XiaoMi-AI文件搜索系统
World File Search System预测性
肿瘤组织切片体外处理作为评估肾癌患者靶向治疗的预测性临床前方法
1 格勒诺布尔阿尔卑斯大学、法国国家健康与医学研究院、CEA、IRIG-癌症和感染生物学、UMR_S 1036、F-38000 格勒诺布尔、法国； caroline.roelants@inovarion.com （CR）; qfranquet@chu-grenoble.fr（QF）; csarrazin1@chu-grenoble.fr （客户服务） nicolas.peilleron@gmail.com （NP）; sofiagiacosa@gmail.com（新加坡）; laurent.guyon@cea.fr （LG）; claude.cochet@cea.fr (CC) 2 Inovarion, 75005 巴黎，法国 3 格勒诺布尔阿尔卑斯大学，INSERM，CEA，IRIG-大规模生物学，UMR 1038，F-38000 格勒诺布尔，法国； catherine.pillet@cea.fr 4 格勒诺布尔阿尔卑斯大学医院，CS 10217，38043 格勒诺布尔 CEDEX 9，法国； lafontanell@chu-grenoble.fr（AF）; g.fiard@ucl.ac.uk （GF）; JALong@chu-grenoble.fr（J.-AL）; jldescotes@chu-grenoble.fr (J.-LD) * 通信地址：odile.filhol-cochet@cea.fr;电话：+ 33-(0)4-38785645；传真：+ 33-(0)4-38785058
经济非线性模型预测性控制造船区供暖网络：扩展版本
摘要 - 在本文中，我们提出了一种用于地区供暖网络（DHNS）的经济非线性模型预测控制（MPC）算法。所提出的方法具有生产者，多个生产者和存储系统，这是第四代DHN的重要组成部分。这些网络通过它们优化其运营的能力，旨在降低供应温度，适应分布式的热源以及利用热含量和存储提供的灵活性，这对于实现化石燃料燃料的能源供应至关重要。开发一个智能能源管理系统来实现这些目标，需要高度复杂的非线性系统和能够处理大规模优化问题的详细模型。为了解决这个问题，我们引入了一个基于图的优化模型，该模型有效地集成了分布式生产者，生产者，存储缓冲区和双向管流，以便可以在实时MPC设置中进行影响。此外，我们进行了几个数值实验，以评估闭环中提出的算法的性能。我们的发现表明，MPC方法比传统的基于规则的控制器获得了多达9％的成本提高，同时更好地维护系统限制。
将季节性气候可预测性的投影变化与ENSO振幅联系起来
摘要：最近的研究表明，在整个历史记录中，潜在的可预测性和实际预测技能主要是由于自然际变异性。在这项研究中，我们探讨了未来是否预计将来可能会变化的潜在可预测性，这是对人为气候变化的独特反应。我们估计了厄尔尼诺现象的潜在预测 - 南部振荡（ENSO）以及全球表面温度，降水和大气上的循环循环异常，从1921年到2100年，在完美的模型框架内，使用五个辅助模型大型组合模型。我们发现，历史和预测的ENSO振幅变化通过ENSO驱动的季节性预测的信噪比的变化在气候可预测性中产生了全球规模的变化，Niño-3.4标准偏差的变化为10％，导致全球平均预测能力14％的标准偏差在12个月的全球平均能力上的变化14％。这种关系表明，在未来几十年中，全球大部分地区的潜在可预测性变化可能与ENSO的人为气候变化有关。然而，由于当前模型在预计的ENSO变化的符号和强度上大大不同意，因此无法确定未来全球预方法变化的轨迹。通过在五个大型合奏中看到的可预测性变化广泛变化来证明，模型表现出强大的增加，稳健的减少或预测能力的显着变化，具体取决于它们各自的预测ENSO振幅趋势。我们的结果强调了对气候模型开发的需求，旨在更好地捕获过去强迫和强制性的ENSO变异性的变化，这是必要的（如果不舒服的话），以将投影变化限制为全球气候可预测性。
人类皮层的预测性声学
图1。实验范式的时间和条件。a）提出了三种类型的条件。前三个音调遵循引起强预测（可预测和错误预测）的序列（上升/降序），或者序列的顺序被扰乱，从而降低了最后一个音调的可预测性（无法预测）。第四调可以实现预测（可预测）或违反（错误预测），从而产生本地期望。上升或下降序列可能以低频或高频音调结束。在整个实验中，可预测的条件的频率比错误预测和不可预测的条件（60-20-20）更频繁地产生了全球期望，即可预测的条件更有可能。b）每个会话由6到8次组成。在每次运行中，以慢速事件相关的设计进行了36次试验，审判间隔为5至7 tr。条件顺序是随机的。
人工智能驱动的预测性维护 - ijrpr
人工智能 (AI) 的进步已经将世界上许多行业彻底改变了不同的创新形式 (Rashid 和 Kausik，2024)。在这种情况下，各行各业的物流凭借其变革潜力而成为一项关键优势 (Kern，2021)。因此，在人工智能的许多最流行和最可靠的应用中，预测性维护是一种主动方法，它影响机器学习算法、实时数据分析和预测分析，以在设备故障发生之前进行预先预测 (Çinar 等人，2020；Keleko 等人，2022)。从被动和预防性维护到预测性维护的转变通过减少停机时间来改革物流功能 (Carvalho 等人，2019a)。此外，它还增强了资源配置，降低了供应链网络的相关成本 (Molęda 等人，2023)。由于预测性维护提高了重要资产（例如运输车辆、存储系统和物料处理设备）的可靠性，因此它以效率和可持续性增强了最终供应链目标。
预测性，预防性，个性化和参与医学作为精度的模型
摘要： - 牙周疾病是影响牙齿支撑组织的慢性炎症性疾病，在成年人中最常见。传统的牙周护理方法通常依靠反应措施，解决症状而不是基本原因。预测性，预防性，个性化和参与性（P4）精度牙周护理的范式是通过医学建模的。本文探讨了P4原理预测工具（例如生物标志物，预防策略，个性化治疗计划和参与性患者参与）如何应对牙周健康挑战。人工智能和先进的诊断患者结局和成本效益护理的整合。关键字： - 精确医学，预测，预防性，个性化，参与式（P4）医学。
Bahrudin Hrnjica，Selver Softic。制造业中的可解释人工智能：预测性维护案例研究。IFIP 生产管理系统进步国际会议 (APMS)，2020 年 8 月，塞尔维亚诺维萨德。第 66-73 页，�10.1007/978-3-030-57997-5_8�。�hal-03635701�
预测性维护 (PdM) 可预测维护需求，以避免与计划外停机相关的成本。通过连接设备并监控设备生成的数据，我们可以识别导致潜在问题或故障的模式。这些见解可用于在问题发生之前解决问题。这种预测设备或资产何时需要维护的能力使我们能够优化设备寿命并最大限度地减少停机时间 [1]。可解释人工智能 (XAI) 的基本试金石是机器学习算法和其他人工智能系统，它们产生的结果人类可以轻松理解并追溯到起源 [2]。在本案例研究中，我们将考虑制造业中的维护领域。更准确地说，我们将通过将可解释的 AI 输出作为决策和预测的基础来处理 PdM。
CAIRS：用于数字心理健康的因果人工智能推荐系统 Mathew Varidel，博士 a；Victor An a，Ian B. Hickie a，医学博士，Sally Cripps b，c，博士，Roman Marchant b，c，博士，Jan Scott d，博士，Jacob J. Crouse a，博士，Adam Poulsen a，博士，Bridianne O'Dea e，博士，Frank Iorfino a，博士 a 悉尼大学大脑与思维中心，澳大利亚新南威尔士州。 b 悉尼科技大学人类技术研究所，澳大利亚新南威尔士州。 c 悉尼科技大学数学与物理科学学院，澳大利亚新南威尔士州悉尼。 d 纽卡斯尔大学神经科学研究所学术精神病学，英国纽卡斯尔。 e 弗林德斯大学心理健康与福祉研究所，弗林德斯大学，南澳大利亚阿德莱德，澳大利亚。 * 通讯作者：Mathew Varidel，5 楼，1 King Street，Newtown，新南威尔士州 2042，mathew.varidel@sydney.edu.au 摘要 数字心理健康工具有望增强和扩大有需要的人获得医疗服务的机会。一些工具向个人提供干预建议，通常使用简单的静态规则系统（例如，if-else 语句）或结合预测性人工智能。然而，干预建议需要基于对不同干预措施下未来结果的比较来做出决定，这需要考虑因果关系。在这里，我们开发了 CAIRS，这是一个因果人工智能推荐系统，它使用个人的当前表现和领域之间学习到的动态来提供个性化的干预建议，以识别和排名对未来结果影响最大的干预目标。我们的方法应用于从数字心理健康工具收集的两个时间点（从基线开始 1 周 - 6 个月）的多个心理健康和相关领域的纵向数据。在我们的例子中，心理困扰被发现是影响多个领域（例如个人功能、社会联系）的关键影响领域，因此在多个领域不健康的复杂情况下，心理困扰通常是首选目标。我们的方法广泛适用于因果关系很重要的推荐环境，并且该框架可以纳入实时应用程序中以增强数字心理健康工具。关键词：因果关系；人工智能；决策理论；幸福感；心理困扰；功能；睡眠；社会支持
CAIRS：用于数字心理健康的因果人工智能推荐系统 Mathew Varidel，博士 a；Victor An a，Ian B. Hickie a，医学博士，Sally Cripps b，c，博士，Roman Marchant b，c，博士，Jan Scott d，博士，Jacob J. Crouse a，博士，Adam Poulsen a，博士，Bridianne O'Dea e，博士，Frank Iorfino a，博士 a 悉尼大学大脑与思维中心，澳大利亚新南威尔士州。 b 悉尼科技大学人类技术研究所，澳大利亚新南威尔士州。 c 悉尼科技大学数学与物理科学学院，澳大利亚新南威尔士州悉尼。 d 纽卡斯尔大学神经科学研究所学术精神病学，英国纽卡斯尔。 e 弗林德斯大学心理健康与福祉研究所，弗林德斯大学，南澳大利亚阿德莱德，澳大利亚。 * 通讯作者：Mathew Varidel，5 楼，1 King Street，Newtown，新南威尔士州 2042，mathew.varidel@sydney.edu.au 摘要 数字心理健康工具有望增强和扩大有需要的人获得医疗服务的机会。一些工具向个人提供干预建议，通常使用简单的静态规则系统（例如，if-else 语句）或结合预测性人工智能。然而，干预建议需要基于对不同干预措施下未来结果的比较来做出决定，这需要考虑因果关系。在这里，我们开发了 CAIRS，这是一个因果人工智能推荐系统，它使用个人的当前表现和领域之间学习到的动态来提供个性化的干预建议，以识别和排名对未来结果影响最大的干预目标。我们的方法应用于从数字心理健康工具收集的两个时间点（从基线开始 1 周 - 6 个月）的多个心理健康和相关领域的纵向数据。在我们的例子中，心理困扰被发现是影响多个领域（例如个人功能、社会联系）的关键影响领域，因此在多个领域不健康的复杂情况下，心理困扰通常是首选目标。我们的方法广泛适用于因果关系很重要的推荐环境，并且该框架可以纳入实时应用程序中以增强数字心理健康工具。关键词：因果关系；人工智能；决策理论；幸福感；心理困扰；功能；睡眠；社会支持
人工智能模型的预测性能......
摘要 目的：过去几年，人工智能模型预测移植后健康并发症的有效性和能力一直存在争议。在这篇系统综述中，我们评估了不同的人工智能模型在预测心肺移植后健康结果方面的表现。材料和方法：我们研究了在线数据库。我们收集并分析了人工智能在心肺移植中的应用性能指标数据。此外，我们还进行了偏倚风险评估。结果：在我们收集的 122 项初步研究中，有 15 项被纳入分析。人工智能模型表现出很高的性能，其判别指标（例如受试者工作曲线下面积）范围从 0.620 到 0.921，并且对长期结果具有良好的校准性。随机森林和极端梯度增强模型优于其他模型，尤其是传统的线性模型。北美白人是主要的子样本，儿科人群被排除在分析之外。大多数研究表明总体偏倚风险较高，而对研究问题的适用性则显示风险较低。结论：监督机器学习模型在预测移植后健康结果方面表现良好。然而，必须考虑人工智能模型在移植中的应用的偏见和伦理问题，才能得出安全的结论。
Rossby波，热浪和空间复合极端事件的动力学，统计和可预测性
1。简介大气的低频可变性长期以来一直是动态气象社区中强烈投资的主题（Benzi等人。1986; Ghil 1987; Mo and Ghil 1987; Benzi and Speranza 1989; Tibaldi and Molteni 1990; Pelly and Hoskins 2003b，a）。 最近几十年来，人们对通过罗斯比波（Rossby Wave）介导的上层中部循环中的复杂相互作用以及表面极端事件（例如热浪）的兴趣越来越多，并具有歧管影响。 从半球到本地的多个尺度研究了这个主题，从过去的气候到未来的培训，以及许多应用，从数值天气预测（NWP）系统的可预测性到极端与天气相关的影响和风险评估。 热浪是高温的长时间发作，其持续时间从几天到几周，都需要不同的形成，发育和维护机械性。 在北半球，它们通常与高振幅上流层脊或阻塞反气旋有关。 这些通常嵌入到持久的大规模波模式中（White等人 2022），并且可以同时影响“同时热浪”，从而影响整个中间位置的几个区域（Kornhuber等人。 2020）。 这些是空间上复合极端事件的例子，这可以通过多个位置同时发生的危害导致极端的社会经济影响（CFR。 Zscheischler等。 2020）。 见图 尽管这种并发热浪的频率越来越高（Rogers等人1986; Ghil 1987; Mo and Ghil 1987; Benzi and Speranza 1989; Tibaldi and Molteni 1990; Pelly and Hoskins 2003b，a）。最近几十年来，人们对通过罗斯比波（Rossby Wave）介导的上层中部循环中的复杂相互作用以及表面极端事件（例如热浪）的兴趣越来越多，并具有歧管影响。从半球到本地的多个尺度研究了这个主题，从过去的气候到未来的培训，以及许多应用，从数值天气预测（NWP）系统的可预测性到极端与天气相关的影响和风险评估。热浪是高温的长时间发作，其持续时间从几天到几周，都需要不同的形成，发育和维护机械性。在北半球，它们通常与高振幅上流层脊或阻塞反气旋有关。这些通常嵌入到持久的大规模波模式中（White等人2022），并且可以同时影响“同时热浪”，从而影响整个中间位置的几个区域（Kornhuber等人。2020）。这些是空间上复合极端事件的例子，这可以通过多个位置同时发生的危害导致极端的社会经济影响（CFR。Zscheischler等。2020）。见图尽管这种并发热浪的频率越来越高（Rogers等人1，以2023年7月的并发热波的rossby波电势涡度和温度异常之间的关联。2022; Messori等。