首先,我要向在大学期间与我共度时光的所有同事表示敬意,特别是 Ana Mar'ıa、Alberto 和 Para'ıso。我在马德里的第一天遇到了她,后来又遇到了其他人,但他们在我最后几年的不同阶段都发挥了重要作用。如果没有他们的关注和无条件的支持,这条漫长的道路会更加艰难。我还要感谢 Cristina 的考虑,因为如果没有她的建议,这篇论文的题目会有所不同。显然,我不能忽视我一生中家人的鼓励。他们对我决定的支持一直是不可否认的。我所取得的成就几乎都归功于你们和你们的教育,因此这篇论文很大一部分是你们的功劳。我也很幸运和自豪能与航空航天飞行器系的 Crist'obal 和 ' Alvaro 一起工作。他们将我和我的同学带入了研究领域,并激发了我们在工程领域的创造潜力。我也非常感谢他们分享了他们在预测、估计或神经网络等领域的大量知识。最后但并非最不重要的是,我必须对 GAMESA 公司及其所有员工表示感谢,感谢他们在该项目开发期间的接待、帮助和建议。特别要感谢 Enrique,他的技术援助和支持对于与风力涡轮机行为相关的几个方面至关重要。此外,他还负责本报告的修订,他的意见丰富了本文并使其更加连贯和易于理解。当然,我忘记了很多值得在这页小纸片上占据大篇幅的人。遗憾的是,我必须结束这篇文章,因为这份报告必须在几个小时内送到复印店。对于那些出现在这里的人和那些应该出现在这里的人:谢谢。
首先,我要向在大学期间与我共度美好时光的所有同事表示敬意,特别是 Ana Mar´ıa、Alberto 和 Para´ıso。我在马德里的第一天遇到了她,后来又遇到了其他人,但他们在我最后几年的不同阶段都发挥了重要作用。如果没有他们的关注和无条件的支持,这条漫长的道路会更加艰难。我还要感谢 Cristina 的考虑,因为如果没有她的建议,这篇论文的标题会有所不同。显然,我无法忽视我一生中家人给予的鼓励。他们对我决定的支持始终是不可否认的。我所取得的几乎所有成就都归功于您和您的教育,因此这篇论文的很大一部分归功于您。我也感到很幸运和自豪,能够与航空航天飞行器部门的 Crist´obal 和 ´ Alvaro 共事。他们将我和我的同学带入了研究领域,并鼓励我们在工程领域发挥创造潜力。我也非常感谢他们分享了他们的许多知识,涵盖了预测、估计或神经网络等领域。最后但并非最不重要的是,我必须对 GAMESA 公司及其所有员工在该项目开发过程中的接待、帮助和建议表示感谢。特别感谢 Enrique,他的技术援助和支持对于与风力涡轮机行为相关的几个方面至关重要。此外,他还负责本报告的修订,他的意见丰富了这篇论文,使其更加连贯和易于理解。当然,我忘记了很多人,他们值得在这个小页面上占据很大的篇幅。不幸的是,我必须结束这篇文章,因为这份报告必须在几个小时内送到复印店。对于那些出现在这里的人和那些应该出现在这里的人:谢谢。
匹兹堡大学,生物统计学系,美国宾夕法尼亚州匹兹堡 教学经历 统计估计理论(研究生博士核心课程,11) 2015 年秋季 统计估计理论(研究生博士核心课程,8) 2016 年秋季 生物统计学研讨会 2016 年秋季 生物统计学研讨会 2017 年春季 统计估计理论(研究生博士核心课程,20) 2017 年秋季 生物统计学研讨会 2017 年秋季 生物统计学研讨会 2018 年春季 统计估计理论(研究生博士核心课程,7) 2018 年秋季 统计估计理论(研究生博士核心课程,13) 2019 年秋季 专题研究 (BIOST 2021) 2019 年秋季 专题研究 (BIOST 2021) 2020年夏季统计估计理论(研究生博士核心课程,14)2020年秋季
摘要。Wasserstein Barycenters以几何有意义的方式定义了概率度量的平均值。它们的使用越来越流行在应用领域,例如图像,几何或语言处理。在这些领域中,人们的概率度量通常无法全部访问,并且从业者可能必须处理统计或计算近似值。在本文中,我们量化了此类近似值对相应的barycenters的影响。我们表明,在相对温和的假设下,Wasserstein Barycenters以一种连续的方式依赖于边缘的方式。我们的证据取决于最近估计,该估计值允许量化Barycenter功能的强凸度。探索了有关瓦瑟尔恒星重中心的统计估计的后果以及正规化的瓦斯汀·巴里中心对其非规范化对应物的收敛。探索了有关瓦瑟尔恒星重中心的统计估计的后果以及正规化的瓦斯汀·巴里中心对其非规范化对应物的收敛。
扩散模型已彻底改变了各种综合域,包括计算机视觉和音频产生。尽管具有最新的表现,但由于涉及的大量步骤,扩散模型以其缓慢的样本生成而闻名。响应中,已经开发出一致性模型以合并采样过程中的多个步骤,从而显着提高了样本生成速度而不会损害质量。本文介绍了连续性模型的第一个统计理论,将其培训作为分配差异最小化问题的培训。我们的分析基于一致性模型的Wasserstein距离产生统计估计率,与Vanilla扩散模型相匹配。此外,我们的结果涵盖了通过蒸馏和隔离方法培训一致性模型的训练,从而揭示了它们的基本优势。
目录 第 1 章:简介 第 2 章:数据收集系统的规划和设计 2.1 目标和要求 2.2 目标人群和样本设计 2.3 数据收集方法 2.4 文件和文档 第 3 章:数据收集 3.1 从外部来源获取数据 3.2 框架维护和更新 3.3 数据收集操作 3.4 数据收集程序的文档 第 4 章:数据处理 4.1 数据保护 4.2 数据编辑 4.3 缺失数据 4.4 数据编码 4.5 监测和评估 4.6 数据处理程序的文档 第 5 章:数据分析 5.1 数据分析规划 5.2 统计估计和推断 5.3 数据分析文档6:信息传播 6.1 发布信息 6.2 表格、图形和地图 6.3 文本讨论 6.4 微观数据发布 6.5 传播前的数据保护 6.6 四舍五入 6.7 信息修订 6.8 公开文件
摘要:本研究涉及部分基于合成传感器的空气数据系统 (ADS) 的安全性分析。ADS 专为小型飞机运输 (SAT) 社区设计,适用于未来的无人机和城市空中交通应用。ADS 的主要创新在于使用合成传感器代替传统叶片(或传感器)来估计流动角(攻角和侧滑角),而压力和温度则直接用皮托管和温度探头测量。由于空气数据系统是安全关键系统,因此需要进行安全分析,并将结果与飞机集成商要求的安全目标进行比较。本文介绍了应用于部分基于合成传感器的安全关键系统的系统安全评估的常见航空程序。统计估计了 ADS 子部件的平均故障间隔时间,以评估 ADS 功能的故障率。所提出的安全分析还有助于识别最关键的空中数据系统部件和子部件。还确定了为实现非冗余架构的适航安全目标而可能填补的技术差距。
社会科学家使用自动注释方法,例如有监督的机器学习以及最近的大型语言模型(LLM),可以预测标签和基于文本的变量。虽然经常对这种预测的基于文本的变量进行分析,就像没有错误观察到它们,但我们表明,即使自动化注释的准确性高于90%,忽略自动注释步骤中的预测错误也会导致下游分析中的实质性偏见和无效的置信区间。我们提出了一个基于设计的监督学习框架(DSL),该框架即使预测的变量包含非随机词语前字典错误,也可以提供有效的统计估计。DSL采用双重强大的程序来组合预测的标签和少量的专家注释。DSL允许学者在保持统计有效性的同时,将LLM中的进步应用于社会科学研究。我们使用两个应用程序和自变量基于文本的应用程序说明了其一般适用性。