针对模型响应不确定性的稳健参数设计问题,在高斯过程回归(Gaussian process regression,GPR)建模的框架下,结合贝叶斯超参数最大后验(Maximum a posteriori
在优化和决策过程中,不确定性量化(UQ)在减少不确定性方面起着至关重要的作用。它可以用于解决科学和工程中的各种实际应用。
风速决定了风电场的输出功率,风速模型是研究含风电系统运行与规划的重要基础。提出一种基于证据理论的风速不确定建模方法。采用证据理论中基本可信度分配的概念描述风速;提出依据实测历史数据确定基本可信度分配的
在错综复杂的新生态下,预测已经成为不可能,运营的关键已从控制—命令式转变为赋能——分布式,唯有如此才能在新生态下取得成功。
为促进空间信息科学的发展和理论的完善,推动GIS理论的深入研究,需要对当前空间数据不确定性的研究状况进行分析和归纳。纵观国内外有关文献的研究成果可知:空间数据随机不确定性主要侧重于基本理论和种类方面的
机器学习是一种强大的工具,可以揭示和利用多维参数空间中的相关性。 从这种相关性进行预测是一项非常艰巨的任务,特别是当尚未完全理解理论模型的基本动力学细节时。 使用对抗网络,我们可以在训练过程中包括系统
在过去的几十年中,无论是从理论上还是实验上,人们都在广泛地研究可能违反洛伦兹不变性的问题。解决问题的一个综合框架是A.Kostelecky提出的标准模型扩展(SME),其中将违反洛伦兹不变性的行为编码
讨论了无穷无穷和无穷小问题。考虑了与温度的绝对零和最大速度有关的限制,以及这些限制的后果。提出了一种几何方法作为波粒二象性的替代方法,以解释微物体的异常运动。几何方法的基础是在无穷小度量上彼此不同的两
基于Copula-Glue的水文模型参数不确定性研究,林凯荣,陈晓宏,由于“异参同效”现象的存在,基于不确定分析的参数识别应运而生。参数空间分布的复杂性与相关性正是参数不确定性存在的主要原因
引入了在对角度量空间中起作用的平移算子来描述粒子在量子系统中的运动。 我们表明,动量算符以及不确定性关系现在都取决于度量。 还表明,对于任何扩展到二阶的度量,这种形式主义自然会导致具有最小动量散布的扩