XiaoMi-AI文件搜索系统
World File Search System精度指标
2008 年 6 月 26 日联邦法律 N 102-FZ
5.俄罗斯联邦政府为本联邦法第1条第1部分规定的目的，制定与保证计量一致性的国家监管领域有关的、在本联邦法第1条第3部分第1-3、5-9、11-17、19款所列领域活动过程中实施的计量清单，指明计量的强制性计量要求，包括计量精度指标。在本联邦法第1条第3部分第4、10和18款所规定的活动领域实施法律监管的联邦执行权力机关和国家企业，在与履行制定确保计量统一性领域国家政策和法律监管职能的联邦执行权力机关协商一致后，确定与确保计量统一性国家监管领域有关的计量指标，并为其制定强制性计量要求，包括计量精度指标。
关于确保测量一致性的法案（2021 年 6 月 11 日修订）（2021 年 12 月 28 日起生效的版本）2008 年 6 月 26 日联邦法律 N 102-FZ
5.俄罗斯联邦政府为本联邦法第1条第1部分规定的目的，制定与保证计量一致性的国家监管领域有关的、在本联邦法第1条第3部分第1-3、5-9、11-17、19款所列领域活动过程中实施的计量清单，指明计量的强制性计量要求，包括计量精度指标。在本联邦法第1条第3部分第4、10和18款所规定的活动领域实施法律监管的联邦执行权力机关和国家企业，在与履行制定确保计量统一性领域国家政策和法律监管职能的联邦执行权力机关协商一致后，确定与确保计量统一性国家监管领域有关的计量指标，并为其制定强制性计量要求，包括计量精度指标。
确保俄罗斯测量一致性的策略...
生产效率和劳动生产率。确保这些因素的主要方向是向基于科学发展及其成果广泛引入生产的创新型经济转型。现代科学和生产中充斥着测量仪器，其精度指标表征着科学和生产的发展水平。对于交通、能源、医药以及确保国家国防能力和安全等高科技活动也可以这样说。
2008 年 6 月 26 日联邦法 N 102-FZ
本联邦法第 1 条第 3 部分第 4、10 和 18 款规定的活动领域的监管和法律规定，与行使制定国家政策和法律规定职能的联邦执行机构一致在确保计量统一领域，确定国家计量统一监管范围相关的计量，并制定强制性计量要求，包括计量精度指标。
确保测量统一的联邦法
规定了与确保测量统一的国家监管范围相关的测量清单，并在第 1 - 3、5 - 9、11 - 17 段指定的领域开展活动时进行本联邦法第 1 条第 3 部分 19 规定了测量的强制性计量要求，包括测量精度指标。联邦行政机关和国家公司在本联邦法第 1 条第 3 部分第 4、10 和 18 款规定的活动领域实施法律监管，并与行使发展中国家职能的联邦行政机关一致确保测量统一领域的政策和法律法规，确定与政府领域相关的测量
关于确保测量的统一性（2021年6月11日修订）（2021年12月28日起版本有效）
联邦法律制定了与国家监管范围相关的测量清单，以确保测量的统一性，并在第 1-3、5-9、11-17、19 段规定的领域开展活动时进行。本联邦法第一条第三部分，规定了测量的强制性计量要求，包括测量精度指标。联邦行政机关和国有企业在本联邦法第 1 条第 3 部分第 4、10 和 18 款规定的活动领域进行监管和法律监管，并与行使制定国家政策职能的联邦行政机关一致和保证测量统一领域的监管法律规定，确定与国家保证测量统一监管范围相关的测量，并对其制定强制性计量要求，包括准确度指标测量。
一种DEM构建方法及相关误差分析
研究了地形表示误差（ETR）的概念和计算，并将DEM总误差作为全球DEM评估的精度指标。开发了一种基于表面定理（SMTS）的表面建模方法。通过数值试验和实际示例，比较分析了SMTS与ARCGIS 9.1中执行的经典插值方法（包括IDW，SPLINE和KRIGING）在采样和插值误差以及DEM总误差方面的模拟精度。数值试验表明，SMTS比经典插值方法精度高得多，而ETR对SMTS精度的影响比经典插值方法更差。在实际示例中，使用SMTS以及三种经典插值方法构建了DEM。结果表明，虽然SMTS比经典插值方法更准确，但实际测试表明精度损失较大。总 DEM 误差不仅包括采样和插值误差，还包括 ETR，可以被视为全球范围内 DEM 评估的良好精度测量。SMTS 是 DEM 构建的另一种方法。& 2010 Elsevier Ltd. 保留所有权利。
通过稳定地形的空间推断对数字高程模型进行不确定性分析
摘要 — 随着数字高程模型 (DEM) 的可用性和分辨率不断提高，对地球和行星表面高程的更大和更精细尺度的监测正在迅速发展。表面高程观测正被用于越来越多的领域，以研究地形属性及其随时间的变化，特别是在冰川学、水文学、火山学、地震学、林业和地貌学中。然而，DEM 通常包含大规模仪器噪声和不同的垂直精度，从而导致复杂的错误模式。在这里，我们提出了一个经过验证的统计工作流程来估计、建模和传播 DEM 中的不确定性。我们回顾了 DEM 准确度和精度分析的最新进展，并定义了一个概念框架来一致地解决这些问题。我们展示了如何通过量化高程测量的异方差来表征 DEM 精度，即随地形或传感器相关变量而变化的垂直精度，以及可能在多个空间尺度上发生的误差的空间相关性。随着高精度观测的日益普及，我们基于在稳定地形上获取的独立高程数据的工作流程几乎可以应用于地球上的任何地方。我们以地形坡度和冰川体积变化为例，说明了如何传播像素尺度和空间高程导数的不确定性。我们发现文献中大大低估了 DEM 中的不确定性，并主张新的 DEM 精度指标对于确保未来陆地高程评估的可靠性至关重要。
通过定制图神经网络进行预置网络长度和时间估计
摘要 — 网络长度是标准数字设计流程各个阶段中优化时序和功耗的关键代理指标。然而，大部分网络长度信息直到单元布局之前才可用，因此，在布局之前的设计阶段（例如逻辑综合）明确考虑网络长度优化是一项重大挑战。此外，缺乏网络长度信息使准确的布局前时序估计变得极其困难。时序可预测性差不仅影响时序优化，而且妨碍对综合解决方案的准确评估。这项工作通过一个带有网络长度和时序估计器的布局前预测流程解决了这些挑战。我们提出了一种可定制的图注意网络 (GAT) 方法，称为 Net 2，用于在单元布局之前估计单个网络长度。其面向准确度的版本 Net 2a 在识别长网络和长关键路径方面的准确度比之前的几项工作高出约 15%。其快速版本 Net 2f 比布局快 1000 倍以上，同时在各种精度指标方面仍优于以前的工作和其他神经网络技术。基于网络大小估计，我们提出了第一个基于机器学习的预布局时序估计器。与商业工具的预布局时序报告相比，它将电弧延迟中的相关系数提高了 0.08，并将松弛、最差负松弛和总负松弛估计的平均绝对误差降低了 50% 以上。