公共文化服务平台

搜索到497篇“ 概率密度估计“的相关文章

基于张量分解的概率密度估计: 概率密度估计是统计机器学习中的核心挑战之一,是诸多下游任务成功解决的基石。概率密度估计的核心目标在于对未知分布的概率密度函数进行推断,以描述数据在不同区域的概率分布情况。有效的概率密度估计不仅有助于理解数据本身,更为诸多...; 吴锐拓; 关键词：张量分解概率密度估计

基于概率密度估计与时序Transformer网络的风功率日前区间预测被引量：2: 2024年; 随着风电机组装机容量逐年攀升,风力发电已经成为电力系统重要组成部分。由于风具有间歇性的属性,风功率强烈的波动性影响着电力系统的频率稳定性。因此,准确评估风电功率波动范围对电力系统的稳定运行和调度起着重要作用。目前,区间预测大多采用循环神经网络及其衍生模型,这一模型架构限制了网络的深度,并且传统区间预测采用上下限预测方案,受到损失函数超参数以及初始化方式等的影响,预测精度较低且不稳定。针对这些问题,该文提出一种基于概率密度函数参数估计的区间预测方案,通过概率密度分布函数可以给出确定性以及区间预测结果;同时,提出一种时序Transformer网络,在增强局部特征提取能力的同时保留了Transformer的全局视野。通过在公开数据集中与对比模型进行对比,结果表明,该文模型不论是区间预测还是确定性预测都能提供优于基线的预测精度。; 韩宇超同向前邓亚平; 关键词：区间预测

扩散常微分模型的训练方法、概率密度估计方法及设备: 一种扩散常微分模型的训练方法、概率密度估计方法及设备，包括：从标准高斯分布中采样高斯噪声，对预定的多个训练图片，分别计算每个训练图片和高斯噪声的线性组合，得到多个加噪图片；依次通过每个加噪图片对扩散常微分模型的参数进行训...; 朱军陈键飞路橙郑凯文鲍凡

基于稳定分布参数概率密度估计的GBAS伪距误差包络方法: 本发明涉及一种基于稳定分布参数概率密度估计的GBAS伪距误差包络方法，包括：获取GBAS伪距误差的样本序列；对样本序列建立四参数稳定分布模型；基于保护级的完好性监测对GBAS误差包络的对称性要求，确定出稳定分布的偏度参数...; 薛瑞刘博远

基于稳定分布参数概率密度估计的GBAS伪距误差包络方法: 本发明涉及一种基于稳定分布参数概率密度估计的GBAS伪距误差包络方法，包括：获取GBAS伪距误差的样本序列；对样本序列建立四参数稳定分布模型；基于保护级的完好性监测对GBAS误差包络的对称性要求，确定出稳定分布的偏度参数...; 薛瑞刘博远

利用DBSCAN和概率密度估计的欠定盲源分离混合矩阵估计被引量：4: 2023年; 针对欠定盲源分离中混合矩阵估计精度不佳的问题,本文提出了一种结合带噪声的基于密度的空间聚类(combining density-based spatial clustering of application with noise,DBSCAN)和概率密度估计的混合矩阵估计算法。首先,通过向量转换方式获得单声源时频点检测准则,并基于此准则从混合信号中检测出单声源点。其次,利用基于密度的空间聚类算法对单声源点进行聚类,由此估计出声源个数以及各类别所属的单声源点。再次,利用概率密度估计获得各类别的聚类中心,并构成混合矩阵。所提混合矩阵估计方法不需要提前设定声源个数,并且避免了由于数据分布不均所造成的聚类效果差的问题。最后,采用压缩感知技术实现源信号恢复,从而从混合信号中分离出各个声源信号。实验结果表明,本文所提的混合矩阵估计方法在声源个数未知的情况下,能够准确估计出混合矩阵;并且分离出的信号具有较高的质量。; 张宇杨淇善贾懋珅; 关键词：概率密度估计欠定盲源分离

基于核概率密度估计的加权上采样方法用于流化床结块故障监测方法: 本发明公开了基于核概率密度估计的加权上采样方法用于流化床结块故障监测方法，通过核概率密度估计估计故障样本的概率密度分布函数，对难以学习的决策边界样本，对边界样本生成率进行加权，使难学习样本获得更多的生成样本，提高新样本集...; 吴海燕王子扬

基于条件概率密度估计的水泥微结构元素分布预测技术研究: 水泥作为最常见的建筑材料之一，在我国的经济发展中发挥着举足轻重的作用。然而，我国作为世界上最大的水泥生产国，‘大而不强’的局面一直持续至今。因此，研制高性能、高质量的水泥成为了当前亟需解决的重点问题。从微观的角度来说，水...; 袁健峰; 关键词：水泥水化微观结构图像合成

一种基于概率密度估计的散点样本数据扩充方法: 本发明涉及医疗技术领域，具体涉及一种基于概率密度估计的散点样本数据扩充方法，包括提取样本的生成模板中的散点组，并对散点组进行标注后分类，得到多个类型数据；为多个类型数据分别建立概率分布模型；基于多个概率分布模型的概率分别...; 韦笑王梦龙秦鑫龙王岩

一种基于概率密度估计的逆强化学习方法: 一种基于概率密度估计的逆强化学习方法，包括：初始化策略模型；获取专家示范；利用专家示范估计专家的状态分布概率密度；利用专家示范估计专家状态动作联合分布概率密度；利用策略与环境交互，收集策略状态样本；利用状态样本估计策略状...; 刘阳袁博

相关作者