23、自适应随机化在临床试验中的应用与优化

自适应随机化在临床试验中的应用与优化

1. 响应自适应随机化的功效与样本量

在随机设计中,若采用固定的预先分配比例,总样本量和各治疗组样本量都是固定的,可据此实现所需的检验功效。而在响应自适应随机化(RAR)试验中,总样本量固定,但各治疗组样本量是随机的,因此在规划RAR试验时,需要对样本量和功效进行特殊考虑。

有三种类型的样本量:
1. I型样本量 :用于固定分配设计达到指定功效的样本量。对于固定分配,治疗组样本量为特定值,通过求解相应方程得到达到功效所需的样本量。
2. II型样本量 :平均达到指定功效的样本量。需考虑平均功效函数,找到使平均功效达到指定值的最小正整数样本量。
3. III型样本量 :以一定概率达到固定功效的样本量。是满足特定条件的最小正整数样本量。

以下是不同实验场景下两种随机化设计的三种样本量情况:
|设计|目标分配|I型样本量|II型样本量|III型样本量|
| ---- | ---- | ---- | ---- | ---- |
|CRD|(0.5, 0.4)|1030|1031|1035|
|ERADE|(0.5, 0.4)|1032|1033|1037|
|CRD|(0.6, 0.4)|253|254|257|
|ERADE|(0.6, 0.4)|255|256|260|
|CRD|(0.7, 0.4)|106|107|111|
|ERADE|(0.7, 0.4)|109|109|113|
|CRD|(0.8, 0.4)|53|54|60|
|ERADE|(0.8, 0.4)|56|57|61|

从表中可以看出,对于每种样本量类型,ERADE设计比CRD设计通常需要多2 - 3名患者才能达到相同的功效水平。II型样本量通常比I型样本量多1名患者,这表明平均而言,RAR设计与固定分配设计的功效相近。III型样本量通常比I型样本量多4 - 7名患者。总体而言,与相应的固定分配设计相比,CRD和ERADE因随机化而损失的功效并不多。

2. 额外考虑因素
2.1 两种以上治疗和非二元结局

许多随机对照试验(RCT)涉及两种以上的治疗组。在多臂试验中,最优分配比例通常是不等的。Tymofyeyev等人提出了在多臂二元结局试验中寻找最优分配设计的通用框架,随后该方法被扩展到具有正态和事件时间结局的多臂、多目标临床试验。对于涉及多个治疗对比估计的试验,可以使用 - 最优分配。在多臂试验中实施最优分配,可以使用DBCD程序或移民瓮模型,这两种都是RAR设计,在广泛满足的条件下能产生一致且渐近正态的估计量和样本分配比例。

2.2 延迟响应

RAR理论的一个假设是每个患者的结局是即时的,但实际中患者结局在治疗后特定时间点测量。如果招募期足够长且随机化后能较快观察到结局,RAR仍可成功应用。当约60%或更多的患者结局数据在招募阶段被观察到并用于调整时,RAR设计的大样本性质不受延迟响应的影响。但如果响应观察延迟显著,会减慢向目标分配的收敛速度,削弱RAR的优势。

2.3 误分类响应

RAR需要获取试验中患者累积的主要结局数据,这些数据质量必须很高,以确保整个试验过程中的准确估计和调整。在一些试验中,二元响应可能被误分类,从而给设计引入偏差。有研究考虑了在响应可能被误分类的RAR设计中寻找最优分配的问题,虽然其方法有助于减轻某些偏差,但仍需努力确保RAR试验中数据的高质量评估。

2.4 时间趋势

在一些临床试验中,未知预后因素可能随时间呈现系统性趋势。RAR的一个主要批评是在存在时间趋势时,可能导致有偏估计和I型错误概率增加。为缓解这些问题,有以下几种方法:
- 分块应用RAR :随机化概率在每个患者块内保持不变,但在块间自适应变化,后续数据分析通过回归模型也应调整分块因素。
- 使用随机化检验 :确保在存在时间趋势时控制I型错误率。
- 应用加权似然技术 :减少时间趋势引入的偏差和均方误差。
- 使用协变量调整的响应自适应随机化设计 :如果导致异质性的协变量事先已知。

3. 示例
3.1 重新设计真实临床试验

以一项关于齐多夫定(AZT)降低母婴HIV - 1传播风险的随机、双盲、安慰剂对照试验为例。原试验中477名孕妇被随机平均分配到AZT组和安慰剂组。估计18个月时未感染婴儿的比例,AZT组为0.917,安慰剂组为0.745,即AZT治疗方案相比安慰剂将母婴HIV传播风险降低了约三分之二。最优RAR设计会更频繁地分配AZT治疗,实现更符合伦理的试验设计。

通过模拟比较四种随机化程序:
1. 完全随机设计(CRD) :每个患者以1/2的概率随机分配到治疗组。
2. 置换区组设计(PBD) :以4为块大小进行随机化,每4名患者后治疗人数均衡。
3. RSIHR设计 :使用ERADE程序实现目标分配。
4. 复合最优设计 :使用ERADE程序实现目标分配。

以下是四种设计的模拟操作特征:
|设计|分配比例均值(标准差)|AZT组患者数均值(标准差)|AZT组患者数范围|治疗失败数均值(标准差)|治疗失败数范围|参数估计均值(标准差)|参数估计均方误差|估计治疗差异均值(标准差)|估计治疗差异均方误差|
| ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
|PBD|0.500(0.001)|238.49(0.50)|238 - 239|80.66(8.01)|51 - 115|0.9168(0.0177)|0.0003|0.1719(0.0334)|0.0011|
|CRD|0.500(0.023)|238.46(11.05)|199 - 279|80.75(8.22)|52 - 114|0.9170(0.0179)|0.0003|0.1725(0.0334)|0.0011|
|RSIHR|0.526(0.006)|250.89(2.65)|241 - 261|78.53(7.67)|52 - 109|0.9170(0.0174)|0.0003|0.1726(0.0335)|0.0011|
|复合最优设计|0.610(0.033)|291.16(15.72)|245 - 348|71.62(8.09)|45 - 101|0.9164(0.0162)|0.0003|0.1735(0.0363)|0.0013|

从结果来看,所有四种设计都实现了目标分配,在估计质量方面非常相似。RSIHR设计的变异性较小,复合最优设计的变异性比CRD大。平均而言,RSIHR设计比平衡随机化设计多分配12名患者到AZT治疗组,复合最优设计多分配53名患者。同时,RSIHR设计平均减少2次治疗失败,复合最优设计平均减少8次治疗失败。因此,在这个例子中,RSIHR设计的伦理收益相对较小,而复合最优设计在个体和集体伦理之间提供了最佳平衡。

3.2 实施DBCD
  • 三队列设计 :60名患者参与试验。第一队列20名患者使用PBD以4为块大小随机分配到治疗组,响应从伯努利分布生成;第二队列20名患者根据第一队列数据使用DBCD分配;第三队列根据前两队列数据使用DBCD分配。
  • 两队列顺序设计 :60名患者参与试验。第一队列20名患者使用PBD以4为块大小随机分配,响应从伯努利分布生成;该队列完成后,后续患者根据之前所有患者数据使用DBCD顺序分配。
4. 总结

最优RAR设计利用试验中患者的累积数据修改治疗随机化概率,以实现针对特定实验目标的最优分配,常见目标是在满足统计检验功效约束的前提下,最小化治疗失败的数量。这种设计能在保持重要统计性质(如功效和估计效率)的同时,适度减少试验中的治疗失败。在结局严重的临床试验中,即使是适度减少治疗失败,从个体伦理角度来看也是非常可取的。当治疗差异较大时,最优RAR设计相对于平衡随机化设计的优势更明显;而当治疗效果相同时,RAR退化为等分配随机化。最优RAR设计具有良好的渐近性质,在广泛满足的条件下,估计量和样本分配比例都具有强一致性,并遵循渐近正态分布,因此可应用标准渐近推断程序进行RAR试验后的数据分析。

不过,RAR设计在操作上比固定随机化设计更复杂,需要更多的前期规划。它适用于招募期相对较长且能快速观察到结局的试验,并且数据质量必须很高以减轻偏差。在实践中,虽然有观点认为在某些情况下RAR不如1:1随机化,但在更一般的情况下,RAR在统计效率和伦理方面都能提供更显著的改进。此外,RAR与组序贯设计的结合也是一个重要的研究方向,一些研究已从理论上证明了组序贯RAR设计的优势。

自适应随机化在临床试验中的应用与优化

5. 操作步骤与注意事项

在实际应用中,实施RAR设计需要遵循一定的操作步骤,同时也有一些注意事项。

5.1 样本量确定步骤
  1. 确定目标 :明确试验的目标,如达到特定的功效、平均功效或特定概率下的功效。
  2. 选择类型 :根据目标选择样本量类型,如I型、II型或III型样本量。
  3. 计算样本量 :
    • I型样本量 :对于固定分配,通过求解相应方程得到达到功效所需的样本量,必要时将结果向上取整。
    • II型样本量 :考虑平均功效函数,找到使平均功效达到指定值的最小正整数样本量。
    • III型样本量 :找到满足特定条件的最小正整数样本量。
5.2 多臂试验最优分配实施步骤
  1. 选择方法 :根据试验情况选择合适的方法,如 - 最优分配、DBCD程序或移民瓮模型。
  2. 数据收集 :收集试验中患者的累积数据。
  3. 分配调整 :根据数据调整样本分配比例,确保达到最优分配。
5.3 注意事项
  • 数据质量 :确保试验中患者累积的主要结局数据质量高,避免误分类响应引入偏差。
  • 响应延迟 :考虑响应观察延迟的影响,当延迟显著时,要谨慎使用RAR设计。
  • 时间趋势 :在存在时间趋势时,可采用分块应用RAR、使用随机化检验、应用加权似然技术或使用协变量调整的响应自适应随机化设计等方法缓解问题。
6. 技术点分析
6.1 RAR设计的渐近性质

在广泛满足的条件下,RAR设计的估计量和样本分配比例具有强一致性,并遵循渐近正态分布。这使得标准渐近推断程序可用于RAR试验后的数据分析,为试验结果的可靠性提供了保障。

6.2 不同设计的变异性

从模拟结果来看,不同的RAR设计变异性不同。如RSIHR设计变异性较小,复合最优设计变异性比CRD大。变异性的大小会影响试验结果的稳定性和可靠性,在选择设计时需要综合考虑。

6.3 伦理收益

最优RAR设计能在一定程度上减少治疗失败的数量,体现了伦理收益。如在AZT试验的模拟中,复合最优设计比平衡随机化设计多分配更多患者到有效治疗组,平均减少更多治疗失败,在个体和集体伦理之间提供了更好的平衡。

7. 流程图展示
graph TD
    A[开始试验] --> B[确定样本量类型]
    B --> C{I型样本量}
    C -- 是 --> D[求解方程计算样本量]
    C -- 否 --> E{II型样本量}
    E -- 是 --> F[考虑平均功效函数计算样本量]
    E -- 否 --> G{III型样本量}
    G -- 是 --> H[满足特定条件计算样本量]
    D --> I[招募患者]
    F --> I
    H --> I
    I --> J[随机分配治疗组]
    J --> K[收集患者结局数据]
    K --> L{数据质量高?}
    L -- 是 --> M[进行数据分析]
    L -- 否 --> N[检查误分类情况并调整]
    N --> M
    M --> O{响应延迟显著?}
    O -- 是 --> P[谨慎使用RAR设计或调整方案]
    O -- 否 --> Q[继续试验]
    Q --> R{存在时间趋势?}
    R -- 是 --> S[采用相应方法缓解问题]
    R -- 否 --> T[试验结束]
    P --> T
    S --> T
8. 总结与展望

最优RAR设计在临床试验中具有重要的应用价值,它能在保持重要统计性质的同时,适度减少治疗失败,体现了一定的伦理优势。然而,RAR设计在操作上更为复杂,需要更多的前期规划和数据质量保障。在实际应用中,需要根据试验的具体情况选择合适的设计,并充分考虑各种因素的影响。

未来,随着研究的深入,RAR设计可能会在更多领域得到应用,如与组序贯设计的结合,有望进一步提高试验的效率和伦理水平。同时,对于RAR设计的优化和改进也是一个值得探索的方向,以更好地满足临床试验的需求。

总之,自适应随机化在临床试验中的应用前景广阔,但也面临着一些挑战,需要研究者不断探索和创新,以推动该领域的发展。

多智能体协同阅读框架:4.5个轻量模型分工实现专业文档高精度解析 多智能体系统(MAS)是解决大模型在垂直领域‘全能但不准’困境的关键路径,其核心原理在于将复杂认知任务解耦为可验证、可替换、可度量的子模块。通过角色化分工与结构化协同,系统在保持低资源占用的同时显著提升准确率与可解释性,技术价值体现在容错增强、规则可插拔、知识热更新三大工程优势。典型应用场景包括医疗器械注册审评、法律合同审查、专利文本分析等强合规、高精度、低容错的专业文档处理任务。本文聚焦‘晓读’框架中4.5个轻量模型如何协同完成阅读理解,涵盖文档结构解析、法规定位、风险识别与跨页校验等关键环节。 阅读详情

相关推荐

【信息科学与工程学】【数据中心】第二十四篇 数据中心DaaS场景及算法

Flink, Kafka Streams, 时序数据库。Flink, Kafka Streams, 流处理引擎。Presto, ClickHouse, 查询加速引擎。Presto, ClickHouse, 查询加速引擎。延迟<50ms,可用性>99.99%,QPS>10K。REST API, GraphQL, API网关。Tableau, Power BI, 自助BI。Tableau, Power BI, 可视化库。Spark, Hadoop, 分布式计算框架。Spark, Hadoop, 分布式计算。

weixin_49199313的博客 1097

【信息科学与工程学】计算机科学与自动化——第三十五篇 调度理论和调度算法01——资源调度算法

算法逻辑

weixin_49199313的博客 690

【信息科学与工程学】【管理科学】第三十篇 公司治理及公司工作内容02 研发与技术创新类算子01

2. 模型训练:使用图神经网络(如MEGNet, CGCNN)或梯度提升树(如XGBoost),在大型数据库(如Materials Project, OQMD)上训练,学习从结构到性能(如形成能、带隙、弹性模量)的映射。3. 以支撑结构为设计变量,使用拓扑优化方法,在满足结构刚度(抑制变形)和可制造性约束下,寻找材料分布的最优解,生成点状、线状或网状等轻量化支撑。(效率价值增量)= 因本次设备提升带来的研发周期缩短,所换算的“时间价值”(如,提前一月上市的市场价值)+ 预计减少的后续生产成本。

weixin_49199313的博客 637

印尼稻米收成与粮食安全数据集2026年

本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

Delphi 13.2控件之msquic4d.rar

Delphi 13.2控件之msquic4d.rar

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

关于使用vcpkg下载osgearth遇到的问题

注意--x-manifest-root=后面跟着的E:\gitproject\osgearth-osgearth-3.5\vcpkg是你下载的源码解压缩后vcpkg.json的文件地址,然后等待编译完成。安装vcpkg后使用vcpkg install osgearth:x64-windows安装好osgearth并且导入项目使用时,发现无法运行官方文档中示例的main.cpp。这里写一种自己用过的使用vcpkg安装osgearth3.5的方法,源码,打开vcpkg所在的命令行,执行。示例main.cpp。

m0_61776040的博客 1526

wsl --install 不执行,显示帮助信息

在安装使用wsl的时候碰到了wsl --install 不执行,而显示帮助信息,提供了解决方案。

水滴爬呀爬 2776

LaTeX新手入门以及TeXlive和TeXstudio的安装使用

作为一个新手,LaTeX的了解和使用很是费了一番功夫,因此,在这里给找不到路的同志们稍微介绍一下。如有错误,敬请指正。本篇内容基于Win10系统,因此安装在Mac或者Linux上的同学可以再找找其他的介绍文章。 目录 LaTeX介绍 LaTeX环境配置 一、TeXlive下载 二、TeXlive安装 1. 安装main installer 2. 正式安装 三、TeXstudio安装...

zywhehe的博客 21万+

论文阅读——Bayesian Knowledge Fusion(贝叶斯知识融合)

该篇论文解决了不确定环境中的信息融合问题。想象一下,有多位专家针对同一情况构建概率模型,我们希望汇总他们提供的信息。直接合并每个信息可能会遇到几个问题。例如,专家们可能不同意某个事件发生的概率,或者他们可能不同意两个事件之间因果关系的方向(例如,一个人认为 A 导致 B,而另一个人认为 B 导致 A)。他们甚至可能不同意概率网络中一组变量之间的整个依赖结构。

qq_64164071的博客 1499

【SpringBoot 3.x 第51节】带你玩转 GraalVM Native Image:启动快到飞起,内存省到心疼,你还不试试?

🏆本文收录于《滚雪球学SpringBoot 3》,专门攻坚指数提升,本年度国内最系统+最专业+最详细(永久更新)。    本专栏致力打造最硬核 SpringBoot3 从零基础到进阶系列学习内容,🚀均为全网独家首发,打造精品专栏,专栏持续更新中…欢迎大家订阅持续学习。 如果想快速定位学习,可以看这篇【SpringBoot3教程导航帖】,你想学习的都被收集在内,快速投入学习!!两不误。    若还想学习更多,可直接前往《滚雪球学SpringBoot(全版本合集)》,涵盖SpringBoot所有版本教学文章

**My Coding Family** 1308

华为OD机试:使用Ascend C语言实现Matmul与LeakyReLU融合算子的全流程设计与优化解析

通过本文的详细解析,相信你已经对华为OD机试中基于Ascend C语言的Matmul+LeakyReLU融合算子的设计与实现有了深入的理解。我们不仅从理论上探讨了融合算子的核心优势,还通过实际的代码示例演示了如何一步步完成算子的实现与优化。融合算子在AI算子开发中的应用,尤其是在处理大规模矩阵计算的场景中,能够显著提升计算效率,优化内存占用,并减少数据传输的开销。通过合理的Tiling策略设计,我们还能够充分利用多核处理器的算力,进一步提升AI模型的训练与推理性能。

qq_38334677的博客 662

【数据集】全球预报系统GFS概述:数据下载及处理

【数据集】全球预报系统GFS概述:数据下载及处理

WW、forever的博客 5752

CSH 入门基础 1 -- bash与 csh 差异 及csh常用语法介绍

C Shell的语法和功能相对于Bourne shell(sh)有很大的不同,特别是在脚本编程方面。如果 variable 的值等于某个 case 的 value,那么该 case 中的命令会被执行。condition是一个条件表达式,当其为真时,if语句块中的命令会被执行。如果condition为假,则会继续执行下一个else if语句块,直到找到一个条件为真的语句块,或者执行到最后的else语句块。当i的值小于5时,循环体中的命令会被重复执行。在这个示例中,循环体中的命令是输出变量。

CodingCos的博客 2万+

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

上一篇: 22、最优分配与自适应随机化在临床试验中的应用
下一篇: 24、人口富集设计:临床试验的创新策略
postgres8guard
博客等级 码龄4年 62粉丝 1443原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值