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、

确定性清洁机器人的基于模型的策略迭代算法。 这段代码是策略迭代算法的一个非常简单的实现，对于强化学习和动态规划领域的初学者来说，它是一个有用的起点。 确定性清洁机器人 MDP：清洁机器人必须收集用过的罐子，还必须为电池充电。 状态描述了机器人的位置，动作描述了运动的方向。 机器人可以向左或向右移动。 第一个 (1) 和最后 (6) 个状态是终止状态。 目标是找到一个最优策略，使任何初始状态的回报最大化。 这里是policy-iteration（基于模型的策略迭代DP）。 参考：算法 2-5，来自： @book{busoniu2010reinforcement, title={使用函数逼近器的强化学习和动态规划}， 作者={Busoniu，Lucian 和 Babuska，Robert 和 De Schutter，Bart 和 Ernst，Damien}， 年={2010}, 出版商={CR

通过动态确定性数据包标记实现可行的IP回溯框架

OpenCossan 是一个基于 Matlab 的工具箱，用于不确定性量化和管理。 实施的框架包括第三方软件集成（例如 ANSYS）、高效的数值算法（例如线采样）和用于高性能计算的并行化。 OpenCossan 的功能可以概括为： 不确定性量化基于仿真的可靠性分析敏感性分析元建模随机有限元分析基于可靠性的优化

气动辅助变轨技术在节省推进、延长航天器寿命等方面具有可观的应用价值,但工程实践却严重受制于气动效应不确定性,因此,设计了针对气动效应不确定性的SMC-$H_2/H_\infty$鲁棒制导算法.算法基于高斯伪谱法获取的标称轨迹和控制序列,通过构建气动效应的不确定性模型,利用奇异摄动理论将气动辅助变轨飞行器动力学划分为位置和速度回路,设计滑模和鲁棒$H_2/H_\infty$控制器分别实现制导控制.进一步,通过MatLab/xPC和飞行器机载计算模块组成的实时仿真系统验证,所设计鲁棒制导算法在计算复杂度满足工程约束前提下,能够在存在气动效应不确定性的场景下实现标称轨迹的跟踪,表明所设计的鲁棒制导算法能够有效地增强系统的鲁棒性,具有重要的工程应用价值.

案例是使用六台 3D 打印机对 P99 进行建模。 到达服从泊松分布，平均到达率为每小时 24 人。 每个服务器的服务时间是确定性的 15 分钟。 绿色指示灯表示打印机处于空闲状态，而红色指示灯表示忙碌，其下方显示利用率百分比。 还显示了运行平均到达率、系统中的时间以及系统中的数量。 系统中的数量也根据模拟时间绘制。 默认为 8 小时。 该模型是使用基本 Simulink 模块构建的，因此可能难以遵循编程逻辑。 如果您有任何问题，请随时联系我。