数理统计的任务:观察现象,收集资料,创 建方法,分析推断 统计推断:伴随着一定概率的推测。其特点 是:由“部分”推断“整体

第一节天气系统的外推预报法 外推法——将天气系统过去的演变趋势外延以推测未来的状况

正态总体的均值和方差的推断 应用: 检验工业过程均值以确定过程是否处于控制之 下。 通过读取方差计算实验室仪器测量的精度。 预测区间和容忍区间是从一个总体中进行预测 估计的方法。 使用中心极限定理(CLT),在大样本情况下, 正态总体的均值的推断过程可以扩展到非正态 总体的均值推断上

针对BP神经网络训练时间长的问题,采用基于案例推理的方法预测精炼开始钢水温度.首先,应用层次分析法确定影响精炼开始钢水温度的各个因素的权值,并使用灰色关联度来计算案例的相似度,克服了传统相似度计算方法在案例信息不完整的情况下无法获取准确结果的缺点.然后,提出一个包含类选、粗选、精选和择优的四步检索方法,大大缩短了检索时间.最后,实验比较了人工神经网络和基于案例推理两种方法,结果表明基于案例推理比人工神经网络具有更高的命中率

本文评述了由组成三元系的二元系预示三元系性质的各种经验方法并讨论了对多组元体系的推广。使用亚正规溶液模型比较了这些方法并推导了若干可作直接比较的表达式。对于对称体系的处理,推荐了一项通用的数值方法和等价的解析方法。对于非对称体系的处理,除了强调将非对称三元系转换为交互系进行处理和使用形式上对称的表达式的可能性以外,还推荐了一项数值方法

运用Fluent动网格模型实现采空区的四维动态变化,并用用户自定义函数将煤低温氧化动力学机理及非均质孔隙率函数编入Fluent中,结合时间和空间,对U+L型通风系统采空区升温规律进行四维动态模拟研究.研究表明:非均质孔隙率四维动态模型能更真实地反应孔隙率的空间与时间变化,空间某一位置的孔隙率随时间呈负指数递减;工作面推进速度越大,采空区升温速率越小,推进速度为3.6 m·d-1时平均升温速率仅为推进速度为1.2 m·d-1时的1/5;然而,推进速度越大,高温点的深度越大,不利于自燃的预防;尾巷的存在使得温度场范围扩大,温度升高,CO主要从尾巷流出,尾巷释放的CO量是回风巷CO释放量的10倍.最后利用现场实测的数据对结果进行验证,表明模拟结果是正确可信的

围绕知识图谱的全生命周期技术，从知识抽取、知识融合、知识推理、知识应用几个层面展开综述，重点介绍了知识融合技术和知识推理技术。通过知识抽取技术，可从已有的结构化、半结构化、非结构化样本源以及一些开源的百科类网站抽取实体、关系、属性等知识要素。通过知识融合，可消除实体、关系、属性等指称项与实体对象之间的歧义，得到一系列基本的事实表达。通过本体抽取、知识推理和质量评估形成最终的知识图谱库。按照知识抽取、知识融合、知识推理3个步骤对知识图谱迭代更新，实现碎片化的互联网知识的自动抽取、自动关联和融合、自动加工，从而拥有词条自动化链接、词条编辑辅助功能，最终达成全流程自动化知识获取的目标。最后，讨论知识图谱未来的发展方向与可能存在的挑战

一、运输需求量预测的基本概念 (一)预测的基本概念 预测是人们预选的、事前的对某事物发展的一种推测,一种测算,测算事物发展变化可 能出现的前景和趋势,有时还要推测事物发展变化可能达到的水平和规模,推测事物间相互 联系、相互制约、相互影响以及影响程度等等。 运输需求量预测就是根据运输及其相关变量过去发展变化的客观过程和规律性,参照当 前已经出现和正在出现的各种可能性,运用现代管理的、数学的和统计的方法,对运输及其 相关变量未来可能出现的趋势和可能达到的水平的一种科学推测

5G网络技术可以满足赛博空间（Cyberspace）发展对通信平台性能提出的高要求，大规模MIMO（Multiple-input multiple-output）天线阵列是5G核心技术之一。实际中大规模MIMO天线阵列的互耦效应会大大降低香农容量，在未来5G天线系统中，面临的最大挑战是如何有效消除阵列中单元天线间的互耦。针对大规模阵列天线互耦问题，应进行天线单元的散射特性研究。本文在开路状态下“不可见”的最小散射天线基础上，推导了最小散射天线串联四分之一波长透明网络的散射矩阵，证明该状态即为短路状态下的最小散射天线。对一种X波段波纹喇叭天线分别进行短路、开路、匹配三种负载状态下的散射测量，根据最小散射天线理论分离出了天线的额外散射、伴随散射和失配散射。用分离获得的散射分量，推算了波纹喇叭天线的散射最大值和最小值，其中推算出的最小值远低于天线匹配时的散射。用滑动短路器作为可变负载，进行预设负载状态下波纹喇叭天线的散射测量，实测获得了推算出的散射最大值和最小值，验证了单元天线散射特性研究的正确性。结果说明，在进行大规模阵列的单元天线设计时，除了考虑单元天线的辐射特性之外，也要考虑天线的散射特性，以降低天线的互耦效应

• 贝叶斯推理提供了一种概率手段，基于如下的 假定：待考察的量遵循某概率分布，且可根据 这些概率及已观察到的数据进行推理，以作出 最优的决策。 • 贝叶斯推理为衡量多个假设的置信度提供了定 量的方法 • 贝叶斯推理为直接操作概率的学习算法提供了 基础，也为其他算法的分析提供了理论框架