机译:基于随机近似的可扩展估计策略:经典结果和新见解
Harvard Univ, Dept Stat, Cambridge, MA 02138 USA;
Harvard Univ, Dept Stat, Cambridge, MA 02138 USA;
Maximum likelihood; Recursive estimation; Implicit stochastic gradient descent methods; Optimal learning rate; Asymptotic analysis; Big data;
机译:基于动态随机逼近的随机过程自适应估计算法
机译:基于测量的量子计算策略,其中簇状态由随机局部操作和经典通信转换
机译:基于在线样本的随机估计算法ODE分析的模式估计方法
机译:随机混合系统的基于随机逼近的状态估计算法
机译:基于白盒确定性近似的随机优化:模型,算法及其在服务网络中的应用
机译:基于随机近似的可扩展估计策略:经典结果和新见解
机译:本文提供了一个新的数值模型,该模型描述了暴露于高太阳热通量(高于1 / MW / m2)的热厚木材样品的行为。基于无量纲数的初步研究用于对问题进行分类并支持模型构建假设。然后,提出了一种基于质量,动量和能量平衡方程的模型。这些方程式与液体蒸汽干燥模型和假物种生物质降解模型耦合。通过与以前的实验研究进行比较,初步结果表明,这些方程不足以准确预测高太阳热通量下的生物量行为。的确,在样品暴露的表面上形成了充当辐射屏蔽层的炭层。除了这套经典的方程式之外,还必须考虑到辐射向介质的渗透。此外,由于生物质中含有水,因此还必须在炭蒸气汽化后进行连续的介质变形。最后,通过添加这两种策略,该模型能够在一定范围的样品初始水分含量下暴露于高辐射热通量的情况下,正确捕获生物质的降解。还得出了在高太阳热通量下生物量行为的其他见解。样品内部同时存在干燥,热解和气化前沿。这三个热化学前沿的共存会导致样品干燥产生的蒸汽产生焦炭气化,这是介质烧蚀的主要现象。