概率论与数理统计(浙江大学第四版)教程和答案pdf版本-带目录概率论与数理统计(浙江大学第四版)_目录.pdf概率论与数理统计答案_目录.pdf免积分下载，如要积分为系统添加
2025/11/10 13:44:07
36.39MB
1
考试的相关习题练习，希望能帮到你！四、计算题1．设在某信道上实现传真传输。
每幅图片约有2.55X106个像素，每个像素有12个亮度等级，且各亮度等级是等概率出现的。
设信道输出信噪比S/N为30dB。
试求：（1）若传送一幅图片需时1分钟，则此时信道的带宽应为多少？（2）若在带宽为3.4KHz的信道上传送这种图片，那么传送一幅图片所需的时间是多少？（提示表示每个像素的12个亮度等级所需要的信息量是4bit；
log2x=3.32lgx）
每幅图片约有2.55X106个像素，每个像素有12个亮度等级，且各亮度等级是等概率出现的。
设信道输出信噪比S/N为30dB。
试求：（1）若传送一幅图片需时1分钟，则此时信道的带宽应为多少？（2）若在带宽为3.4KHz的信道上传送这种图片，那么传送一幅图片所需的时间是多少？（提示表示每个像素的12个亮度等级所需要的信息量是4bit；
log2x=3.32lgx）
2025/11/9 6:08:19
29KB
1
私家车充电模型，私家车日行驶距离概率密度及累加函数，电动汽车出发时间（或者称开始充电的时间）概率，最后画出电动汽车充电概率图
2025/11/6 19:42:19
818B
1
《数理统计习题教程(上下)》为《数理统计——基本概念及专题》的配套习题解答。
主要内容包括概率论中的一些课题、统计模型、估计方法、估计的比较——最优化理论、从估计到置信区间和假设检验、最优化检验与置信区间——似然比检验及有关方法，线性模型——回归和方差分析，离散数《数理统计习题教程(上下)》可供大专院校有关专业作为数理统计课程的配套教材和参考书。
主要内容包括概率论中的一些课题、统计模型、估计方法、估计的比较——最优化理论、从估计到置信区间和假设检验、最优化检验与置信区间——似然比检验及有关方法，线性模型——回归和方差分析，离散数《数理统计习题教程(上下)》可供大专院校有关专业作为数理统计课程的配套教材和参考书。
2025/11/3 0:33:43
52.79MB
1
分子识别特征（MoRF）是内在无序蛋白（IDP）的关键功能区域，它们在细胞的分子相互作用网络中起重要作用，并与许多严重的人类疾病有关。
鉴定MoRF对于IDP的功能研究和药物设计都是必不可少的。
本研究采用人工智能的前沿机器学习方法，为改进MoRFs预测开发了强大的模型。
我们提出了一种名为enDCNNMoRF（基于集成深度卷积神经网络的MoRF预测器）的方法。
它结合了利用不同特征的两个独立的深度卷积神经网络（DCNN）分类器的结果。
首先，DCNNMoRF1使用位置特定评分矩阵（PSSM）和22种氨基酸相关因子来描述蛋白质序列。
第二种是DCNNMoRF2，它使用PSSM和13种氨基酸索引来描述蛋白质序列。
对于两个单一分类器，都采用了具有新颖的二维注意机制的DCNN，并添加了平均策略以进一步处理每个DCNN模型的输出概率。
最后，enDCNNMoRF通过对两个模型的最终得分进行平均来组合这两个模型。
当与应用于相同数据集的其他知名工具进行比较时，新提出的方法的准确性可与最新方法相媲美。
可以通过http://vivace.bi.a.utokyo.ac.jp:8008/fang
鉴定MoRF对于IDP的功能研究和药物设计都是必不可少的。
本研究采用人工智能的前沿机器学习方法，为改进MoRFs预测开发了强大的模型。
我们提出了一种名为enDCNNMoRF（基于集成深度卷积神经网络的MoRF预测器）的方法。
它结合了利用不同特征的两个独立的深度卷积神经网络（DCNN）分类器的结果。
首先，DCNNMoRF1使用位置特定评分矩阵（PSSM）和22种氨基酸相关因子来描述蛋白质序列。
第二种是DCNNMoRF2，它使用PSSM和13种氨基酸索引来描述蛋白质序列。
对于两个单一分类器，都采用了具有新颖的二维注意机制的DCNN，并添加了平均策略以进一步处理每个DCNN模型的输出概率。
最后，enDCNNMoRF通过对两个模型的最终得分进行平均来组合这两个模型。
当与应用于相同数据集的其他知名工具进行比较时，新提出的方法的准确性可与最新方法相媲美。
可以通过http://vivace.bi.a.utokyo.ac.jp:8008/fang
2025/10/29 10:38:37
1.56MB
1
合肥工业大学《概率论与数理统计》14-18年期中考试试卷（含答案）
2025/10/15 12:23:40
1.23MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB