深度学习模型在分布外预测方面表现不佳: 它们往往做出高置信预测,这在现实世界的应用中是有问题的,比如医疗保健、自动驾驶汽车和自然语言系统,或者在训练数据和模型预测所依据的数据之间存在差异的情况下,这些
研究基于知识系统(KBS)中知识的不确定性是开发KBS的重要问题,但现有模型化KBS几乎都是基于确定性知识的。以经典的CommonKADS模型为背景,采用模型化工程中的不确定性技术,研究KBS中不确定
摘要:在分析常规的入侵检测方法难阻适应网络环境的问题及用户信息和专家知识的模糊性和不确定性基础上,提出将△三蟹韭中的习=确定性推理方法应用于网络入侵检 测系统.给出了一种基于模糊关系的不确定性的传播方
基于对不确定性多属性决策问题中ER方法的研究, 提出一种不确定性多属性决策中的改进ER方法,并证明该方法完全满足证据合成的4个公理.通过实例运算,进一步验证了新方法的有效性和合理性.
不确定度量化 用于不确定性量化的Julia软件包。 当前(非常有限)的功能包括: 基于仿真的可靠性分析(Monte Carlo,线路采样) 灵敏度分析(本地)
我们使用蒙特卡洛(Monte Carlo)引导程序作为一种方法,该方法从6700个实验相互3σ一致的初始数据集中模拟低于pion生产阈值的pp和np散射数据。 我们使用标准的协方差矩阵误差传播方法,将
用以处理输电系统可靠性的不确定处理方法,很好很强大
我们根据世界电子散射数据确定核子电磁形状因数及其不确定性。 该分析包括两光子交换校正,对低Q2和高Q2行为的约束以及其他不确定性,以解决不同数据集之间的紧张关系以及辐射校正中的不确定性。
定义MV-代数上关于Boole划分的下近似和上近似运算,给出关于Boole划分的下近似和上近似运算的性质。利用MV-代数的全体Boole元素集合上的mass函数定义MV-代数上的信任函数和似然函数,讨
我们将证明,由于有效场论中的导数展开,因此存在广义不确定性原理。 这是因为在有效场论的框架中,必须将最小的可测量长度尺度整合起来以获得低能量有效作用。 我们将通过广义不确定性原理分析大规模自由标量场理