XiaoMi-AI文件搜索系统
World File Search System取平均值
在 Bures-Wasserstein 流形上取平均值：维度——……
我们研究了用于计算高斯分布重心的关于最优传输度量的一阶优化算法。尽管目标是测地非凸的，但黎曼 GD 经验上收敛速度很快，实际上比欧几里德 GD 和 SDP 求解器等现成方法更快。这与黎曼 GD 最著名的理论结果形成了鲜明对比，后者与维度呈指数相关。在这项工作中，我们在辅助函数上证明了新的测地凸性结果；这为黎曼 GD 迭代提供了强大的控制，最终产生了无维度的收敛速度。我们的技术还可以分析两个相关的平均概念，即熵正则化的重心和几何中位数，为这些问题的黎曼 GD 提供了第一个收敛保证。
质疑人工智能：种族身份如何塑造人工智能
注意。*** p < .001, ** p < .01, * p < .05, 实验结果在九种情景中取平均值。系数 (B) 未标准化。括号中为标准误差。
自省信心可预测自我脑电图解码
图 2 状态之间的振荡差异（分神 - 专注，N = 25）随探测开始（0 秒）时间的变化。（a）时间频率分解在电极位置处取平均值。虚线黑色矩形表示反映显著差异的光谱时间聚类（p < .025，双侧聚类置换检验），灰色矩形表示趋势水平（.025 < p < .05）聚类。（b - d）α（8 - 13 Hz）、θ（4 - 7 Hz）和δ（2 - 3 Hz）光谱功率在聚类的电极位置处取平均值（黑条 = 显著，灰条 = 趋势）。（e）聚类内不同子窗口的聚类拓扑结构（黑色标记表示在每个时间窗口内至少 50% 的样本上存在的电极，白色电极标记趋势水平效应的拓扑结构）
一种针对远程评估优化的新型计算机自适应单词列表记忆测试：无痴呆症老年女性的心理测量特性及其与神经退行性生物标志物的关联
缩写：CI，置信区间；SD，标准差；SLS，斯特里克学习广度；SLS 最大广度，在任何学习试验中识别的最大单词数；SLS 1-5 总计，在 1-5 次试验中正确识别的单词总数；SLS 试验总数，SLS 1-5 总计 + 延迟；SLS 综合，平均 z 分数（SLS 最大广度、SLS 1-5 总计、SLS 延迟）；SYM，符号测试；SYM 正确 RT，所有四次试验中每项的平均反应时间（仅正确试验）；SYM 最佳 2 平均值，完成试验的秒数，在完成时间最快的两次试验中取平均值；SYM 中间 2 平均值，完成试验的秒数，在两次试验中取平均值，不包括最高和最低表现；SYM 所有 4 平均值，完成试验的秒数，在所有四次试验中取平均值。两种测试均使用随机替代形式，因此信度系数也代表替代形式信度。 a 所有相关系数均显著（P < 0.001）。bn = 88。cn = 61，因为在学习开始后增加了延迟。d 1-5 总计 + 延迟，n = 61。e 平均 z 分数（最大跨度，1-5 总计，延迟），n = 61。f 四次试验中每个项目的平均反应时间（仅正确试验），单位为秒。g 完成一次试验的秒数，取完成时间最快的两次试验的平均秒数。h 完成一次试验的秒数，取两次试验的平均秒数，不包括最高和最低表现。i 完成一次试验的秒数，取四次试验的平均秒数。j 完成所有四次试验的秒数（总结）。
全球甲烷循环的三维模型合成
每个站点的浓度，在观察期间取平均值。为了得出这个数量，我们首先为每个站点计算每个日历年的年平均浓度，即月平均值的算术平均值。每个月平均浓度本身就是该月各个烧瓶值的算术平均值 [参见 Steele 等人，1987]。然后，为了获得该时期的平均年平均浓度，必须从数据中去除大气中甲烷的长期增长率。为了非常好
大规模电池存储、短期市场结果和套利∗
四个默认负荷聚合点 (DLAP) 提供 6 个 RTM 价格。与 Bushnell 和 Novan [ 2021 ] 类似，我们对来自 DLAP 位置的价格数据取平均值，以获得 CAISO 的独特时间序列。四个 DLAP 位置分别是太平洋天然气电力公司 (PG&E)、南加州爱迪生公司 (SCE)、圣地亚哥天然气电力公司 (SDG&E) 和谷地电力协会 (VEA)。每个 DLAP 内的价格是边际能源价格与拥堵和损失价格的总和。能源成分是 DLAP 价格中最大的成分，它在 DLAP 之间保持不变，从而导致 DLAP 之间的高度相关性。同样，我们从三个 CAISO 交易区（NP15、SP15 和 ZP26）获得 DAM 价格，并对这些时间序列取平均值，以获得 DAM 价格的独特时间序列。 7 EIA-860 表格报告了有关现有发电机和 1 兆瓦或更大功率容量的存储设施的发电机级具体信息。美国能源部全球能源存储数据库是美国和全球详细能源存储项目的开放获取资源。8 加利福尼亚州于 2020 年 3 月 4 日通过行政命令 N-33-20 宣布进入紧急状态，随后于 3 月 19 日发布了全州强制居家令。
第四季度经济动能指数
对这三个组成部分的衡量指标取平均值，全国平均值设为零。然后，每个州的得分以高于或低于全国平均水平的百分比表示。右侧图表显示了基于最新数据的结果。在 2020 年的最后一次更新中，伊利诺伊州、弗吉尼亚州和北卡罗来纳州的经济表现最接近全国平均水平，前两个州比全国平均水平高出 0.01%，第三个州落后同样的幅度。犹他州取代爱达荷州，升至榜首，夏威夷州取代纽约州，位居榜末。
湍流建模：增强人工智能和机器学习
本文介绍了对飞机运动有直接影响的机翼变量。由于飞机尺寸较大，对大气或其他外部条件引起的混沌扰动对整个飞机的影响进行测试评估是一个困难的过程，因此不是对整个飞机进行测试，而是将其分成不同的部分，对每个部分进行单独计算，然后将所有部分的测试放在一起并取平均值，以获得对整个飞机的平均湍流影响。本文包含了直接或间接影响飞机的所有不同变量的结果，这些变量可能导致混沌运动影响飞机运动，以及基于密度和厚度的速度。
面向风险更高的世界的网络安全解决方案 - ThoughtLab Group
我们要求受访者将他们在 NIST 支柱下的 23 项活动中的进展程度评定为 1-5 级。我们的经济学家对每项基础活动的得分取平均值，得出每个 NIST 领域的得分。然后，他们计算 NIST 领域的总分平均值，得出每个受访者的总分。分数被标准化，范围在 0-100 之间。受访者被分为 NIST 实施的三个阶段：平均分数低于 50 的受访者被归类为早期实施阶段，分数为 50 至 70 的受访者被归类为中期实施阶段，分数高于 70 的受访者被归类为高级实施阶段。
大脑最不为人知的秘密：退化
简介 神经科学家致力于揭开大脑功能和功能障碍的奥秘。一种常见的研究策略是在各种条件下测量特定参数。然后通常重复这些测量，取其平均值，并用来推断一般模式或规则。对数据取平均值是一种古老的做法；例如，巴比伦、中国和印度文化中的早期天文学家隐含地平均天体现象的观测值以预测重要时期，例如对农业至关重要的时期。当所研究的过程遵循数学函数（表示为 y ¼ f(x)）时，取平均值是一种合理的方法，其中 f 是一个非常通用的函数。即使在实验开始时不知道确切的函数，也是如此。这种方法隐含的假设是，任何测量值的变化都是由记录过程的不完善引起的，因为一致的数学规则表明相同的输入应该始终产生相同的输出。本质上，每次我们遇到 x1 时，我们都期望测量 y1。然而，神经科学中一个普遍的假设是，我们测量的一切都符合 y = f(x) 规则。这一假设忽略了生命的一个基本概念：退化。退化是指不同的过程或结构导致相同的结果。以函数 y = f(x) 为例，其中 f 是平方根。方程 H4 得出两个答案：2 和 1 2。这个对偶解体现了退化。将这两个值求平方，可得到 4。两个不同的过程导致相同的结果。想象一下，我们有一台设计用于计算平方根的机器，但它缺乏精度。每当它计算 H4 时，可能会产生不同的结果，例如 2.01、1.99、2.08 等等。如果我们对这些结果求平均值，我们会得到一个接近于 0 的值。这个平均值掩盖了真实的现象，其中一半的值聚集在 2.0 左右，另一半聚集在 2.0 左右。