Monte Carlo粒子输运中的源项偏倚抽样方法可以减小方差、提高计算效率。该文通过建立一个多区域分权重数学投篮模型,模拟了输运过程中的源项信息,得到了源项偏倚抽样方差最小时的最佳抽样密度函数解析式。采用随机数值方法对模型进行...Monte Carlo粒子输运中的源项偏倚抽样方法可以减小方差、提高计算效率。该文通过建立一个多区域分权重数学投篮模型,模拟了输运过程中的源项信息,得到了源项偏倚抽样方差最小时的最佳抽样密度函数解析式。采用随机数值方法对模型进行了计算,验证了函数的正确性,并举一例实际的粒子输运模拟问题,表明最优偏倚抽样方法对减小方差的效果显著。该方法可作为一种普适的减方差技巧应用于Monte Carlo粒子输运中,可用于构造粒子源参数(如位置、发射方向等)的最佳偏倚密度函数,尤其在分层抽样时能给出方差最小的最优各层比例系数。展开更多
随着算法技术更新迭代与大数据技术的广泛应用,算法偏见问题逐渐引起学术界与社会关注。为探究该问题的研究进展与发展现状,运用文献计量方法,以Web of Science核心数据库中相关英文文献为研究对象,通过聚类分析,梳理该领域的基础知识...随着算法技术更新迭代与大数据技术的广泛应用,算法偏见问题逐渐引起学术界与社会关注。为探究该问题的研究进展与发展现状,运用文献计量方法,以Web of Science核心数据库中相关英文文献为研究对象,通过聚类分析,梳理该领域的基础知识与研究前沿,整合出当前研究的热点问题。同时,根据现有文献分析结果构建当前国外对算法偏见这一主题研究的整体思路与框架,并在此基础上对算法中现存的偏见进行分类,以分析各类别偏见的来源与可行的纠偏方法,以期为算法偏见研究提供参考与借鉴。展开更多
文摘随着算法技术更新迭代与大数据技术的广泛应用,算法偏见问题逐渐引起学术界与社会关注。为探究该问题的研究进展与发展现状,运用文献计量方法,以Web of Science核心数据库中相关英文文献为研究对象,通过聚类分析,梳理该领域的基础知识与研究前沿,整合出当前研究的热点问题。同时,根据现有文献分析结果构建当前国外对算法偏见这一主题研究的整体思路与框架,并在此基础上对算法中现存的偏见进行分类,以分析各类别偏见的来源与可行的纠偏方法,以期为算法偏见研究提供参考与借鉴。
