XiaoMi-AI文件搜索系统
World File Search System尺度
多尺度估计理论及其应用
[ 1 , 2 , 13 , 14 , 15 , 19 , 24 , 33 , 48 ～ 52 ] 。其中 , Llinas 与 Waltz 的专着《多传感器数据融合》
catnet：键的小样本传输学习方法...
拟人化是人类精神状态对非人类实体的归因。这项研究的目的是开发日语版本的拟人化问卷中的个体差异（IDAQ-J），并通过三项研究来检查其因子结构，可靠性和有效性。因素分析表明，IDAQ-J具有三个一阶因子（拟人化自然实体，技术设备和非人类动物）和一个二阶因子（一般拟人化）。IDAQ-J表现出较高的一致性和中等测试可靠性。在有效性方面，IDAQ-J与自然和机器的拟人化表现出了中等的积极关系，并且预测与机器人和目的论信念相互作用的负面情绪低下。另一方面，IDAQ-J表现出与非人类动物的拟人化，对自然保护的态度以及对机器人的恐惧的弱关系。需要进一步的研究来解释IDAQ-J的有效性。
多尺度特征交互的伪标签无监督域自适应行人重识别
刘仲民，杨富君，胡文瑾 .多尺度特征交互的伪标签无监督域自适应行人重识别 [J].光电工程， 2025 ， 52 (1): 240238 Liu Z M, Yang F J, Hu W J. Multi-scale feature interaction pseudo-label unsupervised domain adaptation for person re- identification[J].Opto-Electron Eng , 2025, 52 (1): 240238
勃姆石/石墨烯多尺度增韧改性碳纤维环氧树脂 ...
收稿日期： 2024–05–13 ； 修回日期： 2024–06–28 ； 录用日期： 2024–07–05 ； 网络首发时间： 2024–07–19 15:22:18 网络首发地址： https://doi.org/10.13801/j.cnki.fhclxb.20240718.003 基金项目： 国家自然科学基金 (51902125) ； 吉林市科技发展计划资助项目 (20210103092) ； 第七批吉林省青年科技人才托举工程 (QT202316) National Natural Science Foundation of China (51902125); Science and Technology Development Plan of Jilin City (20210103092); Seventh Batch of Jilin Province Young Science and Technology Talents Promotion Project (QT202316) 通信作者： 陈杰 ， 博士 ， 副教授 ， 硕士生导师 ， 研究方向为碳纤维复合材料的开发与应用 E-mail: jiechendr@163.com
激光定向能量沉积的粉末尺度多物理场数值模拟黄辰阳，陈嘉伟
摘要 激光定向能量沉积（L-DED）作为一种同轴送粉金属增材制造工艺，具有沉积速率高、可制造大型部件等优点，在航空航天、交通运输等领域有着广泛的应用前景。然而，L-DED在金属零件尺寸和形状的分辨方面存在工艺缺陷，如尺寸偏差大、表面不平整等，需要高效、准确的数值模型来预测熔覆轨道的形状和尺寸。本文提出了一种考虑粉末、激光束和熔池相互作用的高保真多物理场数值模型。该模型中，将激光束模拟为高斯表面热源，采用拉格朗日粒子模型模拟粉末与激光束的相互作用，然后将拉格朗日粒子模型与有限体积法和流体体积相结合，模拟粉末与熔池的相互作用以及相应的熔化和凝固过程。
激光微尺度和中尺度模拟的回顾......
摘要。增材制造 (AM) 是一种先进的方法，可逐层制造复杂零件，直至达到所需的设计。激光粉末床熔合 (L-PBF) 用于生产高分辨率的零件，因为层厚度低。L-PBF 基于激光束和材料的相互作用，其中粉末材料被熔化然后凝固。这发生在 0.02 秒的短时间内，使得整个过程难以实时研究。研究表明，数值方法的发展和模拟软件的使用可以理解激光束和材料的相互作用。这种现象是理解材料在熔化状态下的行为以及 L-PBF 工艺生产的零件的机械性能的关键，因为它与熔化的粉末材料的凝固直接相关。需要在微观和中观尺度上详细研究激光束和材料的相互作用，因为它可以提供更好的理解并有助于开发用于 L-PBF 工艺的给定材料。本综述全面了解了 AM 中使用模拟的背景以及感兴趣的特征的不同模拟尺度。
尺度 - 生成合理
反事实解释通过指出将导致替代性，期望的结果的方案来阐明算法决策。深入了解模型的行为，他们暗示用户采取可能的行动，并为决策提供理由。作为实现这些目标的关键因素，反事实必须是合理的，即描述数据歧管中现实的替代方案。本文利用了最近开发的生成建模技术 - 对抗随机森林（ARFS） - 以模型 - 不合Snostic的方式有效地产生了合理的反事实。ARF可以用作合理性措施或直接产生反事实解释。我们的基于ARF的方法超过了旨在产生合理的反事实解释的现有方法的局限性：易于训练和计算高效，自然而然地处理连续和分类数据，并允许以直接的方式整合诸如稀疏之类的其他DeSiderata。
受约束的数据尺度∗
3为了使符号简单，我们不会区分随机变量及其实现，除非在期望的情况下，我们指出了带有HAT的随机变量。例如，e p（x）f（ˆ x，z）是关于从分布p（x）绘制的随机变量X的期望，其实现值z被视为参数。4分布q（y）的熵为-p y q（y）ln q（y）。我们在整个论文中应用标准约定0 ln 0 = 0。5我们假设Q包含至少一个分布q（x，z），以便q（x）= q 0（x），其支持是p（x，z）支持的子集。然后确保优化器的存在。此分布实现了至少达到此值的有限值和一组可行分布。由于该集合的目标是连续的，因此解决方案存在。请注意，supp（q 0（x））⊆supp（p（x））意味着代理不能用q 0绘制的数据来反驳模型p。