不確定性文章進(jìn)入不確定性技術(shù)社區(qū)

通過(guò)衰減器和統(tǒng)計(jì)模型分析失配損耗和失配不確定性

了解失配損耗對(duì)有損線(xiàn)路的影響，通過(guò)固定衰減器減少失配損耗的方法，以及此誤差的統(tǒng)計(jì)模型。失配損耗（ML）表征了RF信號(hào)路徑中的多個(gè)阻抗不連續(xù)性如何導(dǎo)致功率損耗，并阻止我們?cè)陔娐分械膬牲c(diǎn)之間進(jìn)行有效的功率傳輸。在本文中，我們將首先討論失配損耗對(duì)有損線(xiàn)路的影響。接下來(lái)，我們將探討一種通過(guò)固定衰減器減少失配損耗的簡(jiǎn)單方法，并最終探討該誤差的統(tǒng)計(jì)模型。處理無(wú)損耗線(xiàn)路時(shí)的失配損耗在本系列的前一篇文章中，我們了解了失配損耗對(duì)級(jí)聯(lián)放大器增益的影響（圖1）。圖1示例圖顯示了通過(guò)帶狀線(xiàn)連接的兩個(gè)放大器在這種情況下
關(guān)鍵字：衰減器，統(tǒng)計(jì)模型分析，失配損耗，失配，不確定性

1 前言在上一期里，我們說(shuō)明了當(dāng)人類(lèi)的慢想 ( 創(chuàng)意 ) 與 AI 的快思 ( 直覺(jué) ) 互相平衡時(shí)，最能展現(xiàn)協(xié)同創(chuàng)造力。有了 AI 經(jīng)驗(yàn)直覺(jué)來(lái)協(xié)助去蕪存菁，人類(lèi)更敢超越經(jīng)驗(yàn) 去進(jìn)行大跨度的聯(lián)想和探索。這樣的協(xié)同組織體系，非常適合與高度不確定的外在環(huán)境 (Environment) 互動(dòng)，并從外在環(huán)境獲取最大的回報(bào)。這是自然界生物 ( 有機(jī)體系 ) 的天賦學(xué)習(xí)本質(zhì)，非常接近于 AI 強(qiáng)化學(xué)習(xí) (Reinforcement Learning，簡(jiǎn)稱(chēng) RL) 機(jī)制。例如，AlphaGo Ze
關(guān)鍵字： 202208 AI RL 不確定性

　　高煥堂? （臺(tái)灣VR產(chǎn)業(yè)聯(lián)盟主席，廈門(mén)VR/AR協(xié)會(huì)榮譽(yù)會(huì)長(zhǎng)兼顧問(wèn)）　　摘? 要：AI擅長(zhǎng)尋找大數(shù)據(jù)中的規(guī)律，其亮麗的表現(xiàn)已經(jīng)令人類(lèi)嘆為觀止。在學(xué)習(xí)AI時(shí)，如果您能深刻掌握AI的黑盒子（Black box）和不確定性（Uncertainty），將更能發(fā)揮AI的專(zhuān)長(zhǎng)來(lái)幫助人類(lèi)?！　￡P(guān)鍵詞：AI；黑盒子；不確定性　　1 AI的長(zhǎng)處　　當(dāng)今基于深度學(xué)習(xí)的AI（人工智能）非常擅長(zhǎng)于：從大數(shù)據(jù)的復(fù)雜關(guān)系中尋找出人類(lèi)難以得知的規(guī)則（規(guī)律性或法則）。人們對(duì)周遭大環(huán)境的隱藏規(guī)律太多未知，AI可以協(xié)助人們?nèi)ヌ剿魑粗?，補(bǔ)
關(guān)鍵字： 202002 AI 黑盒子不確定性

共3條 1/1 1

您好，目前還沒(méi)有人創(chuàng)建詞條不確定性!
歡迎您創(chuàng)建該詞條，闡述對(duì)不確定性的理解，并與今后在此搜索不確定性的朋友們分享。創(chuàng)建詞條