XiaoMi-AI文件搜索系统
World File Search System正态分布
疲劳分散因子在疲劳载荷下的试验研究
疲劳分散因子是载荷谱下飞机结构的寿命可靠性指标，用来描述疲劳分析与试验结果的可靠性。军用飞机结构强度规范（GJB67.6-2008）规定，采用平均载荷谱进行疲劳分析时，分散因子一般取4，对应可靠度水平为99.87%；采用严酷载荷谱进行疲劳分析时，分散因子取2~4，但具体数值尚不明确。本研究参考大量相关数据，假设载荷谱引起的疲劳损伤与结构临界损伤值服从对数正态分布，从概率统计的角度对分散因子进行理论推导，并给出不同可靠性水平下结构寿命的疲劳分散因子，进一步确定典型结构细节的差分疲劳分散因子，为采用严酷载荷谱进行军用飞机结构疲劳设计和全尺寸疲劳试验奠定基础。
刺激介导的静默神经网络逆向工程
从单细胞活动中重建神经元网络连接对于理解大脑功能至关重要，但从大量静默神经元中破译连接这一难题在很大程度上尚未解决。我们展示了一种使用刺激结合监督学习算法来获取模拟静默神经元网络连接的协议，该协议能够高精度地推断连接权重，并高精度地预测单脉冲和单细胞水平的脉冲序列。我们将我们的方法应用于大鼠皮层记录，这些记录通过异质连接的漏积分和放电神经元电路馈送，这些神经元以典型的对数正态分布发声，并证明在刺激多个亚群期间性能有所提高。这些关于所需刺激数量和协议的可测试预测有望增强未来获取神经元连接的努力，并推动新的实验以更好地理解大脑功能。
广义量子内积及其在金融工程中的应用
在本文中，我们提出了一种规范的量子计算方法来估算离散函数 f 所取值的加权和 P 2 n − 1 k =0 wkf ( k )：{0，...，2 n − 1 } →{0，...，2 m − 1 }，其中 n、m 个正整数，以及权重 wk ∈ R，其中 k ∈{0，...，2 n − 1 }。该方法的规范方面来自于依赖于量子态振幅中编码的单个线性函数，并使用寄存器纠缠来编码函数 f 。我们进一步扩展这个框架，将函数值映射到哈希值，以估算哈希函数值的加权和 P 2 n − 1 k =0 wkhf ( k )，其中 hv ∈ R，其中 v ∈{0，...，2 n − 1 }。 , 2 m − 1 } 。这种概括允许计算受限加权和，例如风险价值、比较器以及勒贝格积分和统计分布的偏矩。我们还引入了基本构建块，例如标准化线性量子态和正态分布的有效编码。
在推广 2 型新型口服脊髓灰质炎疫苗期间监测 2 型循环疫苗衍生脊髓灰质炎病毒出现的风险
估计检测时间。为了解释使用 OPV 和检测到任何后续出现之间的时间差，我们估计了出现等待时间和报告等待时间（监测滞后）的分布。出现等待时间分布定义为从潜在播种事件（即 OPV2 SIA）到指数病毒日期的时间，并使用混合突变模型估计，给定 SIA 中的 OPV2 暴露和监测类型。从病毒日期（即 AFP 发病日期或 ES 收集日期）中减去每个出现组中的指数分离株的病毒年龄，以生成可能发生播种的概率时间段。使用 SIA 开始日期、OPV2 剂量数和到出现地区的距离，基于空间衰减辐射模型 11 来估计 OPV2 暴露。使用对数正态分布估计所有出现的出现等待时间，并再次忽略 ES 以反映仅有 AFP 监测的环境中的等待时间。
长度缩放对双...中电迁移的影响
通过对不同长度 (L) 的线路进行实验，在不同的电流密度 (j) 下施加应力，并使用技术上可行的三级结构，研究了双大马士革铜互连中的电迁移短长度效应。这项调查是对成熟的双大马士革铜工艺后短长度效应的完整研究。使用寿命测量和随时间变化的电阻衰减来描述这种现象。已经发现，随着电流密度-长度乘积的减小，对数正态分布的 sigma 会增加。临界体积的统计分布很好地符合 sigma 曲线。由于背应力引起的 TTF（失效时间）分散，较低的 jL 2 值显示较大的 sigma 值。提出了一个简化方程来分析特定温度下电流密度和线长的各种组合的实验数据。所得的阈值长度乘积 (jL) C 值似乎与温度有关，在 250-300 C 范围内随温度升高而降低。 2007 Elsevier Ltd. 保留所有权利。
热力学插值
摘要：使用归一化的流和重新加权，Boltzmann发电机可以从玻尔兹曼分布中启用平衡采样，该分布由能量函数和热力学状态定义。在这项工作中，我们引入了热力学插值（TI），该插值允许以可控制的方式生成采样统计。我们引入了直接在环境配置空间中工作的Ti风味，在不同的热力学状态或通过潜在的，正态分布的参考状态绘制。我们的环境空间方法允许规范任意目标温度，从而确保训练集的温度范围内的普遍性，并证明了外推的潜力。我们验证了TI对表现标准化和非平凡温度依赖性的模型系统的有效性。最后，我们演示了如何通过各种自由能扰动方法组合基于Ti的采样来估计自由能差，并提供相应的近似动力学速率，通过发电机扩展动态模式分解（GEDMD）估计。■简介
利用指数梯度进行类似大脑的学习
计算神经科学依靠梯度下降 (GD) 来训练大脑的人工神经网络 (ANN) 模型。GD 的优势在于它能够有效地学习困难的任务。然而，它产生的 ANN 在现象学上与生物学的拟合度较差，因此它们作为大脑模型的相关性较低。具体来说，它违反了戴尔定律，允许突触从兴奋性变为抑制性，并导致突触权重不服从对数正态分布，这与实验数据相矛盾。在这里，从优化理论的第一原理出发，我们提出了一种替代学习算法，即指数梯度 (EG)，它尊重戴尔定律并产生对数正态权重，而不会失去使用梯度学习的能力。我们还表明，在与生物学相关的设置中，EG 的表现优于 GD，包括从稀疏相关信号中学习和处理突触修剪。总之，我们的结果表明，EG 是一种使用 ANN 建模大脑的卓越学习算法。
![应用统计与概率 [3 1 0 4] 基础知识...](/simg/g:\will\search\icon\source\1\135d2c0830996f68e452dd4874aafe89f7642a8d.webp)
应用统计与概率 [3 1 0 4] 基础知识...
AI6101：应用统计和概率 [3 1 0 4] 统计学基础：统计学在工程中的作用、基本原理、回顾性研究、观察性研究、设计实验、随时间观察过程、机械和经验模型、概率和概率模型、集中趋势测量：平均值、中位数和众数、离散度测量-范围、四分位差、平均差、标准差、变异系数、偏度、峰度。概率分布：样本空间和事件、概率的解释和公理、加法规则、条件概率、乘法和总计、概率规则、贝叶斯定理、随机变量、随机变量的概念、伯努利分布、二项分布、泊松分布、正态分布。相关性和回归：概念和类型、卡尔·皮尔逊方法、秩斯皮尔曼方法、最小二乘法、离散随机变量和概率分布。连续随机变量和概率分布。联合概率分布。假设检验：假设检验、零假设和备择假设、显著性水平、单尾和双尾检验、大样本检验（单均值检验、均值差检验、单比例检验、比例差检验）、t 检验、F 检验、卡方检验。参考文献：
CMA进化策略：教程
多元正态分布n（m，c）具有单型号的“钟形”密度，其中钟的顶部（模态值）对应于分布均值，m。分布n（m，c）由其平均值m∈R唯一决定，其对称和正定的协方差矩阵c∈Rn×n。协方差（正定定义）矩阵具有吸引人的几何解释：可以用（超 - ）椭圆形{x∈Rn |唯一地识别它们。 X T C -1 x = 1}，如图1。椭圆形是分布相等密度的表面。椭圆形的主轴对应于C的特征向量，平方轴的长度与特征值相对应。特征成分由C = B（d）2 B t表示（请参阅Sect。0.1）。如果d =σi，其中σ∈R> 0，我表示身份矩阵，c =σ2i，椭球是各向同性的（图1，左）。如果b = i，则C = D 2是对角线矩阵，椭圆形是平行于轴平行的（中间）。在由B的列给出的坐标系中，分布n（0，c）总是不相关的。
本科学位课程 B 的教学大纲......
1 描述统计：a) 集中趋势测量 - 分组和非分组数据；平均值、样本平均值 - 加权平均值；中位数、四分位数、b) 十分位数和百分位数、箱线图、众数变异测量 - 离差、范围、标准差、总体与样本方差和标准差、偏度、峰度。2 概率和抽样分布简介：a) 分配概率的方法、概率空间、概率模型的条件、事件、简单和复合、概率定律、概率密度函数、累积分布函数、平均值和方差的预期值。边际、联合、联合和条件概率，贝叶斯定理 b) 随机变量、离散和连续分布、期望、分布矩、二项分布、泊松分布、均匀分布和正态分布、二项分布的正态近似、多个随机变量的分布、联合分布矩、独立性、协方差、相关系数、中心极限定理。3 假设检验：a) 总体参数的大样本估计和假设检验：估计总体均值和差异的基础知识；估计比例和差异；总体均值、差异的大样本检验；比例、差异的大样本检验。b) 总体方差的估计：方差的抽样分布，