XiaoMi-AI文件搜索系统
World File Search System模型验证
基于数字孪生的预应力钢筋安全性评估...
在役预应力钢结构的安全性已得到广泛研究，但传统的预应力钢结构安全评估方法涉及的样本点少、预测不准确，且耗费大量的人力和物力。利用数字孪生技术可以对钢结构全寿命周期内的结构行为、状态和活动进行监测，相当于对结构进行了一次安全评估。本研究旨在建立预应力钢结构的数字孪生多维模型，在此模型的基础上利用相关结构历史数据对支持向量机和预测模型进行训练，并根据实测数据对结构的安全风险等级进行预测。最后，利用轮辐索桁架结构的比例折减模型验证了所提方法的可行性。结果表明，数字孪生技术可以实现在役预应力钢结构的实时监测，并能及时预测其安全水平，为预应力钢结构的安全风险评估提供了一种新方法。
创建数字孪生 - 物理到数字孪生的关键特征... - KIT
摘要 由于计算资源成本下降和数据采集潜力不断增加，人们对数字孪生（物理原件的虚拟副本）及其工业应用的兴趣日益增加。然而，关于如何支持物理到虚拟孪生过程及其关键方面，已发表的研究有限。本研究的目的是介绍从机电一体化产品开发建模项目中获得的有关物理到虚拟孪生的见解。我们对建模项目成员进行了调查和深入访谈。在调查和访谈中，我们确定了物理产品和虚拟模型是如何关联的，使用了哪些虚拟模型，以及项目成员认为哪些一般挑战和关键方面很重要。我们的研究结果表明，对物理到虚拟孪生建模构成挑战的关键特征是模型粒度、模型验证以及模型集成和互连性。关键词：数字孪生、产品建模/模型、模拟、设计过程 联系人：Sturm，Carolin 卡尔斯鲁厄理工学院 (KIT) IPEK 产品工程研究所 德国 carolin.sturm@kit.edu
ERDC/CRREL SR-19-1“CRREL 环境风洞
大气或环境风洞非常适合基础研究和应用物理建模，以及支持数值模型验证过程。美国陆军工程兵团工程研究与发展中心 (ERDC) 一直活跃于研究物理建模领域。ERDC 环境实验室 (EL)、寒冷地区研究与工程实验室 (CRREL) 和岩土与结构实验室 (GSL) 之间有一座历史性的、三座运行中的和一座未来计划中的大气风洞。每个设施都经过独特设计，以研究不同领域的大气现象。本报告回顾并强调了每个设施的特点及其目标研究应用。特别是，人们希望扩大 CRREL 环境风洞 (EWT) 物理建模能力的范围。将该能力扩展到雪堆建模之外，为在空地和潜在的空水界面进行几何全尺寸湍流边界层实验打开了大门。维护和改善内部风洞设施对于 ERDC 的任务至关重要，可以促进大气物理建模的创新和多功能性。
通过逆向强化学习对人类行为进行建模时量化数据稀缺性的贝叶斯方法
将复杂的人类行为形式化的计算模型有助于研究和理解此类行为。然而，收集估计此类模型参数所需的行为数据通常非常繁琐且耗费资源。因此，作为数据收集规划的一部分，估计数据集大小（也称为样本量确定）对于减少行为数据收集的时间和精力，同时保持对模型参数的准确估计非常重要。在本文中，我们针对特定的人类行为逆向强化学习 (IRL) 模型提出了一种基于不确定性量化 (UQ) 的样本量确定方法，分为两种情况：(1) 事前实验设计——在收集任何数据之前的规划阶段进行，以指导估计要收集多少样本；(2) 事后数据集分析——在收集数据后进行，以确定现有数据集是否具有足够的样本以及是否需要更多数据。我们在实验中用具有以下特征的人的真实行为模型验证了我们的方法：
社会和产科不平等以及疫苗接种......
摘要目的：分析孕妇社会经济水平、产科特征与疫苗接种记录的关联。方法：横断面研究，对480名产后妇女进行。孕妇接种疫苗被视为一个因变量；独立变量包括：年龄、肤色、教育、稳定的婚姻、有偿工作和产前咨询次数。使用泊松回归模型验证变量之间的关联。结果：480份孕妇宣传册中，10.63%含有乙肝疫苗接种信息；破伤风为31.46%；对于流感，90％的笔记本中没有记录。有偿工作与产前咨询和接种乙肝疫苗的次数之间存在联系。结论：在就业市场中接受产前咨询次数较多的女性未接种疫苗的比例较低。这表明社会经济不平等可能会影响孕妇接受卫生服务所需的疫苗接种。描述符：疫苗接种；产前护理；孕妇；健康水平的差异；罪孽。
1人工智能对信用风险的影响...
对理论，实践和政策的独特贡献：决策理论与技术接受模型（TAM）可用于锚定对人工智能对银行业信用风险评估影响的未来研究。不断投资于研发，以提高对AI驱动的信用风险评估模型的理论理解。这包括探索机器学习与行为经济学理论的集成，以更好地预测借款人的行为和默认概率。鼓励银行采用一种混合方法，将AI-LIWN模型的优势与人类专业知识相结合。制定全面的监管指南和标准，以控制AI在信用风险评估中的使用并确保道德和负责任的做法。这包括建立透明的模型验证和治理框架，以减轻算法偏见，数据隐私违规和歧视性贷款实践的风险。监管机构还应促进整个行业的合作和知识共享，以促进创新，同时维护消费者的利益和财务稳定。
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维度和增长的数据。，大多数模型验证都侧重于局部流形的保真度（例如，平方误差和其他数据可能性指标），几乎不关注这些模型的全局歧管拓扑，理想情况下应该是学习。为了解决这一限制，我们实施了一个强大的评分管道，旨在验证模型重现整个参考歧管的能力。Python库Cytobench以及Jupyter笔记本电脑和示例数据集演示了这种方法，以帮助用户开始工作流。歧管概括分析可用于开发和评估旨在学习蜂窝动力学网络的模型，并在外部数据集上验证其性能。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补充信息：补充数据可在Online Bioinformatics获得。
计算流体动力学中的验证和确认1
验证和确认 (V&V) 是评估计算模拟准确性和可靠性的主要手段。本文对计算流体力学 (CFD) 中 V&V 的文献进行了广泛的回顾，讨论了评估 V&V 的方法和程序，并对现有想法进行了大量的扩展。对 V&V 术语和方法发展的回顾指出了运筹学、统计学和 CFD 社区成员的贡献。本文讨论了 V&V 中的基本问题，例如代码验证与解决方案验证、模型验证与解决方案验证、错误和不确定性之间的区别、错误和不确定性的概念来源以及验证与预测之间的关系。验证的基本策略是识别和量化计算模型及其解决方案中的错误。在验证活动中，计算解的精度主要相对于两种高精度解来衡量：解析解和高精度数值解。介绍了确定数值解精度的方法，并强调了验证活动中软件测试的重要性。
人工智能在疾病诊断中的应用前景
人工智能 (AI) 已显示出对当前和未来疾病诊断的巨大潜力。目前，人工智能诊断技术可以帮助医生解读 X 光片、核磁共振成像和计算机断层扫描等医学图像，从而做出更快、更准确的诊断。为了做出前瞻性诊断，人工智能算法还可以检查患者信息、症状和病史。随着该领域的发展，人工智能在疾病诊断中的应用预计将不断增长。未来，人工智能可用于在大量医疗数据中寻找模式，帮助在症状出现之前预测和预防疾病。此外，通过结合遗传数据、生活方式数据和环境变量，人工智能可能有助于诊断复杂的疾病。必须记住，虽然人工智能是一种强大的工具，但它不能取代合格的医务人员。相反，人工智能应该支持和改进诊断程序，增强患者护理和医疗保健效果。未来的研究和人工智能在疾病诊断中的应用必须考虑到道德问题、数据保护和持续的模型验证。
从疏散角度进行列车车辆结构设计
摘要 列车作为一种高效的交通运输方式，其安全性受到广泛关注。在列车车辆结构设计中，需要对旅客疏散时间进行评估。建立仿真模型是实现此目标最快、最方便、最实用的方法。但很少有学者关注旅客列车疏散仿真模型的可靠性。本文提出了一种基于动态时间扭曲和多维缩放的新验证方法。所提方法验证了仿真模型的动态过程，提供了统计结果，可用于列车疏散场景等小样本场景。案例研究的结果表明，所提方法是一种有效且量化的动态过程中仿真模型验证方法。因此，本文基于仿真实验结果描述了列车结构尺寸对疏散的影响。结构尺寸因素包括门宽度、通道宽度和座位间距。实验结果表明，较宽的通道和合理的座位间距可以促进适当的疏散。此外，正常的列车门宽度对疏散没有影响。关键词：仿真，旅客列车疏散，结构尺寸，验证