XiaoMi-AI文件搜索系统
World File Search System模型验证
连续建模良好实践指南 - NPL 出版物
8.1 案例研究 1：高温测温.................................................................................................39 8.1.1 物理问题...............................................................................................................39 8.1.2 数学公式...............................................................................................................40 8.1.3 解决方法...............................................................................................................43 8.1.4 模型验证.......................................................................................................43 8.1.5 模拟.......................................................................................................................44 8.1.6 进一步的结果.......................................................................................................48 8.1.7 下一步的发展.......................................................................................................51
双重用途 - 加热与冷却 - 热电电池可启用柔性且节能的热泵系统
客观和结果•开发用于冷却和加热模式中负载转移的集成热泵 - 热量存储（HP-TES）•评估所有美国气候区域的需求降低潜力•系统模型验证，实验室测试和技术示范（现场测试和商业化计划）
基于神经网络的通用航空自动着陆跑道着陆引导
6 W型流程的应用 55 6.1 需求管理 .......................。。。。。。。。。。。。。。55 6.2 数据管理。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。........57 6.3 学习过程管理 .....................................65 6.4 模型训练 ...。。。。。。。。。。。。。。。。。。。。。。。。...................68 6.5 学习过程验证 ......。。。。。。。。。。。。..........................。。。。。。。。。。。。。。。。。。。。。。。。..........79 6.7 推理模型验证与集成 ............................80 6.8 独立数据与学习验证 ...............................80 6.9 需求验证 ...。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。80
业务流程模型和符号 (BPMN)
业务流程模型和符号 (BPMN) 3 入门 5 示例图 8 图表类型 9 业务流程图 10 编排图 13 协作图 15 对话图 18 常见类型 21 模型结构和重用 23 流程模拟 25 BPMN 模拟 27 创建 BPMN 模拟模型 28 初始化变量和条件 30 BPSim 业务模拟 32 模型验证 35 交换 BPMN 模型 36 业务流程执行语言 (BPEL) 38 BPEL 2.0 模型 39 创建 BPEL 2.0 模型结构 41 建模 BPEL 2.0 流程 43 开始事件 44 中间事件 46 活动 48 网关 50 结束事件 51 数据对象 53 属性 54 序列流 56 池 57 分配 59 创建 BPEL 2.0 Web 服务操作 61 生成BPEL 2.0 64 BPEL 模型验证 65 从先前版本迁移 66 更多信息 68
自主物流系统下飞机出动次数的模拟
在竞技场中进行模拟 ................................................................................................................33 假设 ................................................................................................................................33 数据收集 ................................................................................................................................35 模型开发 ................................................................................................................................37 模型初始化 .............................................................................................................................39 飞行前操作 .............................................................................................................................40 出击 .............................................................................................................................................41 飞行后操作 .............................................................................................................................42 PHM 区域 .............................................................................................................................42 故障排除和行动请求 .............................................................................................................44 维护操作 .............................................................................................................................46 MFHBCF 可靠性增长的实施 .............................................................................................48 学习曲线的实施 .............................................................................................................................50 模型验证和确认 .............................................................................................................................52 结论 .............................................................................................................................................53
人工智能 (AI) 评论 - Tandem
对于许多应用来说，定期（例如每月或每季度）进行模型验证就足够了。如果基础数据频繁变化（例如实时数据流、快速变化的用户行为等），则模型可能需要更频繁的验证（例如每周甚至每天）。对于关键系统，更频繁的验证对于确保模型保持可靠性和准确性至关重要。此外，在重大更新后验证模型也很重要，以确保更改不会对性能产生不利影响。
应力水平和纤维体积分数对玻璃纤维增强聚酯复合材料疲劳性能的影响
摘要：纤维增强聚合物复合材料由于其高刚度，正在成为传统金属材料修复和替代中的重要且方便的材料。复合材料在其使用寿命期间会承受不同类型的疲劳载荷。增强纤维增强聚合物复合材料在疲劳应力下的设计方法和预测模型的动力依赖于更精确和可靠的疲劳寿命评估技术。在拉伸-拉伸疲劳场景中研究了纤维体积分数和应力水平对玻璃纤维增强聚酯 (GFRP) 复合材料疲劳性能的影响。本研究的纤维体积分数设置为：20%、35% 和 50%。使用万能试验机对样品进行拉伸试验，并使用四种不同的预测模型验证杨氏模量。为了确定复合材料的失效模式和疲劳寿命，对聚酯基 GFRP 样品在五个应力水平下进行了评估，这五个应力水平分别为最大拉伸应力的 75%、65%、50%、40% 和 25%，直到发生断裂或达到五百万次疲劳循环。实验结果表明，玻璃纤维增强聚酯样品在高施加应力水平下发生纯拉伸失效，而在低应力水平下，失效模式受应力水平控制。最后，利用不同体积分数的 GFRP 复合材料样品的实验结果进行模型验证和比较，结果表明，所提出的框架在拉伸-拉伸疲劳状态下预测疲劳寿命与实验疲劳寿命具有可接受的相关性。
应力水平和纤维体积分数对玻璃纤维增强聚酯复合材料疲劳性能的影响
摘要：纤维增强聚合物复合材料由于其高刚度，正在成为传统金属材料修复和替代中的重要且方便的材料。复合材料在其使用寿命期间会承受不同类型的疲劳载荷。增强纤维增强聚合物复合材料在疲劳应力下的设计方法和预测模型的动力依赖于更精确和可靠的疲劳寿命评估技术。在拉伸-拉伸疲劳场景中研究了纤维体积分数和应力水平对玻璃纤维增强聚酯 (GFRP) 复合材料疲劳性能的影响。本研究的纤维体积分数设置为：20%、35% 和 50%。使用万能试验机对样品进行拉伸试验，并使用四种不同的预测模型验证杨氏模量。为了确定复合材料的失效模式和疲劳寿命，对聚酯基 GFRP 样品在五个应力水平下进行了评估，这五个应力水平分别为最大拉伸应力的 75%、65%、50%、40% 和 25%，直到发生断裂或达到五百万次疲劳循环。实验结果表明，玻璃纤维增强聚酯样品在高施加应力水平下发生纯拉伸失效，而在低应力水平下，失效模式受应力水平控制。最后，利用不同体积分数的 GFRP 复合材料样品的实验结果进行模型验证和比较，结果表明，所提出的框架在拉伸-拉伸疲劳状态下预测疲劳寿命与实验疲劳寿命具有可接受的相关性。
预测分析和不确定性...
满足政府法规 美国国防部、联邦航空管理局和食品药品管理局等政府监管机构已经制定并继续发展指导文件，将数值模拟模型作为满足监管要求的可靠证据来源。指导文件建议制造商将模型验证、确认和不确定性量化 (VVUQ) 作为其数值分析报告的一部分。SmartUQ 员工在 UQ 领域拥有丰富的专业知识，并了解 UQ 在 VVUQ 流程中的作用。SmartUQ 的专家可以根据政府监管指南帮助将 UQ 集成到贵公司的工程工作流程中。
扩大人工智能应用规模，避免风险：消除信任是采用人工智能的障碍
但尽管大规模部署人工智能的前景从未如此光明，许多组织的人工智能模型仍处于概念验证的泥潭中。为什么？对许多人来说，核心问题是对人工智能及其结果缺乏信任。如果组织要扩展人工智能以帮助做出关键业务决策，他们需要准确了解这些决策的制定方式和原因。为了利用人工智能的力量做出对人们的生活产生深远影响的决策——例如，客户是否获得房屋贷款批准或求职者是否进入下一阶段——他们需要能够向内部利益相关者（如企业主和模型验证者）和外部利益相关者（如监管机构）解释这些决策。