本文利用已知化合物的生成热,推导出了一个在含有化合物的二元体系,由相图计算活度的新公式:\\[{\\rm{dln}}{{\\rm{\\gamma}}_{\\rm{A}}}{\\rm{=-}}\\frac{{{\\rm{\\Delta}}{{\\rm{H}}_{\\rm{f}}}^{\\rm{0}}{{\\rm{N}}_{\\rm{B}}}}}{{{\\rm{R}}{{\\rm{T}}^{\\rm{2}}}{\\rm{(x}}{{\\rm{N}}_{\\rm{B}}}{\\rm{-y}}{{\\rm{N}}_{\\rm{A}}}{\\rm{)}}}}{\\rm{dT-dln}}{{\\rm{N}}_{\\rm{A}}}\\;\\;\\;\\;\\;\\;\\;\\;(1)\\]式中:ΔHf0为化合物的标准生成热;x,y分别为化合物的化学计量系数;NA、NB分别为组元A、B的摩尔分数;γA、γB分别为组元A、B在液相线温度时的活度系数。对已知活度值的Au—Bi二元体系,用文献[3]中公式及我们的公式进行了计算,其计算数值与实验数值符合较好,证实了用本公计算含有化合物的二元体系的活度是可行的。我们用本公式计算了Al—La二元体系的活度,对预报的结果进行了初步分析

1 Introduction 2 Probability Distributions 3 Linear Models for Regression 4 Linear Models for Classification 5 Neural Networks 6 Kernel Methods 7 Sparse Kernel Machines 8 Graphical Models 9 Mixture Models and EM 10 Approximate Inference 11 Sampling Methods 12 Continuous Latent Variables 13 Sequential Data 14 Combining Models

Section 1 Introduction Section 2 Random Matrix Theory Section 3 Applications to Wireless Communications Section 4 Appendices

3.1 极大似然 3.2 隐变量 3.3 EM算法 3.4 混合高斯模型中的EM思想 3.5 论文举例

1.1 Wireless Channels 1.2 Single Antenna Channels 1.3 Multiple Antenna Channels 1.4 Introduction of Random Matrix

电子科技大学：《贝叶斯学习与随机矩阵及在无线通信中的应用 BI-RM-AWC》课程教学资源（课件讲稿）03 Transforms

电子科技大学：《贝叶斯学习与随机矩阵及在无线通信中的应用 BI-RM-AWC》课程教学资源（课件讲稿）04 Asymptotic Spectrum Theorems（2/4）

1. Continuing Mapping Theorem 2. Silverstein Theorem

6.1 Non-asymptotic Analysis: Concentration inequality 6.2 Non-asymptotic Analysis: extreme singular values

• 2.1 Introduction • 2.2 Polynomial Curve Fitting: A Toy • 2.3 Over-fitting • 2.4 Cross-Validation • 2.5 Regularization • 2.6 Linear Basis Function Models • 2.7 Least Squares Revisited • 2.8 Bayesian Linear Regression