XiaoMi-AI文件搜索系统
World File Search System智能算法
印度理工学院曼迪分校科学家开发人工智能算法，提高山体滑坡预测的准确性
印度曼迪理工学院，2023 年 2 月 21 日：印度曼迪理工学院的研究人员开发了一种使用人工智能和机器学习 (AI&ML) 的新算法，可以提高自然灾害预测的准确性。该算法由印度曼迪理工学院土木与环境工程学院副教授 Dericks Praise Shukla 博士和印度曼迪理工学院前研究学者、目前在特拉维夫大学 (以色列) 工作的 Sharad Kumar Gupta 博士开发，可以解决滑坡敏感性测绘数据不平衡的挑战，该测绘表示特定区域发生滑坡的可能性。他们的研究成果最近发表在《滑坡》杂志上。
人工智能算法预测骨科手术后处方镇痛鸡尾酒的疗效
骨科手术后使用止痛药缓解术后疼痛是围手术期医学的一个主要问题。特别是在肩部手术（例如肩袖修复）、全关节置换和肢体创伤的情况下，预计疼痛程度会很高；因此，必须采用高效的策略来加快恢复，避免患者不适和痛苦，并降低疼痛相关并发症的风险 [ 1 – 3 ]。在多模式疼痛治疗中，医生通常会联合使用两种或两种以上的止痛药 [ 4 , 5 ]。由于这些药物之间可能存在药理学相互作用，因此很少知道疗效的预测。相互作用可以基于作用机制（例如受体上的药效学）或药代动力学途径。例如，高达 95% 的双氯芬酸在吸收后与血清白蛋白结合，在肝脏中经 CYP 3A4 羟基化和葡萄糖醛酸化后经肾脏消除。临床效果是通过阻断环氧合酶 I 和 II 实现的，从而导致前列腺素的合成减少。对乙酰氨基酚也通过环氧合酶途径表现出其作用，抑制前列腺素合成。另一方面，阿片类药物通过受体起作用，这些受体对这些镇痛药具有特异性，在肝脏中经 CYP 3A4 羟基化后消除。因此，对于临床医生来说，两种以上药物的组合可能不清楚，并且对处方的净效应感到困惑。术后处方中含有具有各种药代动力学和药效学特性的阿片类药物和非阿片类药物。据我们所知，关于当以两种以上药物组合使用时这些特性如何变化的数据很少，而且很少发表（如果有的话）[6-11]。对具有大量止痛药组合的止痛药的任何统计评估都面临着严峻的挑战：使用传统统计方法得出结论极其困难。我们使用人工智能方法 [12-15] 来克服这一困难。我们使用（人工）神经网络（NN）进行数据分析；具体来说，我们使用称为自动编码器的无监督神经网络（图 1）。这些无监督神经网络通过最小化损失（输入和输出之间的差异的平方和，在训练集上取平均值）来生成高精度模拟输入的输出（因此得名：自动编码器）。特征向量在下一段中描述。然后，我们将每个输入特征向量的代码层权重用作降维特征向量的坐标（图 1）。疼痛程度是分类变量，所施用的止痛药也是如此。我们使用独热编码为每个患者生成一个 38 维特征向量（参见方法部分）。这些特征向量并不独立。降维算法（神经网络自动编码器）找到独立性并将结果映射到二维流形（平面图）上。每个患者都是这个平面上的一个点，这些点不是随机分布的；相反，它们是聚集的。在我们掌握的众多聚类算法中，我们使用 DBSCAN 聚类算法 [ 16 ]，因为将其应用于点可以识别出具有许多共同止痛药的鸡尾酒聚类。相互依赖性产生包含高效止痛药的聚类；正如我们下面讨论的那样，这一发现无法通过任何其他方式找到（有 61 种不同的止痛药鸡尾酒，总共 750×2 = 1500 种疼痛
评估微电网中净计量机制的使用情况，利用群体智能算法降低发电成本
微型发电是一种清洁高效的电力供应方式。然而，风能和太阳辐射的不可预测性对满足负载需求和维持微电网 (MG) 稳定运行提出了挑战。本文提出使用群体智能算法对具有净计量补偿策略的混合 MG 系统 (HMGS) 进行建模和优化。使用来自西班牙地区的真实工业和住宅数据，带有通用 ESS 的 HMGS 用于分析四种不同的净计量补偿水平对成本、可再生能源 (RES) 百分比和 LOLP 的影响。此外，还根据 MG 提供的最终 $/kWh 成本评估了两种 ESS，即钛酸锂尖晶石 (Li4Ti5O 12 (LTO)) 和钒氧化还原液流电池 (VRFB) 的性能。结果表明，净计量政策将盈余从 14% 以上减少到 0.5% 以下，并将可再生能源在 MG 中的参与度提高 10% 以上。结果还显示，在年度预测中，与使用不带净计量的 LTO 系统的 MG 相比，使用具有 25% 补偿政策的 VRFB 系统的 MG 可以节省超过 100,000 美元。
气动参数智能算法...
本文提出了一种用于先进布局飞机大迎角风洞试验气动参数标定的智能算法，该算法基于同源比对与调优算法，可以有效提高风洞试验模型的精度。首先，在分析某先进布局缩比飞机大振荡风洞试验数据的基础上，建立了由静导数、动导数、旋转平衡导数组成的大迎角风洞试验模型。其次，为有效提高风洞试验模型的精度，提出了分层标定与智能算法相结合的大迎角同源比对修正思路。所提方法解决了先进布局飞机大迎角气动模型同源比对中结构复杂、数据量大、精度差的问题。最后基于MATLAB GUI设计了相应的比对界面软件，将提出的方法与思路融入其中，实现了先进布局飞机大迎角模拟飞行风洞试验气动参数的有效调整，为后续先进布局飞机大迎角飞行试验验证提供了可靠的工程技术手段。
自动驾驶边缘人工智能算法中的偏差检测与泛化
摘要 — 机器学习模型在对未知数据集进行推理时，通常会对熟悉的组或相似的类集产生有偏差的输出。人们已经研究了神经网络的泛化以解决偏差，这也表明准确度和性能指标（例如精确度和召回率）有所提高，并改进了数据集的验证集。测试和验证集中包含的数据分布和实例在提高神经网络的泛化方面起着重要作用。为了生成无偏的 AI 模型，不仅应对其进行训练以实现高精度并尽量减少误报。目标应该是在计算权重时防止一个类/特征对另一个类/特征占主导地位。本文使用选择性得分和余弦相似度等指标研究了 AI 模型上最先进的对象检测/分类。我们专注于车辆边缘场景的感知任务，这些任务通常包括协作任务和基于权重的模型更新。分析是使用包括数据多样性差异、输入类的视点和组合的案例进行的。我们的结果表明，使用余弦相似度、选择性得分和不变性来衡量训练偏差具有潜力，这为开发未来车辆边缘服务的无偏 AI 模型提供了启示。索引术语 — 偏差、数据多样性、特征相似度、泛化、选择性得分
吃豆人的人工智能算法
印度安得拉邦。摘要：该项目是关于开发带有人工智能的吃豆人游戏。吃豆人游戏是一款非常具有挑战性的视频游戏，可用于进行人工智能研究。在这里，我们为吃豆人游戏实施各种人工智能算法的原因是，它有助于我们通过使用可视化来研究人工智能，通过可视化我们可以更有效地理解人工智能。主要目的是构建一个智能吃豆人代理，该代理可以通过迷宫找到最佳路径以找到特定目标，例如特定的食物位置，逃离鬼魂。为此，我们实施了人工智能搜索算法，例如深度优先搜索、广度优先搜索、A*搜索、均匀成本搜索。我们还实施了多代理，例如反射代理、极小最大代理、Alpha-beta 代理。通过这些多代理算法，我们可以让吃豆人根据其环境条件做出反应并逃离鬼魂以获得高分。我们还完成了上述人工智能算法的可视化部分，任何人都可以轻松学习和理解人工智能算法。为了实现算法的可视化，我们使用了 Python 库 matplotlib 和 NetworkX（用于绘制所探索状态的图形）。
推荐引用 推荐引用 ATALI, GÖKHAN; PEHL İ VAN, İ HSAN; GÜREV İ N, B İ LAL; 和 Ş EKER, HAL İ L İ BRAH İ M (2021) “基于元启发式的人工智能算法中的混沌：简要回顾”，土耳其电气工程与计算机科学杂志：第 29 卷：第 3 期，第 3 篇文章。https://doi.org/10.3906/elk-2102-5 可在以下网址获取：https://journals.tubitak.gov.tr/elektrik/vol29/iss3/3
随着科学技术的发展，优化问题的复杂性也成倍增加。在工程和其他技术问题中，利用优化方法实现利润最大化或损失最小化一直是最重要的目标之一。为了加速问题的解决，人们开发了采用元启发式方法的优化问题解决方案算法，这些算法通常受到自然界生物、物理事件、群体行为等的启发。元启发式算法是一种启发式方法，它可以为计算能力不完整或有限的优化问题提供足够好的解决方案，该算法使用了计算机科学和数学优化中的高级程序。这些算法通常可以快速收敛到最优值，计算简单且易于实现。
临床人工智能质量改进：持续监测和更新医疗保健领域的人工智能算法
机器学习 (ML) 和人工智能 (AI) 算法有可能从临床数据中获取见解并改善患者治疗结果。然而，这些高度复杂的系统对环境变化很敏感，并且容易出现性能下降。即使成功融入临床实践，ML/AI 算法也应持续监测和更新，以确保其长期安全性和有效性。为了使 AI 在临床护理中成熟，我们提倡在医院设立负责质量保证和改进这些算法的部门，我们称之为“AI-QI”部门。我们讨论了如何调整长期用于医院质量保证和质量改进的工具来监测静态 ML 算法。另一方面，持续模型更新程序仍处于起步阶段。我们强调了在现有方法和方法创新机会之间进行选择时需要考虑的关键因素。
人工智能算法在海洋科学研究中的作用
海洋科学研究对人类的生存和发展至关重要。一方面，海洋充当全球气候调节器，向大气供应70%的氧气和87.5%的水蒸气，同时储存大量的热量（Petterson等，2021）。另一方面，海洋是全球物理系统的重要组成部分，其中质能、生物和地质过程的变化会对海洋和陆地生物产生重大影响（Du等，2021）。然而，由于缺乏对深海和极地等重要区域的了解，人类尚无法破译海洋中某些特定的现象和模式。人工智能（AI）算法使用大量统计数据对具有特定结构的数学模型进行训练，以获得包含训练数据中固有统计特征的过滤器。它可以应用于解决优化问题。因此，AI算法在许多科学领域都取得了巨大的成功，例如自动驾驶（Khan等，2021），医学成像（Hickman等，2022），地球物理（Yu和Ma，2021）和纳米科学（Jiang等，2022）。随着海洋科学研究进入智能化和不断改进的海洋数据的新时代，AI可以有效挖掘海量数据中蕴含的潜在信息。因此，它也越来越受到海洋研究人员的关注（Logares 等，2021）。AI技术与传统模型的结合以提高海洋安全性也已被证明（Khayyam 等，2020）。此外，海洋污染（Agarwala，2021）、风能和波浪能（Gu and Li，2022）研究中的数据处理问题可以使用AI算法解决。因此，本文报告了AI算法方法在海洋科学研究中的应用前景，主要是监测海洋生物多样性，深海资源建模以及预测SST，潮位，海冰和气候。此外，本文还讨论了AI算法在处理海洋数据和建立预测模型方面的当前问题。
通过沉浸式技术应用人工智能算法
摘要：包容性教育是一项基本人权。然而，有学习障碍的学生有时会被排除在体育教育之外。虚拟现实 (VR) 和增强现实 (AR) 技术是一种沉浸式学习，可以提供更好的学习体验。个性化学习通过考虑学生的不同属性，在个性化学习材料中发挥了作用，因此在课堂上逐渐被包容。因此，本研究旨在使用人工智能 (AI) 算法和沉浸式技术重新设计个性化和沉浸式培训师应用程序，以促进体育教育中学习障碍 (SLD) 学生的学习过程。这项定性研究通过观察和访谈评估了一所特殊学校的 10 名教师和 30 名学生，以设计个性化、沉浸式的体育教育学习应用程序。专家的观点和二手数据也被用作应用程序构建的补充材料。从对学生和教师的访谈和观察中可以得出结论，SLD 可以在老师和培训师的适当指导下进行视觉学习。本研究的最终成果是设计一个个性化学习系统 (PLS)，希望该系统能够为想要为 SLD 设计一个良好 PLS 的开发人员和教育工作者带来益处。教育工作者和开发人员可以使用该结果为学习体育的残疾学生创建合适的定制应用程序。关键词：增强现实、虚拟现实、体育、职业、残疾、智能系统介绍