XiaoMi-AI文件搜索系统
World File Search System平方误差
使用生活方式和脑部病变的多模式痴呆识别，机器学习方法
痴呆症诊断通常依赖于限制访问早期筛查的昂贵和侵入性神经影像学技术。这项研究提出了一种创新的方法，用于使用可访问的生活方式和脑成像因子估算扩散张量成像（DTI）测量方法来促进早期痴呆症筛查。常规DTI分析虽然有效，但通常会受到高成本和有限的可访问性的阻碍。为了应对这一挑战，模糊的减法聚类确定了14个有影响力的变量，从生活方式中，用于脑健康，脑部萎缩和病变索引框架，包括人口统计学，医疗状况，生活方式因素和结构性脑标记。使用这些选定的变量开发了多层感知器（MLP）神经网络，以预测分数各向异性（FA），这是反映白质完整性和认知功能的DTI度量。MLP模型实现了有希望的结果，在FA预测的测试集中，平均平方误差为0.000 878，证明了其准确的DTI估计潜力，而无需昂贵的神经影像学技术。数据集中的FA值范围为0到1，较高的值表示更大的白质完整性。因此，平均平方误差为0.000 878表明与观察到的FA值相比，模型的预测高度准确。这种多因素方法与当前对痴呆症复杂病因的理解相吻合，受到各种生物学，环境和生活方式因素的影响。通过将随时可用的数据集成到预测模型中，该方法可以为早期痴呆症风险评估进行广泛的，具有成本效益的筛查。建议的无障碍筛查工具可以促进公共卫生计划中的及时干预，预防策略和有效的资源分配，最终改善患者的结果和照料者负担。
基于可再生能源的微电网系统频率控制...
本文讨论了一种使用分数阶 PID 控制器的微电网系统控制频率方案。所提出的微电网系统由光伏系统、风力涡轮发电机、柴油发电机、燃料电池和不同的存储系统（如电池储能系统和飞轮储能系统）组成。本文的主要目标是通过应用所提出的控制器来限制频率和功率偏差，该控制器有五个参数需要通过优化技术确定。Krill Herd 算法用于使用平方误差积分确定最佳分数阶 PID 控制器参数。对遗传算法和 Krill Herd 进行了比较，得到的模拟结果表明，所研究的基于控制器的 Krill Herd 在功率和频率偏差波动较少方面优于遗传算法。
关于辩护机的渐近特性...
本文研究了一个新型的渐近框架下的依据机器学习（DML）估计量的特性，从而提供了用于改善应用中估计量的见解。dml是一种适合经济模型的估计方法，其中感兴趣的参数取决于必须估算的未知滋扰函数。它需要比以前的方法较弱的条件，同时仍确保标准的渐近特性。现有的理论结果不能区分两个替代版本的DML估计量，即DML1和DML2。在一个新的渐近框架下，本文证明了DML2渐近统治DML1在偏差和平方误差方面，基于其相对性能的模拟结果对先前的猜想进行形式化。此外，本文提供了改善应用程序中DML2性能的指导。
分辨率增强，用于询问纤维bragg光栅...
在纤维bragg光栅（FBG）传感器网络中，反射光谱的信号分辨率与网络的感应精度相关。审讯器确定信号分辨率限制，并且更粗糙的分辨率导致感应测量的巨大不确定性。此外，来自FBG传感器网络的多峰信号通常被重叠。这增加了分辨率增强任务的复杂性，尤其是当信号具有较低的信噪比（SNR）时。在这里，我们表明，使用U-NET体系结构进行深度学习可以增强信号分辨率，以询问FBG传感器网络而无需修改硬件。信号分辨率有效地增强了100倍，平均根平方误差（RMSE）<2.25 pm。因此，提出的模型允许FBG设置中的现有低分辨率询问器起作用，就好像它包含了更高分辨率的询问器一样。
生成模型通过歧管概括分析验证
摘要：单细胞转录组学越来越依赖于非线性模型来利用尺寸和不断增长的数据。但是，大多数模型验证都侧重于局部流动保真度（例如，平方误差和其他数据可能性指标），在对全球流形拓扑的关注很少，理想情况下应该是学习。为了解决这一问题，我们已经实施了一条强大的评分管道，旨在验证模型重现整个参考歧管的能力。Python库Cyto-Bench演示了这种方法，以及Jupyter笔记本电脑和示例数据集，以帮助用户开始工作流程。歧管概括分析可用于开发和评估模型，以了解完整的蜂窝动力网络，并在外部数据集中验证其性能。可用性：实施评分管道的Python库已通过PIP提供，可以在Github和一些Jupyter笔记本旁边检查显示其应用程序。联系人：nlazzaro@fbk.eu或toma.tebaldi@unitn.it
spinet-qsm：基于模型的深度学习，schatten p ...
抽象的客观定量敏感性映射（QSM）提供了使用磁共振（MR）相测量的组织磁化率的估计。通过数值求解逆源效应问题来估计MR相图像中测得的磁场分布/局部组织场（效应）的组织磁化率（源）。本研究旨在开发一个有效的基于模型的深度学习框架来解决QSM的反问题。材料和方法这项工作提出了带有可学习的范围参数P的schatten p-norm驱动模型的深度学习框架，以适应数据。与其他基于模型的体系结构相比，该结构强制执行l 2 -norm或l 1 -norm，而拟议的方法可以在可训练的正规机构上强制执行任何p -norm（0 结果将所提出的方法与基于深度学习的方法（例如QSMNET）和基于模型的深度学习方法进行了比较，例如学习的近端卷积神经网络（LPCNN）。 使用具有不同采集方案和临床条件的77次成像体积进行的重建，例如出血和多发性巩膜，表明所提出的方法在定量优点方面以显着的优势超出了现有的最新方法。 结论拟议的Spinet-QSM在高频误差规范（HFEN）和归一化的根平方误差（NRMSE）方面，至少提高了至少5％的持续改善，而与其他QSM重建方法相比，使用有限的训练数据。结果将所提出的方法与基于深度学习的方法（例如QSMNET）和基于模型的深度学习方法进行了比较，例如学习的近端卷积神经网络（LPCNN）。使用具有不同采集方案和临床条件的77次成像体积进行的重建，例如出血和多发性巩膜，表明所提出的方法在定量优点方面以显着的优势超出了现有的最新方法。结论拟议的Spinet-QSM在高频误差规范（HFEN）和归一化的根平方误差（NRMSE）方面，至少提高了至少5％的持续改善，而与其他QSM重建方法相比，使用有限的训练数据。
使用机器学习算法优化促进风速预测
4印度尼西亚能源和矿产资源部 *通信：amin010@brin.go.id（aminuddin），nurr010@brin.go.id（Nurry widya hesty）（2023年3月16日收到：修订于12月28日，2023年12月28日：2023年12月28日：2024年1月12日接受的摘要和稳定的限制性限制，并确定了限制性的操作。电力系统。这项研究审议了十个机器学习（ML）模型的超参数微调，以通过评估根平方误差（RMSE），平均绝对误差（MAE），相关性和运行时获得最佳的短期风速预测模型。随机森林（RF）和梯度增强的树（GBT）的总体表现最好。但是，RF的训练时间比GBT更长。本文的发现可以帮助研究人员和从业人员开发最有效的数据驱动方法，以进行风速和功率生成的预测。关键字：数据挖掘；超级参数； Rapidminer；深度学习；安可再生能源
优化方法在动态环境中改善视觉猛击
是针对一个问题，即经典视觉大满贯系统的鲁棒性受到环境中动态目标特征点的极大影响，提出了一种使用目标检测算法来识别和消除动态目标特征点的方法。首先，使用目标检测算法yolov5识别收集的环境图像，然后选择周围环境。对象被识别为环境中的动态目标，然后将目标检测结果集成到视觉猛击前端的特征提取中，删除了提取图像特征点的动态目标部分的特征点，其余的静态特征点用于映射构造和定位，并在TUM DATA集合上进行测试。结果表明，在使用目标检测算法来消除动态特征点后，在高度动态的场景中，视觉SLAM系统的绝对轨迹误差的根平方误差将减少97.89％，从而有效提高了系统的定位准确性和鲁棒性。
Ayilara-dewale，OA；阿拉比，AA； olu ... 的乙醇提取物的抗焦虑和抗抑郁作用 伊朗患者的PON1基因表达和RS662多态性的分析 摄影测量法的计算视觉 新诊断的成年患者的自我保健做法... 2D钨氧化钨（WSE2）薄膜的制备... 228社会和行为的相关性变化... 在出售的鸡肉中鉴定弯曲杆菌污染 Mfitiryayo等人，2025年探索世代相传的效果... 农业扩展杂志 木质物种组成，结构，再生状态和碳
摘要：确定房地产价格的传统（手动）方法在某些情况下容易犯错，这些错误可能是由于分心，缺乏专心或易受房地产经纪人欺诈的脆弱性。这项工作着重于使用更多最新方法评估房地产的房屋价格预测。使用诸如房屋定价指数和随机森林机器学习技术等方法的房屋定价已被讨论，提出了一种新方法，作为使用额外树回归的模型，因为它在树木建造过程中引入了额外的随机性。Kaggle波士顿壳体数据集具有506个条目，并采用了14个功能来训练和测试开发的模型，然后通过平均绝对误差和平均平方误差来确定效率。此外，在随机森林回归模型和提出的预测模型之间进行了比较，该模型表明，新的预测模型比随机森林回归产生的性能更好。