XiaoMi-AI文件搜索系统
World File Search System位置预测
数据分析，以通过位置预测前12名幻想足球运动员
幻想足球是一场比赛，参与者可以管理足球阵容并一对一踢球。这大约50年前使用铅笔和纸（Shipman，2009）开始。幻想足球的过程是通过起草来建立我们的团队，这是参与者一次选择一个球员，直到名册完成为止。这项研究的主要目标是确定即将到来的赛季的每个位置的前12名幻想足球运动员。对于幻想足球（四分卫，后卫，接球手，紧身，防守和踢球者）的每个位置），它们包括每个球员的排名，从本质上预测了该球员得分的积分总数，并创建了总数的下降列表。这些要点取决于玩家在游戏中的真实表现。因此，预计该赛季得分最高的球员将是该位置排名第一的球员。但是，这个排名从未最终变得准确，因为在赛季结束时，我们发现实际排名包含的球员表现优于Yahoo的预计总数，反之亦然。依靠他们的季前排名并不是最好的主意。最好找到一种方法，以更准确地预测一个排名，该排名可以超越依靠雅虎预测的竞争对手。
超级金属：一种生成的AI框架，用于蛋白质中的快速，精确的金属离子位置预测
最初的计算方法用于mRNA定位是单个标签分类任务，其中每个mRNA被预测仅定位为一个特定的隔室。rnatracker采用了深层复发的神经网络来预测mRNA定位[6]。iloc-mRNA，利用支持载体机（SVM）来预测在同性恋中的mRNA定位，[7]。sublocep通过集中在特定的细胞室，同时保留在单标签分类框架内[8]，进一步完善了预测。但是，它们本质上受到这样的假设，即每个mRNA仅定位到一个与生物学现实不符的隔间。许多mRNA众所周知，可以定位在多个隔间中，从而在细胞内履行各种作用[9，8]。
Wi-Fi 基于位置的服务——设计和部署...
Wi-Fi 的采用率快速增长，加上高质量基础设施以合理的成本提供，是 Wi-Fi 位置服务商业和学术活动激增的关键因素。不要与无源 RFID 解决方案或使用非 802.11 有源 RF 标签和读取器的解决方案相混淆，Wi-Fi 位置预测技术的研究和开发进展促进了完全基于 IEEE 802.11 基础设施的室内 RF 位置跟踪系统的出现。再加上在消费者和分销供应链中实施 RFID 系统的激烈竞争，所有这些因素结合在一起形成了一场“完美风暴”，将曾经对位置服务感兴趣的一般市场转变为将基于 802.11 的位置服务 (LBS) 视为 Wi-Fi 无线的下一个“杀手级应用”的市场。
新南威尔士州主要土壤特性的数字土壤测绘
在过去二十年中，数字土壤测绘 (DSM) 已成为收集重要土壤信息的重要途径。DSM 是通过基于土壤特性或类别与环境之间关系的定量建模技术来准备的。底层模型源于 Dokuchaev (1899) 和 Jenny (1941) 的基本土壤方程：s = f(cl, o, r, p, t, … )，该方程指出土壤是气候、生物、地形、母质和时间的函数。最近，McBratney 等人的“s、c、o、r、p、a、n”方法进一步推进了这一概念模型。(2003)，它具有额外的 s（土壤属性预测因子）和 n（地理位置预测因子）因素，并且还结合了残差误差建模。
空中石油观测 - 清洁加勒比海和美洲
如果有风和洋流数据，预测石油位置的任务就会变得简单，因为两者都对浮油的移动有影响。经验表明，浮油会以大约 3% 的风速顺风移动。在存在地表水流的情况下，任何风驱动的运动都会叠加上 100% 水流强度的石油额外运动。在靠近陆地的地方，预测石油运动时必须考虑任何潮汐流的强度和方向，而在更远的海上，其他洋流的贡献比潮汐运动的周期性更重要。因此，了解盛行风和洋流后，就可以从已知位置预测浮油的移动速度和方向，如上图 1 所示。存在可以绘制石油泄漏轨迹的计算机模型。计算机模型和简单的手动计算的准确性取决于所用水文数据的准确性以及风速和风向预测的可靠性。
“使用机器学习的放置预测和分析”
许多学生没有意识到行业需求，导致满足业务需求的毕业生数量很少。学生的职位提出了重大挑战。教育机构应最大限度地提高实习机会，招募部门和教师应为学生做好满足特定公司要求的准备。工作安置预测系统可以评估学生对特定工作的适用性。在拟议的系统中，IT公司投资了大量资金来招募学生。为了降低这些成本，可以使用深度学习工具来实现有效的过滤。深度学习涉及通过各种分析方法识别数据中的模式。教育机构可以利用此数据挖掘能力来了解公司的招聘历史记录和学生数据，从而允许归因细胞预测当前的学生安置。本文研究了位置预测系统的不同模型及其对学生的应用。
IArch：深入挖掘考古数据的人工智能工具
摘要 — 人工智能 (AI)，尤其是机器学习 (ML)，在考古学中的应用正在蓬勃发展，开辟了文物分类、遗址位置预测和遗迹分析等新的可能性。这方面的主要挑战之一是缺乏精通机器学习的合格考古学家。在本研究中，我们介绍了 IArch，这是一种无需特定编程技能即可让考古学家进行可解释人工智能 (XAI) 数据分析的工具。它特别允许执行数据分析以验证现有的数据支持假设或生成新假设。该工具涵盖了应用 ML 的整个工作流程，从数据处理到解释最终结果。该工具允许使用监督和无监督 ML 算法，以及 SHapley Additive exPlanations (SHAP) 技术为考古学家提供对预测的整体和个体解释。我们通过蒙古草原上的匈奴墓地（公元前 100 年 / 公元 100 年）的数据证明了它的应用。
基于数字双胞胎的机器用于罂粟机器人的运动控制...
智能制造的关键组成部分是第四次工业革命时代的中心概念，由数字双技术，AI和计算机视觉技术组成。在这项研究中，这些技术被用来管理罂粟机器人，这是一种用于教育和研究目的的人形机器人。数字双胞胎创建了一个虚拟环境，能够对机器人动作进行实时模拟，分析和控制。机器人的数字双胞胎是使用3D开发程序Unity构建的。运动数据是在模拟虚拟机器人的物理结构和运动时捕获的。然后将这些数据馈送到基于张量的深神经网络中，以生成一个回归模型，该模型根据机器人手的位置预测运动旋转。通过将此模型与基于Python的机器人控制程序集成，可以有效地管理机器人的运动。此外，使用OpenPose（一种计算机视觉算法）控制了机器人，该算法预测了人体上的特征点。从2D图像中收集了人类关节点的位置数据，并根据此数据计算运动角度。通过在实际机器人上实施这种方法，可以使机器人复制人类运动。
基因选择，用于从单细胞转录组数据中对细胞位置的最佳预测
单细胞RNA-Sequencing（Scrnaseq）技术正在迅速发展。尽管在标准的scrnaseq概述中非常有用，但是丢失了原始组织中细胞的空间组织。相反，旨在维持细胞定位的空间RNA-seq技术的吞吐量和基因覆盖率有限。将SCRNASEQ映射到具有空间信息的基因上，在提供空间位置时会增加覆盖范围。但是，执行此类映射的方法尚未标记。为了填补这一差距，我们组织了梦想的单细胞转录组学挑战，重点是从scrnaseq数据中从果蝇胚胎中的细胞进行空间重新构造，利用了银标准，并带有银色标准基因，具有原位杂交数据，来自伯克利果蝇转录网络项目的原位杂交数据。34个参与的团队使用了不同的算法选择进行基因选择和位置预测，同时能够正确定位细胞的簇。选择预测基因对于此任务至关重要。预测基因的表达熵相对较高，空间聚类较高，并包括显着的发育基因，例如间隙和成对基因和组织标记。将前10种方法应用于斑马鱼胚胎数据集，产生了相似的性能和
入学博士学位。计划 - 2024年8月 5天教师发展计划理论机器学习27-31，2024年5月
计算机科学与工程人工智能（AI）：负责的AI，AI安全性，优化算法；机器学习和深度学习：生物医学信号，农业领域，网络层/传输层中的异常检测，优化算法，位置预测；计算机视觉和图像处理：农业和医疗领域，语音，图像，信号；自然语言处理，LLM；数据分析，视频分析，大数据分析，社交网络分析；理论计算机科学；算法和图理论，可解释的AI（XAI）-Healthcare；分布式计算；边缘计算；云计算；计算范式的能源效率；新兴数据库；生物信息学和计算生物学；数据隐私和安全性，网络安全性，信息安全性，网络安全性中的ML，云数据安全性，量子计算和安全性，分布式计算安全性，硬件安全性，用于网络安全系统和内存的ML；软定义网络 - 安全性；区块链技术；数字取证和犯罪调查；密码学，量子密码学，应用加密，量子加密后，多方计算，差异隐私；智能运输和互联车辆，用于野生动植物和自然保护的数字技术；物联网；通信和信号处理；系统工程的优化；遥感应用；资源管理和日程安排，以进行未来的计算连续体； IRS辅助通信和空间调制中的检测和估计问题，增强物理层