967 年被提出作为卷积码解码的方法。从那时起，它就被认为是解决各种数字估计问题的有效方法，就像卡尔曼滤波器被应用于各种模拟估计问题一样。与卡尔曼滤波器一样，VA 使用递归方法跟踪随机过程的状态，该方法在某种意义上是最优的，并且易于实现和分析。然而，底层过程被假定为有限状态马尔可夫而不是高斯，这导致了结构上的显著差异。本文主要旨在对 VA、其结构和分析进行教程介绍。它还旨在或多或少详尽地回顾截至本文撰写时（1972 年夏季）所有受该算法启发或与该算法相关的工作。我们相信该算法将在越来越多的领域得到应用。我们希望能够为本文的读者加速这一进程。
有效识别用于建模高维大脑动力学
摘要 - 系统识别为表征和控制复杂系统的表征带来了重要的瓶颈。当系统状态和参数都无法直接访问时，这是最大的，导致双重估计问题。当前解决此类问题的方法在Net Works中经常发生的多参数系统的扩展能力受到限制。在当前工作中，我们提出了一种新的计算有效方法来处理大型双重估计问题。在这项工作中，我们得出了预测错误方法的分析后传播梯度，该方法可以有效，准确地识别大型系统。PEM方法包括将状态估计直接整合到双重优化目标中，仅在未知系统参数方面留下可区分的成本/错误函数，我们使用数值梯度/HESSIAN方法求解。直觉，此方法包括求解生成最精确状态估计器（扩展/cubature Kalman滤波器）的参数。我们证明，尽管复杂性较低，但在状态和参数估计中至少与关节Kalman过滤器（Excent/Unnesped/Cubature）和期望最大化一样准确。我们通过从人类磁脑摄影（MEG）数据中反转解剖学的个性化脑模型来证明我们的实用性。
通过机器学习模型对星系的光度红移估计：比较研究
这项工作旨在评估用于银河红移估计问题的光度法（高度理想化）数据集中的某些经典回归模型的性能。线性回归模型，多项式回归，决策树，随机森林和支持向量机经过训练和验证，最初是在训练样本中，与原始基本数据的5％相对应。接下来，在测试样本中评估了这些相同的模型，对应于其余95％的基数，从而允许调整后的模型概括的概括。此外，由于变量之间的高度相关性，主要组件分析技术（PCA）也用于降低系统维度。关键字：星系，光度法，回归，宇宙学，机器学习
H:/Latex/Sonobouy ACEKF_UDRC_conference_paper_2012/Sonobouy ACEKF_UDRC_conf_2012.dvi
摘要 — 我们考虑了水下声源的 DIFAR 声纳浮标方位估计问题。基于标准反正切的方法利用不同通道的观测噪声之间的正交性来形成方位估计，并忽略了实际源信号的相关结构。在本文中，我们提出了一种新的状态空间技术，与标准反正切估计器相比，该技术利用源信号中的相关结构来实现增强的性能，特别是在低信噪比 (SNR) 条件下。使用一些实际信号类别的模拟支持了该分析。索引术语 — 方位估计、DIFAR 声纳浮标、增强型复卡尔曼滤波器、随机游走建模、复圆度、宽线性估计
向后变异推理中的添加平滑误差...
我们使用变量推断考虑一般状态空间模型中的状态估计问题。对于使用与实际关节平滑分布相同的向后分解位置定义的通用变异家族，我们在混合假设下确定了加性状态函数期望的变化近似值会导致误差在观测值数量上最线性地增长。此保证与已知的上限一致，用于使用标准的蒙特卡洛方法近似平滑分布。我们用基于向后参数化和使用前向分解的替代方案来说明我们的理论结果。这项数值研究提出了基于状态空间模型中神经网络的变异推理的指南。关键字：变化推理，状态空间模型，平滑，向后分解，状态推理
主动脉“疾病中的疾病”
摘要在本文中，我们介绍了统计学习问题的新方法Argminρ（θ）∈PθW2 Q（ρ（ρ（θ）））在量子L 2-量子l 2- w insetrim l 2- w inserric中。我们通过考虑使用维度二维C ∗代数的密度算子的Wasserstein天然梯度流来解决此估计问题。对于密度运算符的连续参数模型，我们拉回了量子瓦斯汀公制，以使参数空间与量子Wasserstein Information Matrix成为Riemannian歧管。使用Benamou -Brenier公式的量子类似物，我们在参数空间上得出了自然梯度流。我们还通过研究相关的Wigner概率分布的运输来讨论某些连续变量的量子状态。
量子统计学习通过量子瓦斯坦天然梯度
摘要在本文中，我们介绍了统计学习问题的新方法Argminρ（θ）∈PθW2 Q（ρ（ρ（θ）））在量子L 2-量子l 2- w insetrim l 2- w inserric中。我们通过考虑使用维度二维C ∗代数的密度算子的Wasserstein天然梯度流来解决此估计问题。对于密度运算符的连续参数模型，我们拉回了量子瓦斯汀公制，以使参数空间与量子Wasserstein Information Matrix成为Riemannian歧管。使用Benamou -Brenier公式的量子类似物，我们在参数空间上得出了自然梯度流。我们还通过研究相关的Wigner概率分布的运输来讨论某些连续变量的量子状态。
动态系统识别 - 飞机应用第 2 部分
5.2 系统参数状态估计问题分解的影响 5.3 频域中线性系统的输入信号优化 5.3.1 频域中的 Fisher 信息矩阵 5.3.2 信息空间中信息矩阵的表示 5.4 利用凸分析计算最优输入信号 5.4.1 凸分析的应用 5.4.2 谐波输入信号 5.4.3 输入设计的全局最优性 5.5 谐波输入信号的优化 5.5.1 梯度法的应用 5.5.2 谐波输入信号的组合 5.5.3 消除多余的谐波输入信号 5.6 结论 最优输入信号的设计和评估 6.1 时域输入设计 6.1.1 DUT 纵向输入信号的设计 6.1.2 DUT 横向输入信号的设计6.1.3 Doublet、3211、Mehra 和 Schulz 输入信号
电池电量电路电压曲线的实时状态电池状态估计
摘要 - 基于等效电路模型（ECM）估计开路电压（OCV）的所有电荷状态（SOC）估计算法，并使用SOC-OCV非线性关系将其转换为SOC。这些算法需要识别ECM参数和非线性SOC-OCV关系。在文献中，提出了各种技术来同时识别ECM参数。然而，SOC-OCV关系的同时同时鉴定仍然具有挑战性。本文提出了一种构建SOC-OCV关系的新技术，最终将其转换为单个参数估计问题。使用拟议的参数估计和SOC-OCV构建技术实施了Kalman过滤器，以估算电池中的SOC和相关状态。在数值模拟中，该算法证明它准确地估计了电池模型参数，并且SOC估计误差仍低于2％。我们还通过电池实验验证了所提出的算法。实验结果表明，SOC估计的误差保持在2.5％以内。