导读:本文包含了统计性能论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:性能,神经网络,在线,协方差,成核,火箭发动机,骨料。
统计性能论文文献综述
陈守开,陈家林,符永淇文,张政男,蒋海峰[1]（2019）在《再生骨料透水混凝土性能的统计规律分析》一文中研究指出对再生骨料透水混凝土抗压强度、劈拉强度、孔隙率及透水系数的实测数据进行统计分析并检验,结果显示4个性能均基本符合正态分布规律。在此基础上,引入多维正态分布理论构成四维总体随机样本,通过求得其协方差矩阵并无偏估计样本总体的协方差,明确再生骨料透水混凝土各性能之间相关性。同时,利用χ~2统计量的Q-Q图检验法对四维总体随机样本进行正态性检验,得出由再生骨料透水混凝土各性能构成的随机向量服从四维正态分布。(本文来源于《人民黄河》期刊2019年08期）
刘敬锐,杨强,张斌,谢威,俞杰[2]（2019）在《基于Weibull分布统计分析成核剂对LDPE击穿性能的影响》一文中研究指出将成核剂和高压级低密度聚乙烯(LDPE)基料进行熔融共混,制备更高电压等级的绝缘材料,测试其击穿性能,并应用双参数Weibull分布统计分析其电气强度数值。结果表明:电气强度与制样时间、厚度以及后处理有很大的相关性,通过过氧化物交联剂进行交联之后,材料的击穿性能有一定程度的提高。添加不同质量分数的成核剂对LDPE电气强度的影响不同,当成核剂质量分数为0.5%并经过热交联固化后,其击穿性能最好,电气强度的Weibull分布双参数均提高,其中尺度参数提高达9.3%。(本文来源于《绝缘材料》期刊2019年07期）
郑小贞,程宗毛[3]（2019）在《移动节点随机事件捕获性能的统计分析》一文中研究指出在事件随机变量参数未知的指数分布下,讨论分布参数的Bayes估计。首先,通过不同调度方案分析移动节点随机事件捕获的性能;其次,采用随机事件参数未知下的在线变速调度方案和随机事件参数已知下的离线匀速调度方案,研究移动节点事件捕获性能对工作状态速度的影响;最后,采用MATLAB软件进行仿真,结果表明:在线变速调度方案下的捕获性能优于离线变速或匀速调度方案、在线匀速调度方案,且在线变速调度方案是离线匀速调度方案的一种实时修正。(本文来源于《杭州电子科技大学学报(自然科学版)》期刊2019年04期）
解传宁[4]（2019）在《数控电路板性能退化分析及可靠性统计推断研究》一文中研究指出针对长寿命产品很难通过寿命试验和加速寿命试验获得充足的失效寿命数据的情况,以某型号的国产数控用印制电路板为试验对象,在高温高湿条件下开展了偏置电压性能退化试验.通过探讨其主要的故障模式和失效机理,建立了数控用电路板的电压应力退化失效模型,然后在对性能退化数据的统计分析研究的基础上,提出了基于退化轨迹的可靠性评估方法,并对高可靠性长寿命的数控用印制电路板进行了可靠性统计推断.最后给出了威布尔分布下的可靠性统计推断结果,验证了方法的正确性和有效性.(本文来源于《烟台大学学报(自然科学与工程版)》期刊2019年03期）
池旭辉,彭松,张峰涛,杨根,曹蓉[5]（2019）在《NEPE推进剂力学性能的统计特性及贮存老化的影响》一文中研究指出固体推进剂力学性能是决定固体推进剂药柱可靠性的关键性能。为准确评估贮存寿命和可靠性,需要掌握固体推进剂力学性能的分布规律以及贮存老化的影响。研究了NEPE推进剂老化过程中抗拉强度、初始模量、最大伸长率和断裂伸长率等力学性能参量的统计分布特性,以及加速老化过程中统计参数的变化规律。研究结果表明:同一老化状态和测试条件下,NEPE推进剂单向拉伸力学性能参量测试值呈正态分布;不同老化状态的力学性能变异系数与老化时间、温度无关,呈正态分布。将不同老化温度、老化时间的力学性能变异系数作为来自同一总体样本的随机变量,求出了NEPE推进剂抗拉强度、最大伸长率、初始模量和脱湿因子的变异系数的99%置信上限,作为固体推进剂药柱贮存可靠性评估的基础数据。(本文来源于《固体火箭技术》期刊2019年03期）
曾信,李明春,祝振东[6]（2019）在《基于IPTV播放系统的性能统计方法研究》一文中研究指出IPTV系统中的性能统计方式目前比较简单,一些性能参数的计算甚至还不准确。为了在IPTV安卓智能机顶盒工作时,能够实时统计并计算其播放的性能参数,即抖动值、丢包值、时延值、节目播放参数等。论文研究并实现了一种基于IPTV播放系统的性能统计方法,保证在播放过程中出现问题时,能够快速定位问题发生的原因,及时地做出相应的改善,最大限度地保证IPTV播放业务的性能,使得用户体验得到较大的提升。(本文来源于《计算机与数字工程》期刊2019年05期）
王鑫[7]（2019）在《基于BP神经网络算法的计算机性能统计分析》一文中研究指出运算速度是对计算机性能进行评估的重要参考参数之一,所有专用于提高计算机性能的方法,都是为了加快操作速度。为了在执行某些类型的操作时获得计算机系统的性能,已经构建了各种评估系统。计算机的诞生开辟了一个焕然一新的时代,信息处理变得简单快速,极大地促进了人类文明的进步。BP(Back-Propagation)神经网络算法可以用来分析和调试计算机的性能。虽然神经网络演算的应用取得了很大进展,但对神经网络演算的主要概念仍然没有深入的研究。利用数学理论分析这些基本概念并将整个神经网络演算纳入严格的理论体系是值得进一步研究的工作。(本文来源于《数码世界》期刊2019年05期）
李钦钦[8]（2019）在《面向统计机器翻译的汉维词对齐性能提高的方法研究》一文中研究指出词对齐技术是统计机器翻译中的翻译模型和调序模型的基础,这表明了词对齐技术是统计机器翻译系统中最重要部分。同时,词对齐技术在自然语言处理领域发挥着重要作用。例如双语语料库的建设、语音识别和信息检索等。如果错误出现在词对齐阶段,那它将会在这些模型中将错误延续下去,由于未解决词对齐阶段中的错误,这将导致模型中出现更多错误。目前,汉英词对齐技术的研究起步较早而且取得了不错的成果,然而汉维词对齐技术的研究起步较晚,因此汉维词对齐还面临着语料较少而且语料会有部分对齐错误的问题;同时由于维语的形态结构非常的丰富和复杂,这给汉维词对齐带来了非常严重的数据稀疏问题;另外,在实验过程中我们发现汉维词对齐中存在命名实体和非命名实体错误对齐的问题。本文针对以上问题,主要研究内容包括:(1)本文将基于困惑度的训练语料过滤方法应用于汉维双语词对齐语料库的预处理。通过删除严重错误的双语句对,获得更好的汉维双语语料库。困惑度可以在单词对齐阶段中删除具有严重错误的双语句对,从而提高单词对齐性能。本文通过汉维双语对齐句的困惑度过滤训练语料库,比较不同的困惑度对汉维词对齐效果的影响。实验表明,该方法在困惑度阈值小于12时,汉维词对齐的性能得到有效提升。(2)本文引入了基于形态切分的算法实现汉维词对齐语料预处理。在对维语名词和动词切分的基础上加入对维语形容词的切分,切分能获得包含更多语义信息的维语句子,这样可以在一定程度上可以解决数据稀疏性的问题,从而提高汉维词对齐的性能。(3)一种基于对双语命名实体进行识别来提高汉维词对齐性能的方法。首先,通过CRF方法对双语中的命名实体进行识别;然后,用双语语言标记的命名实体替换,然后在替换后的双语语料上进行汉维双语词对齐的实验;最后,再将实验结果中标记替换的命名实体恢复。该方法实现了汉维词对齐性能的提高。(本文来源于《中央民族大学》期刊2019-05-15）
彭欣[9]（2019）在《热点部署场景下多天线蜂窝网络统计性能研究》一文中研究指出在移动互联网飞速发展的驱动下,移动终端上网、机器连接等产生的移动数据业务量快速增长,多样化的移动通信场景不断涌现。为应对数据的快速增长以及对多样化业务场景的支持,第五代(The Fifth-Generation,5G)无线通信系统相关研究工作已经全面展开,IMT-2020针对5G也提出系统容量超千倍增长的技术目标。多天线密集网络是5G提升系统容量的关键技术之一。其中,热点部署是多天线密集网络的典型部署场景之一,其基本思想是在人流密集区域集中部署大量微站。相比于传统蜂窝网络,热点部署场景下的密集网络面临更多的挑战:首先,热点区域的基站呈现簇状分布,使得网络拓扑结构发生变化。此外,基站的高密度部署使得网络干扰分布更加复杂。因此,建立贴合实际的基站部署模型,分析热点部署场景下密集网络性能与系统参数之间的关系,并结合网络干扰分布特点研究有效的干扰消除策略来提升网络性能具有重要意义。本文围绕热点部署场景下多天线密集网络展开了相关研究。结合随机几何理论推导了网络性能指标的表达式,并分析网络成簇特性对系统性能的影响。在此基础上,结合网络干扰的成簇特性,进一步研究了基于簇内多点协作的干扰协调策略并对用户速率性能进行了分析与优化,旨在为5G密集网络部署与优化工作提供参考。首先,针对热点部署场景下的单层多天线小基站网络,本文采用高斯泊松点过程建模小基站的分布,利用随机几何工具推导了系统区域频谱效率的一般性表达式和逼近表达式,并分析了区域频谱效率与网络部署参数的关系,得出如下结论:区域频谱效率随着成簇概率的增大而增大,随着成簇半径的增大而减小,在基站端配置多根天线可以显着提升区域频谱效率。当基站端配置固定数目的天线时,基站端存在最优的调度用户数使得系统区域频谱效率达到最大。理论分析和仿真结果显示,相比于均匀部署,热点部署场景下网络干扰分布呈现成簇特性,且由于簇内基站间距离较近,严重的簇内干扰是阻碍热点部署场景下系统性能提升的主要因素。在多天线密集网络中,多点协作是对抗小小区间干扰的有效手段。考虑到簇内干扰是热点部署场景下限制系统性能的主要因素,可以通过在单个簇内形成较小规模的协作集群来消除簇内干扰,一方面可以有效提升系统性能,同时也可以避免整个网络的信令交互带来的巨大开销,实现复杂度较低。结合簇内干扰消除策略,本文进一步对热点部署场景下的用户速率性能进行分析与优化。首先推导了用户平均可达速率一般性表达式,并分析其与基站端用以消除簇内干扰自由度数目的关系。根据表达式,本文从理论上证明了基站端用以消除干扰的最优自由度的存在,该最优解可以通过一维数据搜索的方式快速得到。理论分析和仿真结果显示,在成簇半径较小的情况下,即簇内干扰较大时,利用尽可能多的自由度来消除簇内干扰可以有效提升用户速率性能。然而,随着成簇半径的增大,利用较多自由度来消除簇内干扰带来的性能增益逐渐降低。这说明,当基站端配置固定数目的天线时,利用空域自由度在干扰抑制和传输有用信号之间存在折中关系。通过设置最优自由度,可以实现发送有用信号与干扰抑制间的最佳折中,从而使得用户速率达到最大。(本文来源于《中国科学技术大学》期刊2019-05-01）
褚天舒,陆春华,张翔宇,陆九梅[10]（2019）在《基于多元回归统计下的BFRP筋-混凝土粘结性能研究》一文中研究指出玄武岩纤维复合(BFRP)筋替代混凝土结构中的钢筋是解决传统混凝土结构中钢筋锈蚀问题的重要方法。本文通过对拉拔试验的统计分析发现,粘结强度的影响因素不能用单因素准确表达。随着混凝土抗压强度的提高,BFRP筋与混凝土的粘结强度会有一定的提升,且平均粘结强度与相对保护层厚度成正相关,随着相对保护层厚度的增加,粘结强度的增幅放缓。基于多元统计下的平均粘结强度与诸因素之间的统计规律,发现了非线性统计方法与试验结果更为吻合,增加的拟合参量越多,模型的预测精度越高,敏感因素为混凝土抗压强度、水灰比以及BFRP筋的拉伸强度。并利用BP神经网络模型对粘结强度进行了预测,平均误差为8.9%,满足工程使用的要求,为BFRP筋-混凝土粘结强度的预测提供了方法与依据。(本文来源于《四川建筑科学研究》期刊2019年02期）
统计性能论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
将成核剂和高压级低密度聚乙烯(LDPE)基料进行熔融共混,制备更高电压等级的绝缘材料,测试其击穿性能,并应用双参数Weibull分布统计分析其电气强度数值。结果表明:电气强度与制样时间、厚度以及后处理有很大的相关性,通过过氧化物交联剂进行交联之后,材料的击穿性能有一定程度的提高。添加不同质量分数的成核剂对LDPE电气强度的影响不同,当成核剂质量分数为0.5%并经过热交联固化后,其击穿性能最好,电气强度的Weibull分布双参数均提高,其中尺度参数提高达9.3%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
统计性能论文参考文献
[1].陈守开,陈家林,符永淇文,张政男,蒋海峰.再生骨料透水混凝土性能的统计规律分析[J].人民黄河.2019
[2].刘敬锐,杨强,张斌,谢威,俞杰.基于Weibull分布统计分析成核剂对LDPE击穿性能的影响[J].绝缘材料.2019
[3].郑小贞,程宗毛.移动节点随机事件捕获性能的统计分析[J].杭州电子科技大学学报(自然科学版).2019
[4].解传宁.数控电路板性能退化分析及可靠性统计推断研究[J].烟台大学学报(自然科学与工程版).2019
[5].池旭辉,彭松,张峰涛,杨根,曹蓉.NEPE推进剂力学性能的统计特性及贮存老化的影响[J].固体火箭技术.2019
[6].曾信,李明春,祝振东.基于IPTV播放系统的性能统计方法研究[J].计算机与数字工程.2019
[7].王鑫.基于BP神经网络算法的计算机性能统计分析[J].数码世界.2019
[8].李钦钦.面向统计机器翻译的汉维词对齐性能提高的方法研究[D].中央民族大学.2019
[9].彭欣.热点部署场景下多天线蜂窝网络统计性能研究[D].中国科学技术大学.2019
[10].褚天舒,陆春华,张翔宇,陆九梅.基于多元回归统计下的BFRP筋-混凝土粘结性能研究[J].四川建筑科学研究.2019
论文知识图
