采用qt编写，适用于区块链初学者学习参考

实验专题部分的手撸实验一模糊动态聚类（python代码），仅供参考，内部包含完整的实验流程代码+提高部分实验代码测试

人工智能第5章不确定性推理

一个将OWL本体直接转换成贝叶斯网络的原型系统

人工智能之确定性推理

不确定性人工智能的基础科学问题

文献：Uncertainty-aware Self-ensembling Model for Semi-supervised 3D Left Atrium Segmentation（半监督方法：不确定性感知自增强模型） 原文：https://arxiv.org/abs/1907.07034 代码：https://github.com/yulequan/UA-MT

采用复仿射描述DG出力和状态变量的不确定性，建立复仿射迭代形式的Ybus高斯区间潮流方程。提出将同类噪声元合并的处理方法，减少迭代过程中增加的噪声元数量，兼顾区间潮流计算的效率和精度。提出从复仿射计算电压幅值区间值和相角区间值的方法。IEEE 33节点系统算例验证了所提方法的有效性和准确性。

深度学习中的不确定性量化 此回购包含文献调查和基线的实现，以用于深度学习中的预测不确定性估计。 文献调查 不确定性估算的基本背景 埃夫隆（B. Efron）和蒂布希拉尼（R. Tibshirani）。 “用于标准误差，置信区间和其他统计准确性度量的引导方法。” 统计科学，1986年。 R. Barber，EJ Candes，A。Ramdas和RJ Tibshirani。 “用折刀+进行预测性推论。” arXiv，2019年。 B.埃夫隆。 “ Jackknife-bootstrap之后的标准错误和影响功能。” 皇家统计学会杂志：B系列（方法论），1992年。 J.罗宾斯和A. Van Der Vaart。 “自适应非参数置信集。” 统计年鉴，2006年。 V. Vovk等人，“跨等角预测分布”。 JMLR，2018年。 M. H Quenouille。，“时间序列相关

2019 年作为5G 商用元年，全球有348 家运营商投资5G 网络。其中61 家运营商已商用发布VR/AR、FWA 等面向消费者的5G 服务，推动了5G 消费者应用的快速发展① 。而5G 网络不仅能够丰富个人生活，也作为平台技术为行业数字化带来广阔的空间，加速推动各行业的数字化转型。 据Keystone Strategy & Huawei SPO Lab 的研究分析，行业数字化领域投资逐年稳步增长。预计2025 年全球与ICT 相关的行业数字化收入将达到4.7 万亿美元，所涉及的10 个主要行业是：制造/ 供应链、智慧城市、能源/ 公用事业、AR/VR、智慧家庭、医疗健康、智慧农业、