XiaoMi-AI文件搜索系统
World File Search System概率
定向概率分水岭
概率分水岭是一种应用于无向图的半监督学习算法。给定一组带标签的节点（种子），它定义了一个吉布斯概率分布，该分布覆盖所有可能断开种子的生成森林。它计算每个节点采样一个将某个种子与所考虑节点连接起来的森林的概率。我们提出了“有向概率分水岭”，这是概率分水岭算法对有向图的扩展。在概率分水岭的基础上，我们应用有向图的矩阵树定理，并定义一个吉布斯概率分布，该分布覆盖所有以种子为根的传入有向森林。与无向情况类似，这等同于有向随机游走。此外，我们表明，在吉布斯分布具有无限低温度的极限情况下，有向概率分水岭的标记等于由最小成本的传入有向森林引起的标记。最后，为了说明，我们将所提出的方法与其他有向图半监督分割方法的经验性能进行了比较。
CS265/CME309：随机算法和概率分析讲座＃10：概率方法
因此，这种随机边缘着色在没有单色k -clique的情况下产生着色的可能性> 0，因此必须存在这种着色。表明r k <2 2 k我们可以通过归纳论证进行。将r a，b定义为最小n，使得N顶点上完整图的任何2个色（例如红色和蓝色）具有至少A的单色红色集团，或者至少具有至少B的单色蓝色集团。首先观察到r a，b = r b，a，通过对称性和r 1，k = 1，因为所有着色都有红色的1片（因为这甚至不涉及任何红色边缘）。考虑在n = 1 + r a-1，b + r a，b-1顶点上的图2颜色。修复一个顶点V，让S r表示通过红色边缘连接到V的顶点的子集，而S B表示通过蓝色边缘连接到V的顶点的子集。构造，| S R | + | S B | + 1 = n = 1 + r a - 1，b + r a，b - 1，因此| S R | ≥ra -1，b或| S B | ≥ra，b -1。在| S R | ≥ra -1，b，要么S r具有大小B的蓝色集团，要么是大小A -1的红色集团，其顶点均通过红色边缘连接到V，在这种情况下，该图具有大小a的红色库。在| S B | ≥ra，b -1。因此，我们表明
金属构件疲劳寿命的概率设计方法
在本研究中，开发了一个通用概率设计框架，用于预测金属硬件的循环疲劳寿命，所采用的方法解决了实验数据和计算模型中的不确定性。该方法涉及：（i）在 Ti6Al4V 材料试样上进行的疲劳试验数据，（ii）基于连续损伤力学 (CDM) 的材料本构模型，用于模拟材料的循环疲劳行为，（iii）基于方差的全局灵敏度分析，（iv）用于模型校准和不确定性量化的贝叶斯框架，以及（v）在不确定性下的计算寿命预测和概率设计决策。使用实验数据进行计算分析的结果证明了在存在不完整和噪声数据的情况下，概率设计方法用于模型校准的可行性。此外，使用概率设计方法可以评估计算模型预测的疲劳寿命的可靠性。[DOI: 10.1115/1.4038372]
概率安全国际专题会议...
我对 2017 年概率安全评估与分析国际专题会议 (PSA 2017) 感到非常兴奋，会议主题定为“下一代概率安全评估与分析创新与发展的桥梁”。事实上，PSA 会议将提供一个绝佳的机会来倾听新旧问题、学习新方法以及交流经验和专业知识。在我们生活的这个充满活力的世界里，这是非常必要的，知识和技术正在飞速发展，因为我们必须认识到与确保我们继续寻找和找到创新解决方案相关的机遇和挑战，这些解决方案有益于我们的行业、其安全性和可持续性。为了增加和改善 PSA 的使用，为核工业提供价值，需要新的想法和发展。创新对于继续确保核能发电所需的安全标准和长期可持续性是必不可少的。您可以通过参加 PSA 2017 会议并与其他参与者分享您的能力和经验来发挥作用。
基于概率模型的飞机优化...
新冠肺炎疫情在全球突然爆发，导致航空运输量大幅下降。截至 2020 年 4 月，全球航班数量下降近 80%，其中国际航班受影响最为严重 [1]。在各国政府和国际组织（如国际民用航空组织 (ICAO) 和世界卫生组织 (WHO) 等）的共同努力下，航空运输业已逐步复苏，首先是洲内运营 [2]。显然，尽管疫情对航空业的影响将持续数年，预计的航空运输量增长将有所延迟 [3, 4]，但随着行业指导的统一和医疗手段的日益有效发展，航空运输将继续逐步恢复。当主流旅行恢复时，航空交通发展、航空交通效率和安全仍将是一个需要考虑的关键问题。在空中交通管理领域，高度复杂的区域之一是终端机动区 (TMA)。作为所有到达航班汇聚的区域，安全问题在飞机运行期间比其他区域更具影响力。众所周知，由于不确定性导致的飞机轨迹变化可能导致潜在冲突，因为协助空中交通管制员决策过程的系统很少考虑此类扰动。因此，空中交通管制员必须根据其经验和直觉干预飞行操作，这进一步增加了他们的工作量并进一步影响了运营效率。空中交通管理部门已经注意到不确定性的潜在影响。在欧洲，单一欧洲天空 ATM 研究 (SESAR) 已明确表示有兴趣在预测准确性方面提高空中交通服务，同时考虑到到达航段的内在不确定性 [5]。为改进轨迹预测，已开展了相关项目，例如 COPTRA 和 TBO-MET，最近还启动了一个名为 START 的新项目，以确保空中交通安全，同时增强发生干扰时的恢复能力 [6]。在此背景下，我们认为未来的系统需要考虑预测误差，因此 TMA 中的到达飞机调度需要同时考虑多种考虑因素，例如不确定性、安全约束和效率。在本文中，我们提出了一种确定稳健到达时间表的新方法，该方法可以潜在地提高对冲飞行运行期间不确定性的能力，同时仍满足安全所需的各种约束。在考虑标称飞机轨迹的预测误差的情况下进行冲突检测和解决。本文组织如下：第 2 部分介绍相关研究摘要。第 3 节描述了模型公式，包括所提出的模型和作为基准的另外两个模型。根据每个模型的特点，分别为所提出的模型和基准模型给出了不同的目标函数。第 4 节介绍了我们解决问题的方法。然后，在第 5 节中，介绍了一个模拟框架，以研究所提出的模型在干扰下的性能。在第 6 节中，说明了计算结果，并比较了基于这三个模型的优化解决方案获得的模拟结果在出现不确定性时的冲突吸收能力。最后，第 7 节总结了本文。
脑电图的动态概率积分...
脑机接口 (BCI) 分析个体与设备或外部环境直接交互的意图 (Wolpaw 等，2000)。个体的意图可以通过脑电图 (EEG) 来解码，脑电图由于其高时间分辨率、可靠性、可负担性和便携性而成为一种成熟的非侵入式技术。目前，由于机器学习和深度学习方法的发展，BCI 已经在辅助和临床领域得到应用。快速串行视觉呈现 (RSVP) 是在同一空间位置以每秒多张图像的高呈现速率顺序显示图像的过程。基于 RSVP 的脑机接口 (BCI) 是一种特殊类型的 BCI 系统 (Marathe 等，2016；Wu 等，2018)。它被证明是一种增强人机共生和人类潜能的可实现方法 (Manor 等，2016)。基于RSVP的BCI是基于人类视觉进行目标检测最常用的技术，其中使用的事件相关电位（ERP）是P300和N200（Wei等，2022）。人类视觉系统是一种非常复杂的信息处理机器。人类具有很强的学习、认知能力和敏感性，可以一眼就识别物体（Sajda等，2010）。因此，基于RSVP的BCI可以利用人类视觉的灵活性获得对环境的快速感知。当前的研究主要集中在提出适用于基于RSVP的BCI的更可靠、更有效的特征提取算法。由于其非平稳性和低信噪比（SNR），在RSVP任务中很难区分目标和非目标刺激。Sajda等人。 （2010 年）开发了一种分层判别成分分析（HDCA）算法，该算法采用 Fisher 线性判别（FLD）来计算空间域中的权重
不确定性量化和概率分析
目前，深基坑开挖引起的结构损伤的早期评估方法由于建模理想化（分析简化）和无知（信息不完整）而具有很大的不确定性。本文实施了土-结构相互作用的弹塑性两阶段解决方案，以预测建筑物对相邻的带支撑深基坑的响应。然后使用该土-结构相互作用解决方案研究两个案例研究中的不确定性。进行了全局敏感性分析，结果表明，地面运动剖面的预测是早期建筑物损伤评估中不确定性的主要来源。当目标建筑物被建模为等效梁时，由于无知和与结构分析模型相关的理想化而导致的不确定性也有很大贡献。然而，使用二维弹性框架结构模型代替等效梁可以大大降低评估的不确定性。考虑到不确定性的存在，提出了一种概率分析方法来量化预测由于开挖引起的下沉造成的潜在建筑物损坏时的不确定性。开发了一种称为“开挖-结构相互作用中的不确定性量化”（UQESI）的计算机程序来实现这种概率分析方法。
量子几何、逻辑和概率
摘要 离散集上的量子几何意味着有向图，其权重与定义量子度量的每个箭头相关联。然而，这些“格间距”权重不必与箭头的方向无关。我们利用这种更大的自由度，对以转移概率为箭头权重的离散马尔可夫过程给出量子几何解释，即对图拉普拉斯算子∆ θ 取扩散形式 ∂ + f = ( − ∆ θ + q − p ) f ，根据概率构建的势函数 q、p 以及时间方向的有限差分 ∂ + 。在这一新观点的启发下，我们引入一个“离散薛定谔过程”，即 ∂ + ψ = ı ( − ∆+ V ) ψ，其中拉普拉斯算子与双模连接相关联，使得离散演化是幺正的。我们明确地为 2 状态图解决了这个问题，找到了此类连接的 1 参数族和 f = | ψ | 2 的诱导“广义马尔可夫过程”，其中有一个由 ψ 构建的附加源电流。我们还提到了我们最近在场 F 2 = { 0 , 1 } 上以“数字”形式进行的逻辑量子几何研究，包括德摩根对偶及其可能的推广。
交叉分类的概率模型
大多数自然领域可以通过多种方式表示：我们可以根据其营养内容或社会角色对食物进行分类，动物的分类学群体或其生态壁ni，以及乐器根据其分类学cate-cate-gore-gore或社会用途。对人类分类进行建模的先前方法在很大程度上忽略了交叉分类的问题，专注于学习一个单一的类别系统，这些类别可以解释所有功能。跨类别提出了一个困难的概率：我们如何在不首先知道该类别要解释的情况下推断类别？我们提出了一个新型模型，该模型表明人类跨类别是关于多个类别系统及其解释的特征的联合推断的结果。我们还为交叉分类行为形式化了两个常见的替代解释：第一个特征和对象 - 第一个方法。第一种方法表明，交叉分类是注意力程序的结果，其中特征是通过注意机制选择的，并且类别是第二个。对象 - 第一个方法表明，跨属性是重复的，顺序解释特征的连续性尝试，其中类别是第一个派生的，然后重新解释的特征。我们提出了两组模拟和实验，以测试模型对人类分类的预测。2011 Elsevier B.V.保留所有权利。我们发现，基于共同推论的方法为人类分类行为提供了最佳拟合，我们建议对人类类别学习的完整说明需要纳入类似于这些能力的东西。