XiaoMi-AI文件搜索系统
World File Search System比较研究
可再生能源预测：...的比较研究
摘要。随着深度学习 (DL) 的进步，人们对可再生能源产量预测的关注度日益增加。可再生能源固有的多变性和预测方法的复杂性要求可再生能源领域采用稳健的方法，例如 DL 模型。与传统机器学习 (ML) 相比，DL 模型更受欢迎，因为它们可以捕捉可再生能源数据集中复杂的非线性关系。本研究通过比较 DL 框架内的各种方法和训练/测试比率，研究了影响 DL 技术准确性的关键因素，包括采样和超参数优化。使用结合了来自 12 个地点的天气和光伏电力输出数据的数据集，评估了七种机器学习方法——LSTM、Stacked LSTM、CNN、CNN-LSTM、DNN、时间分布式 MLP (TD-MLP) 和自动编码器 (AE)。应用早期停止、神经元丢失和 L1/L2 正则化等正则化技术来解决过度拟合问题。结果表明，早期停止、dropout 和 L1 正则化的组合对于减少具有较大训练集的 CNN 和 TD-MLP 模型中的过度拟合效果最佳，而早期停止、dropout 和 L2 正则化的组合对于减少具有较小训练集的 CNN-LSTM 和 AE 模型中的过度拟合效果最有效。
基于注意力的神经网络信息提取策略的比较研究
摘要。本文重点研究历史手写结婚记录中的信息提取。传统方法依赖于两个连续任务的顺序流水线：在命名实体识别之前应用手写识别。最近，人们研究了同时处理这两个任务的联合方法，并取得了最先进的成果。然而，由于这些方法已在不同的实验条件下使用，因此尚未对它们进行公平比较。在这项工作中，我们对基于相同基于注意的架构的顺序和联合方法进行了比较研究，以量化可归因于联合学习策略的收益。我们还研究了三种基于多任务或多尺度学习的新联合学习配置。我们的研究表明，依靠联合学习策略可以使完整识别分数提高 8%。我们还强调了多任务学习的兴趣，并展示了基于注意的网络对信息提取的好处。我们的工作在 Esposalles 数据库上的 ICDAR 2017 信息提取竞赛中以行级实现了最先进的性能，无需任何语言建模或后处理。
优化废弃鳄梨油的生物柴油产量和燃料特性：ANFIS 和 RSM 机器学习模型的比较研究
化石燃料带来的挑战推动了人们对替代能源的追求，从而推动了生物燃料的发展。本研究重点是通过酯交换反应从废弃的鳄梨油中生产生物柴油。首先，使用萃取技术从鳄梨的果皮和种子中提取油。然后用甲醇和硫酸 (H₂SO₄) 对提取的油进行预处理，以将其游离脂肪酸含量降低至 1.0 wt% 以下。本研究比较了两种专家系统，即自适应神经模糊推理系统 (ANFIS) 和响应面法 (RSM)，用于建模和优化鳄梨油的生物柴油生产。使用统计指标评估了这些优化工具的性能。结果表明，ANFIS 优于 RSM，误差值较低，预测标准误差 (SEP)=0.7653、平均绝对误差 (MAE)=0.1413、均方根误差 (RMSE)=0.4103、平均绝对偏差 (AAD)=0.2955%、均方误差 (MSE)=0.1683，判定系数高 (R² = 0.9976)。两种模型都预测生物柴油产量较高 (>85%)，ANFIS 的产量 (88.21%) 略高于 RSM (86.20%)。将优化条件下生产的生物柴油的特性与美国材料与试验协会 (ASTM) D6751 和欧洲标准 (EN) 14214 标准进行了比较，结果发现其在可接受的范围内，表明该燃料是适用的。
基于实时仿真的微电网电池储能系统比较研究
分布式能源资源（尤其是太阳能和风能）在电力系统中的渗透率不断提高，但这些资源的间歇性会对电网造成干扰和不稳定。因此，将储能系统集成到电网中是提高电力系统可靠性和性能、确保电力平衡和满足消费者需求的最佳解决方案之一。不同的储能设备技术已被用于支持可再生能源资源的整合，并有助于提高电力操作系统在电网电力波动等关键情况下的管理效率。这项工作的主要目的是测试电池储能系统在微电网出现扰动时减少有功功率波动的有效性。此外，通过比较用于支持电网的不同电池技术的响应，进行了一项比较研究，以验证适合电力系统的电池技术，特别是在电力波动期间适合微电网能源管理的技术，同时，通过使用实时模拟来评估 BESS 的行为、可行性、性能和有效性。
随机性作为过度拟合的解决方案——一种新的模型和非侵入性脑电图前景的比较研究
内在语言的潜力和实用性对于开发实用的日常脑机接口 (BCI) 应用至关重要，因为它代表了一种独立于外部刺激运行的大脑信号，但由于在解读其信号方面面临挑战，它在很大程度上尚未得到充分开发。在本研究中，我们在公开可用的数据集上评估了各种机器学习 (ML) 和深度学习 (DL) 模型的行为，采用流行的预处理方法作为特征提取器来增强模型训练。我们面临着重大挑战，例如受试者相关的变异性、高噪声水平和过度拟合。为了特别解决过度拟合问题，我们建议使用“BruteExtraTree”：一种依赖于从其基础模型 ExtraTreeClassifier 继承的中等随机性的新分类器。该模型不仅在我们的实验中与最佳深度学习模型 ShallowFBCSPNet 相匹配，在主题无关场景中达到 32% 的准确率，而且在主题相关情况下达到 46.6% 的平均主题准确率，超越了最先进的模型。我们在主题相关情况下的结果显示，使用受 LLM 预训练启发的内部语音数据的新范式是可能的，但我们也强调，迫切需要彻底改变数据记录或噪声消除方法，以便在主题无关情况下实现更实际的准确率。
使用机器学习的ECG图分析 胎儿畸形中的致化发生 Ethos-Agrix 钠离子电池和BMS 抗癌药物capmatinib的合成和开发 雨技术 fraudnet：使用机器的UPI交易欺诈检测 自动太阳跟踪以进行最大太阳能收获 外部环境因素在编队中的作用 研究海洋杂交纤维增强复合材料 AI对学生生活的影响 基于计算机视觉的机器人手势 使用Yolo 对行驶车辆的速度检测 技术在减少食物废物中的作用 科威特采用金融科技的概念框架： 生物复合材料的汽车应用 导航过渡 使用隐肌和增强数据隐私 使用轻量级安全有效的物联网通信 零信任安全体系结构中的AI集成：a 传统药用植物作为新抗菌剂的来源 ... 的技术基础和含义 了解机器学习中的生成AI 增强采购智能 使用机器学习的二氧化碳排放预测 结肠癌：... 之间的比较研究 使用柠檬抑制碳钢的腐蚀 停车管理系统 了解BGP失败的风险 电动载移器
心电图（ECG）是通过分析心脏的电活动来评估心脏健康的重要诊断工具。本研究探讨了机器学习（ML）技术在ECG图形分析中的应用，旨在提高诊断心血管疾病的准确性和效率。通过临床咨询收集了一种多种心电图信号数据集，包括正常情况和异常病例。采用预处理技术来消除噪声，然后进行特征提取以识别临界模式。机器学习模型，包括支持向量机（SVM），随机森林和卷积神经网络（CNN），用于对诸如正常窦性心律，心房颤动和心室心动过速等节律进行分类。所提出的方法为协助临床医生在早期发现和诊断心脏条件下提供了一种可靠，有效的方法，其准确性，敏感性和特异性方面有希望的结果。
音乐在增强高等教育学生认知和情感发展中的作用：比较研究
音乐在支持认知和情感发展中的作用越来越多地认可。本文研究了结构化音乐计划对高等教育学生中认知能力（例如记忆，注意力和解决问题）以及情感健康（包括压力管理和自我意识）的影响。使用比较研究设计，研究研究了来自常规音乐活动或没有正式音乐曝光的各种学术领域的学生。定量评估衡量认知功能的改善，而定性反馈则捕捉了参与者在情绪增长和压力弹性方面的经验。的调查结果表明，从事常规音乐活动的学生表现出明显的认知和情感上的好处，包括增强记忆力保留，更大的情绪调节和改善的学术动机。该研究得出结论，将音乐纳入高等教育课程可以成为整体学生发展的宝贵工具，支持学业成绩和个人福祉。为教育机构提供了建议，考虑了基于音乐的干预措施以增强学生的成绩。关键词：音乐教育；认知发展；情感幸福；高等教育；学生参与
最新大型语言模型在回答牙科多项选择问题时的准确性：比较研究
Chlorella ufgaris具有抗氧化剂，抗菌和抗炎特性，以及对于保持肠道菌群平衡很重要的益生菌。观点是测试用微藻和/或益生菌补充肉鸡的性能，免疫力和肠道微生物群的影响。实验设计是在4x2阶乘方案中随机块中的，其中四个级别的c。vulgaris（0; 0.25; 0.50和1％）与商业益生菌相关或不相关，每个实验单位的复制为5只鸡。结果表明，益生菌改善了饲料的转化。益生菌仅在0.25％C中增加了生产率指数。补充寻常。用益生菌喂养的鸡在42天大的时候脾脏重量减轻，但不同的治疗方法不会改变血清抗体。采样年龄对香农指数所涉及的属和多样性的数量所解决的丰富度具有重大影响。鸡肉肠道中最丰富的门是结实的，其次是细菌和蛋白质细菌。双歧杆菌属。在第42天接受1％微藻和益生菌的Ani-Mals中发现，这表明该属从补充微藻中受益。得出的结论是益生菌和c。Quelgaris有可能提高性能，而不会引起免疫力和盲肠微生物群的重大变化。
关于讲座与小册子对适当伤口护理的知识和实践的影响的比较研究
野生动植物监测是生物多样性保护和生态研究的关键组成部分。有效的野生动植物检测系统有助于追踪动物种群，研究其行为并保护其栖息地。传统方法，例如手动观察和摄像机陷阱，通常需要大量的时间和人为努力，并且它们的准确性可能受到环境因素的限制。人工智能的最新进步，尤其是深度学习，通过实现自动化和精确的野生动植物检测来彻底改变了该领域。深度学习算法，例如卷积神经网络（CNN），可以处理大量数据，以识别和对野生动植物物种的准确性显着地进行分类。这项技术为野生动植物监测提供了可扩展，高效和实时的解决方案，提供了宝贵的见解，以支持人类与野生动植物之间的保护工作和可持续共存。