1) Probabilistic power estimation
概率功耗估计方法
2) probability estimate method
概率估计方法
1.
Investigation on seismic vulnerability of vertical storage tanks based on probability estimate method
基于概率估计方法的立式储罐地震易损性研究
4) power consumption evaluation
功率消耗估计
5) estimated probability histogram
估计概率直方图
6) power estimation
功耗估计
1.
A strategy for temperature-aware leakage power estimation of macro-module
一种模块级的温度感知漏电功耗估计策略
2.
The power macromodel presented in this paper is built on the word level statistics of input stream, which can be applied to the power estimation of various Audio/Video DSP chips.
文中提出的功耗宏模型建立在字级信号统计的基础上 ,可用于各种音 /视频信号处理芯片的功耗估计 。
3.
Low power design and power estimation are the two main topics of low power area.
低功耗设计和功耗估计是低功耗领域的两个主要研究主题,在不同的设计层次都有很多功耗模型分别对动态功耗和静态功耗进行了准确的建模,但是因为不同电流之间存在非常复杂的相互作用,如何在可接受的时间复杂度内,对大规模电路的总功耗进行准确的估计仍然是一个难题。
补充资料:数论中的概率方法
数论中的概率方法
umber theory, probaixlistic methods
数论中的概率方法【n皿成此rd践叮,训如问峭c 11能灯.dsin:明ce月Toop。二,:。po,功oe翎.],概率数论[娜、·b业ticn切的be rt」leory】 广义地说,是数论(n山川义r也cory)中利用概率论(pro加bility theory)的思想和方法的那一部分.狭义地说,概率数论是指算术函数(面让山r康允曰为。n)值分布的统计理论. 数论中研究的算术函数绝大多数是加性的或乘性的(见加性算术函数(祖山石记州thi众泪cfiJ目币on);乘性算术函数(m川石pli“山Ve面th订哈ticfu朗tion).它们的值通常是以十分复杂的方式分布的.如果描绘出这种函数当变数取值于自然数列时的变化,我们就会得到一个高度混乱的图形,正如我们同时考虑整数的加性与乘性性质时所经常看到的一样.在关于实算术函数f(m)的值分布的经典研究中,通常讨论的是f(m)本身或它的均值的渐近性质.在第一种情形下,是要去找两个简单的函数妙、(m),价:(m),使得妙,(水)(f(扭)成沙:(。)对所有的。成立,或者至少对充分大的。成立.例如,假设。(m)表示。的不同的素因数个数,则。(m))1对所有的m>1成立,且对m)附。,有田(m)(2(In inm)一,inm; 决见讨。(m)=l, .呱suP。(。)(Inm)一’inh。二1.在第二种情形下,是考虑均值 青其,‘m,“,的性质.对口(m),均值(l)等于(1+o(1)Ininn).在一般情形下,关于函数f(m)的值或它的值的跳动,从第一个问题和第二个问题的解,只能得到很少的信息.一个函数可以本质上不同于它的均值.但是,在这点上出现大的偏差是很稀少的.这就提出了这样一个问题:确定范围使对占压倒多数的变数值函数f(m)的值在其中变动.设f(川)是实算术函数,及 A_一又迎卫之.B:一丫工二些生,(2、 p订。pp嘀。p-这里的求和号分别是对所有的素数P续”及所有的素数幂尸毛。求和,则 l价,,,、‘、,,。,,3 .c 言离(f(m)一A·)‘簇B·‘(亏+蓄万),其中c是一个绝对常数.这样,对任意的t>O,除了可能有少于(3/2+c/inn)陀t一2个例外值外,对所有的从(n有不等式 If(m)一A。}
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条