XiaoMi-AI文件搜索系统
World File Search System置信度
不确定性条件下的负荷—储能联合规划
随着可再生能源在电力系统中的聚集，其引起的不确定性影响着电力系统的规划和运行。同时，现有的规划模型未能考虑可再生能源的不确定性方法，特别是关于可再生能源的置信度和未来可能情景；因此，提出了一种基于置信度的情景聚类方法。本文提出了一种新的发电机、网络、负荷和储能 (GNLS) 联合规划模型。首先，构建基于置信度的情景聚类，通过对风能、太阳能和负荷进行聚类和分析来反映不确定性。其次，所提出的模型侧重于负荷和储能联合规划，此外，还使用相关的灵活指标来评估模型。最后，将 GNLS 联合规划模型构建为连续时间尺度上的双层随机模型。使用 Benders 分解算法对该模型进行求解。本文使用 IEEE RTS 24 节点和中国的实际测试系统进行了验证，以证明可再生能源弃风的减少和电力系统规划中经济因素的优化。
校准和代码语言模型的正确性
摘要 - 机器学习模型被广泛使用，但通常也可能是错误的。用户将受益于可靠的指标，即是否应信任给定模型的给定输出，因此可以做出合理决策是否使用输出。例如，输出可以与置信度度量相关联；如果这种置信度度量与正确性的可能性密切相关，则据说该模型是良好校准的。良好的置信度措施可以作为理性，逐步决策的基础，以了解使用生成的代码时需要多少审查和护理。校准已经在主要非生成中进行了研究（例如，分类）设置，尤其是在软件工程中。但是，生成的代码通常可能是错误的：给定的代码，开发人员必须决定是否直接使用，在仔细审查强度变化或丢弃模型生成的代码后使用。因此，卡尔 - 对生成环境至关重要。我们做出了一些贡献。我们开发了一个框架来评估代码生成模型的校准。我们考虑了几个任务，正确性标准，数据集和方法，并发现我们测试的大而生成的代码模型并未得到很好的开箱即用。然后，我们展示如何使用标准方法（例如PLATT缩放）改进校准。我们的贡献将在语言模型生成的当前使用代码中提供更好地校准的决策，并为将来的研究提供了一个框架，以进一步改善软件工程中生成模型的校准方法。由于Platt缩放率取决于正确性数据的事先可用性，因此我们评估了PLATT缩放在软件工程中的适用性和概括性，讨论其具有良好实际使用潜力的设置以及不存在的设置。索引项 - LLS，校准，置信度度量
Hassan, C.、Sharma, P.、Mori, Y.、Bretthauer, M.、Rex, DK、Repici, A.、Spadaccini, M.、Selvaggio, C.、Antonelli, G.、Khalaf, K.、Rizkala, T.、Ferra
执行检查的内镜医师使用波士顿肠道准备量表 17 对肠道准备进行评估和分级。所有检测到的息肉都清除掉其中的粘液，尽可能放置在内镜屏幕的“6 点钟方向”，并在保持聚焦的情况下以尽可能近的距离构图。内镜医师首先使用白光和 BLI 将病变分为“腺瘤”或“非腺瘤”，并对诊断置信度（高或低）进行评分。不使用 CADx AI 系统。然后，打开 AI 系统，两个 AI 系统（CAD-EYE® Fujifilm Co.、CADx-A 和 GI-Genius® Medtronic、CADx-B）自动提供的输出（“腺瘤”与“非腺瘤”）分别显示在两个不同的单独屏幕上。无论之前的内镜医师的预测和置信度如何，两个系统的输出均由内镜医师协助记录。第一个输出记录是 GI-Genius 在白光下的输出，第二个输出记录是 CAD-EYE 在蓝光下的输出。接下来，结肠镜检查医师再次对息肉进行分类（腺瘤或非腺瘤），并将预测的置信度评分为“高”或“低”。
刺激后编码EEG中的决策信心
做出决定时，人类可以评估他们正确的可能性。如果可以从大脑活动中可靠地解码这种主观信心，则可以建立一个脑部计算机界面（BCI），该界面通过根据他们的信心自动向用户提供更多信息来改善决策绩效。，但这种可能性取决于是否可以在刺激呈现后和响应之前立即解码置信度，以便可以及时采取纠正措施。尽管先前的工作表明在大脑信号中表示决策置信度，但尚不清楚表示表示是否是刺激性锁定的或响应锁定的，以及是否足够准确地精确地启用了这种BCI。我们通过在感知决策任务中以现实的刺激收集高密度的脑电图来研究信心的神经相关性。重要的是，我们设计任务以包括刺激后差距，以防止通过响应锁定的活动刺激刺激性锁定活性，反之亦然，然后与没有此间隙的任务进行比较。我们执行与事件相关的电位（ERP）和源 - 平局分析。我们的分析表明，置信度的神经相关性是刺激锁定的，并且缺乏刺激后间隙可能会导致这些相关性错误地显示为响应锁定。通过防止与响应相关的活性混淆刺激性锁定活性，我们表明，单独使用单次试验刺激锁定的前响应前脑电图可以可靠地解码置信度。我们还通过比较一系列算法来确定高性能分类算法。最后，我们设计了一个模拟的BCI框架，以表明脑电图分类足够准确，可以构建BCI，并且可以使用解码的信心来提高决策绩效，尤其是在任务难度和错误成本很高时。我们的结果显示了非侵入性脑电图的BCI可行性，可以改善人类决策。
2020 Cao-Nitinol HCF.pdf
与镍钛诺（一种名义上的镍和钛的等原子合金）的高周疲劳相关的一个有争议的问题是，有人声称增加施加的平均应变可以增加疲劳寿命，或者至少不会对疲劳寿命产生负面影响，这与绝大多数其他金属材料的报告行为相冲突。为了进一步研究这一点，在 37°C 下对电解抛光医用级镍钛诺进行了弯曲循环疲劳试验，寿命高达 4 亿次应变循环，涉及不同水平的平均应变。通过对疲劳数据的统计分析，开发了一个恒定寿命模型，在有效疲劳应变的 95% 置信水平下具有 90% 的可靠性。我们的结果表明，恒定寿命图（应变幅与平均应变的关系图）对于 4 亿次疲劳载荷循环寿命是单调但非线性的。具体而言，我们发现，与上述说法相反，在零平均应变下，应变幅度极限为 0.55%，以实现 4 亿次循环寿命，可靠性为 90%，置信度为 95%；然而，要在平均应变为 3% 或更高的情况下实现相同的寿命、可靠性和置信度水平，所需的应变幅度极限会降低三倍以上，降至 0.16%。此外，对于平均应变从 3% 到 7% 的情况，在可靠性为 90% 且置信度为 95% 的情况下，允许 4 亿次循环寿命的应变幅度极限约为 0.16%，
使用黎曼概率的贝叶斯积累的端到端 P300 BCI
摘要 — 在脑机接口 (BCI) 中，大多数基于事件相关电位 (ERP) 的方法都侧重于 P300 的检测，旨在对拼写任务进行单次试验分类。虽然这是一个重要的目标，但现有的 P300 BCI 仍然需要多次重复才能达到正确的分类准确率。P300 BCI 中的信号处理和机器学习进步主要围绕 P300 检测部分，而字符分类不在范围之内。为了在保持良好字符分类的同时减少重复次数，解决完整的分类问题至关重要。我们引入了一个端到端流程，从特征提取开始，由使用概率黎曼 MDM 的 ERP 级分类组成，该分类使用跨试验的贝叶斯置信度积累提供字符级分类。现有方法仅在字符闪现时增加其置信度，而我们新的管道，称为黎曼概率贝叶斯累积 (ASAP)，在每次闪现后更新每个字符的置信度。我们提供了此贝叶斯方法的正确推导和理论重新表述，以便无缝处理从信号到 BCI 字符的信息。我们证明我们的方法在公共 P300 数据集上的表现明显优于标准方法。
使用黎曼概率的贝叶斯积累的端到端 P300 BCI
摘要 — 在脑机接口 (BCI) 中，大多数基于事件相关电位 (ERP) 的方法都侧重于 P300 的检测，旨在对拼写任务进行单次试验分类。虽然这是一个重要的目标，但现有的 P300 BCI 仍然需要多次重复才能达到正确的分类准确率。P300 BCI 中的信号处理和机器学习进步主要围绕 P300 检测部分，而字符分类不在范围之内。为了在保持良好字符分类的同时减少重复次数，解决完整的分类问题至关重要。我们引入了一个端到端流程，从特征提取开始，由使用概率黎曼 MDM 的 ERP 级分类组成，该分类使用跨试验的贝叶斯置信度积累提供字符级分类。现有方法仅在字符闪现时增加其置信度，而我们新的管道，称为黎曼概率贝叶斯累积 (ASAP)，在每次闪现后更新每个字符的置信度。我们提供了此贝叶斯方法的正确推导和理论重新表述，以便无缝处理从信号到 BCI 字符的信息。我们证明我们的方法在公共 P300 数据集上的表现明显优于标准方法。
IPCC不确定性框架：一些决策者想要什么（以及为什么不应该）
对气候变化的研究受到深刻的不确定性的困扰，而研究的直接政策含义仍然使兄弟会引起兄弟。政策制定世界有其要求：不确定的信息必须以简单，一致和相关的方式传达。为了平衡这些要求与对科学严格的需求，必须以与决策相关的方式传达不确定性，又对科学尽可能地忠于科学。为了解决这个问题，IPCC不确定性指南（IPCC 2010）既提供了信心，也提供了可能性指标，以使专家在发现中表征不确定性。置信度度量是在定性量表上定义的，五个级别（“非常低”，“低”，“中”，“高”和“非常高”）。适当的置信度取决于对两个独立维度的评估：证据和一致（图1）。
不良贷款报告 CMMT(A)7
在所有情况下，聚合物熔体的剪切粘度均随给定剪切速率下的压力呈指数增加。图的截距表明，在每个剪切速率下，粘度随压力的变化呈系统性变化。图的斜率在 2000C 时介于 0.004 和 0.010 s 之间，在 180°C 时介于 0.005 和 0.011 s 之间。实验结果表明，与大气压相比，在 70 MPa 的压力下，聚苯乙烯的粘度增加到 200-300o/~。当外推到 125 MPa 时，这与已发表的研究结果非常吻合。结果表明，在 200°C 下，剪切速率为 500-1000 Sl，结果的可重复性在 1.:36% 以内（置信度为 95%）；在 180°C 下，常见剪切速率为 1000 Sl，结果的可重复性在 1.:20% 以内（置信度为 95%）。