{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,6,22]]，“日期-时间”：“2024-06-22T18:32:06Z”，“时间戳”：1719081126001}，“引用-计数”：34，“发布者”：“爱思唯尔BV”，“许可证”：[{“开始”：{-date-parts“：[2022,7,1]]，”日期-时间“：”2022-07-01T00:00:00Z“，”timestamp“：1656633600000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.elsevier.com//tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[2022,7,1]]，“date-time”：“2022-07-01T00:00:00Z”，“timestamp”：1656633600000}，“content-version”：“stm-asf”，“delay-in-days”：“0，”URL“https:\//doi.org\/10.15223\/policy-017“}，{“开始”：{“日期部分”：[[2022,7,1]]，“日期时间”：“2022-07-01T00:00:00Z”，“timestamp”：1656633600000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}，{“start”：{“date-parts”：[[2022,7,1]]，“date-time”：“2022-07-01T00:00:00Z”，“timetamp”：1.65633600000neneneep，“content-version”：“stm-asf”https:\/\/doi.org\/10.15223\/policy-012“}，{”开始“：{”日期部分“：[2022,7,1]]，“date-time”：“2022-07-01T00:00:00Z”，“timestamp”：1656633600000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[[2022,7,1]]，“datetime”：“022-07-01T_00:00Z”，”timestamp“165663360000}”，“content-version”：“st m-asf“，”delay-in-days“：0，”URL“：”https:\/\/doi.org\/10.15223\/policy-004“}]，“content-domain”：{“domain”:[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[“Applied Soft Computing”]，”published-print“：{”date-parts“：[2022,7]]}，”DOI“：”10.1016\/j.asoc.2022.108995 23:54:36Z“，”时间戳“：1652572476000}，“page”：“108995”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：8，“title”：[“用于制造过程监控的不确定性预测的概率神经网络”]，“前缀”：“10.1016”，“卷”：“124”，“作者”：[{“ORCID”：“http://\/orcid.org\/00000-0002-0067-1600”，“authenticated-orcid”：false，“given”：“Bin”，“family”：“Zhang”，“sequence”：“first”，“affiliation”：[]}，{“orcid”：”http://\/orcid.org\/0000-0003-3157-9345“，”authentimated-orcid“：false”，“giving”：“Yung C.”，“家族”：“Shin”，”sequence“：”additional“，“afliation”:[]}]，“成员”：“78”，“参考“：[{”键“：“10.1016\/j.asoc.2022.108995_b1”，“doi-asserted-by”：“crossref”，“首页”：“64”，“doi”：“10.1145\/2500499”，“article-title”：“数据科学与预测”，“volume”：“56”，“author”：“Dahr”，“year”：“2013”，“日记标题”：“Commun.ACM”}，{“key”：“，”doi“：”10.1186\/s40537-014-0007-7“，”文章标题“：“大数据分析中的深度学习应用和挑战”，“卷”：“2”，“作者”：“Najafabadi”，“年份”：“2015年”，“期刊标题”：“J.大数据”}，{“关键”：“10.1016\/J.asoc.2022.108995_b3”，“doi-asserted-by”：“crossref”，”doi“：”10.1109\/TITS.2019.2962338“，”article-title“深度学习应用于自动车辆控制的调查”，“体积”：“22”，“author”：“Kuutti”，“year”：“2021”，“journal-title”：“IEEE Trans.Intell.Trans.Syst.”}，{“key”：“10.1016\/j.asoc.2022.108995_b4”，“series-title”：”Adv.Neural Inf.Process.Syst.“，”article-title“：”我们在计算机视觉的贝叶斯深度学习中需要哪些不确定性？“，”author“：”Kendall“，”year“：”2017“}，”{“密钥”：“101016\/j.asoc 2022.108995_b5“，“doi-asserted-by”：“crossref”，“doi”：“10.1016\/0893-6080（90）90049-Q”，“article-title”：“概率神经网络”，“volume”：“3”，“author”：“Specht”，“year”：“1990”，“journal-title“：”neural Netw.“}，{“key”：”10.1016\/j.asoc.2022.108995_b6“，”series-title“：“Deep Learning中的不确定性”，“作者”：“Gal”，“年份”：“2016”}{“key”：“10.1016\/j.asoc.2022.108995_b7”，“非结构化”：“L.V.Jospin，W.Buntine，F.Boussaid，H.Laga，M.Bennamoun，亲身贝叶斯神经网络\u2013深度学习用户教程，1（2020）1\u201335。http://arxiv.org/abs\/2007.06823.“}，{“key”：“10.1016\/j.asoc.2022.1088995_b8”，“series title”：“神经网络的贝叶斯学习”，“author”：“Neal”，“year”：“1995”}，{“key”：“10.1016\/j.asoc.2022.1088995_b9”，“series title”：“Adv.Neural Inf.Process.Syst.”，“article title”：“一种用于稀疏深度学习的自适应经验贝叶斯方法”，“author”：“Deng”，“year”：“2019”}，{“key”：“10.1016\/j.asoc.2022.108995_b10”，“series-title”：“32nd Int.Conf.Mach.Learn.ICL 2015”，“article-title”：”Bayesian神经网络可扩展学习的概率反向传播“，”author“：”Hern\u00e1ndez-Lobato“，”year“2015”}、{“key”：”10.1016\\j.asoc.2022.10895_b11“，”series-ttle“：”Advv.neural Inf。过程。系统。每年24至25日。确认神经信息流程。系统。2011，NIPS 2011”，“article-title”：“神经网络的实用变分推理”，“author”：“Graves”，“year”：“2011”}，{“key”：“10.1016\/j.asoc.2022.108995_b12”，“series-title”：”第32届国际Conf.Mach.Learn.ICML 2015”，“article-title”：“neural networks中的权重不确定性”，“author”:“Blundell”，”year“：“2015”}、{“key”：”10.1016//j.asoc.2022.10895_b13“，“”series-title“：”第33届国际会议。学习。ICML 2016”，“文章标题”：“作为贝叶斯近似的辍学：表示深度学习中的模型不确定性”，“作者”：“Gal”，“年份”：“2016”}，{“密钥”：“10.1016\/j.asoc.2022.1088995_b14”，“系列标题”：“高级神经网络过程系统”，“文章标题”：“具体辍学”，“作者”：“Gal”，“年份”：“2017”}，{“密钥”：“10.1016\/j.asoc.2022.1088995_b15”，“series-title“：”第33届国际会议。学习。ICML 2016”，“article-title”：“Black-box\u03b1-divergence minimization”，“author”：“Hern\u00e1ndez-Lobato”，“year”：“2016”}，{“key”：“10.1016\/j.asoc.2022.108995_b16”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.neucom.2020.06.060”，“article-title”：“具有广义期望传播的贝叶斯神经网络的概率推理”，“volume”：”412“，”author“：”Zhao“，”year“：”2020“，”journal-title“：”Neurocomputing“}，{”key“：”10.1016\/j.asoc.2022.108995_b17“，”article-title”：“具有稀疏提升先验的神经网络的期望传播”，“volume”：“15”，“author”：“Jyl\u00e4nki”，“year”：“2014”，“journal-title”“：”j.Mach.Learn.Res.“}”，{“key”：”10.116\/j-asoc.2022.1 8995_b18“，”series-title“：“高级神经信息处理。系统。“，”article-title“：“自然参数网络：一类概率神经网络”，“author”：“Wang”，“year”：“2016”}，{“key”：“10.1016\/j.asoc.2022.108995_b19”，“series-title”：“神经网络中的隐式权重不确定性”，“author”:“Pawlowski”，“年份”：“2017”}●●●●。计算。视觉。模式识别。“，”article-title“：“轻量级概率深层网络”，“author”：“Gast”，“year”：“2018”}，{“key”：“10.1016\/j.asoc.2022.108995_b21”，“series-title”：“Adv.Neural Inf.Process.Syst.”，“article-title”：”Bayesian layers:A module for Neural network uncertainty“，”author“：”Tran“，“year:”2019“}，”{“key”：”10.1016//j.asoc.2022.10895_b22“，”doi-asserted-by“：”crossref“，”DOI“：”10.1016\/j.neucom.2021.06.007“，”article-title“：”神经网络中非线性不确定性传播的自适应高斯混合方法“，”volume“：”458“，”author“：”Zhang“，”year“：”2021“，”journal-title”：“Neurocomputing”}，{“key”：“10.1016\/j.asoc.2022.108995_b23”，“DOI-asserted-by”：“crossref.”，“DOI”：“101109\/TR.2012.2194174”，“article-title“：“间接状态监测下运行系统的维护决策：在线信息的价值和测量不确定性的影响”，“卷”：“61”，“作者”：“Huynh”，“年份”：“2012年”，“期刊标题”：“IEEE Trans。Reliab公司。“}，{”key“：”10.1016\/j.asoc.2022.108995_b24“，”doi-asserted-by“：”crossref“，”doi“：”101016\/S0924-0136（0110.1016\/j.asoc.2022.108995_b25“，“series-title”：“科学数据的统计与分析”，“首页”：“55”，“article-title”：“随机变量的函数和误差传播”，“author”：“Bonamente”，“年份”：“2017”}，{“key”：”10.1016\/j.asoc.2022.1008995_b26“，”doi-asserted-by“：”crossref“，”doi“：”10.2514\/1.36247“，”article-title“：”使用高斯混合模型的非线性动态系统的不确定性传播”，“作者”：“Terejanu”，“年份”：“2008”，“期刊标题”：“J.Guid。控制动态。“}，{”key“：”10.1016\/j.asoc.2022.108995_b27“，”series-title“：”IEEE 2000 Adapt.Syst.Signal Process.Commun.Control Symp.AS-SPCC 2000“，”article-title“：“用于非线性估计的无迹卡尔曼滤波器”，“author”：“Wan”，“year”：“2000”}，“key”：“10.1016\\j.asoc.2022.1089965_b28”，“doi-asserted-by”：“crossref”，“doi”：“101109\/TAES.2009”7.4383588“，”article-title“：”Kullback\u2013Leibler方法用于高斯混合约简“，”author“：”Runnalls“，”year“：”2007“，”journal-title”：“IEEE Trans。Aerosp.航空公司。电子。系统。“}，{”key“：”10.1016\/j.asoc.2022.108995_b29“，”series-title“：”Proc.COMPSTAT 2010-19th Int.Conf.Compute.Stat.Keynote，Invit.Contrib.Pap.“，”article-title“：“带随机梯度下降的大尺度机器学习”，“author”：“Bottou”，“year”：“2010”}，“key”：“10.1016\/j.asoc.2022.1008995_b30”，“series-ttle”：“33rd Int.Conf”。机器。学习。ICML 2016”，“article-title”：“使用近似期望传播进行回归的深高斯过程”，“author”：“Bui”，“year”：“2016”}，{“key”：“10.1016\/j.asoc.2022.108995_b31”，“doi-asserted-by”：“crossref”，“doi”：“101115\/1.4040267”，“article-title”：“考虑到不确定性，在车削过程中使用系统特征选择进行稳健的刀具磨损监测”，“卷”：“140”，“作者”：“张”，“年份”：“2018年”，“期刊标题”：“J.Manuf.Sci。工程事务处理。ASME“}，{“key”：“10.1016\/j.asoc.2022.108995_b32”，“首页”：“253”，“文章标题”：“比较预测准确性”，“卷”：“13”，“作者”：“Diebold”，“年份”：“1995”，“期刊标题”：”j.Bus.Econom.Statist.“}”，{激光添加剂制造过程中孔隙度的过程监测”，“卷”：“28”，“作者”：“张”，“年份”：“2019年”，“期刊标题”：“Addit。制造商“}，{”key“：”10.1016\/j.asoc.2022.108995_b34“，”doi-asserted-by“：”crossref“，”doi“：”101007\/s11837-019-03555-z“，”article-title“：”通过物理信息数据驱动建模对金属添加剂制造中的不确定性进行量化“，”volume“：应用软件计算“]，”original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S1568494622003210？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL“：”http://api.elsevier.com/content\/aarticle\/PII:S156/84 94622003210？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[2023,4,15]]，“date-time”：“2023-04-15T12:51:40Z”，“timestamp”：1681563100000}，“score”：1，“resource”：{primary“URL”：“https:\\/linkinghub.elsevier.com/retrieve\/pii\/S15684949 622003210“}}，”副标题“：[]，”短标题“：[]，”已发布“：{“date-parts”：[[2022,7]]}，“references-count”：34，“alternative-id”：[“S1568494622003210”]，“URL”：“http://\/dx.doi.org\/10.1016\/j.asoc.2022.108995”，“relation”：{}，”ISSN“：[”1568-4946“]，“ISSN-type”：[{“value”：“1568-4945”，“type”:“print”}]，“subject”：[]，“published”：{“date-parts”：[[2022,7]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher“，”label“：”本文由“}，{”value“：”用于不确定性预测的概率神经网络及其在制造过程监控中的应用“，”name“：”articletite“，”标签“：”article Title“}、{”value“：”Applied Soft Computing“，”name:“journalttle”，“label”：“Journal Title”}，“value”：“”https:\/\/doi.org\/10.1016\/j.asoc.2022.108995“，”name“：”articlelink“，”label“：”CrossRef doi link to publisher maintained version“}，”{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，{“value”：“\u00a9 2022 Elsevier B.V.保留所有权利