XiaoMi-AI文件搜索系统
World File Search System预测算法
物联网解决方案帮助糖尿病足患者
摘要 物联网 (IoT) 应用在糖尿病足预防和治疗中的应用引起了越来越多的研究兴趣。研究人员正在积极制定策略，以创建能够对糖尿病足患者进行早期和个性化干预的应用程序。此外，人们越来越关注利用这些技术来提高患者监测的有效性。本文系统地介绍了物联网在糖尿病足预防和治疗中的应用研究。该图谱确定了 22 项相关研究，提出了各种方法，包括用于远程监控的智能鞋、智能鞋垫和智能袜子。这些研究还探讨了集成云计算、预测算法和机器学习来存储和分析收集到的数据的物联网策略。本文讨论了为糖尿病患者开发物联网应用所面临的挑战，强调了与应用程序架构、解决方案范围、所使用的技术和数据集成相关的问题。
RAMSIS - 数字人体建模，用于优化作战人员的安全性和生存能力
3D 数字人体建模 (DHM) 工具 RAMSIS 用于优化军用车辆系统的产品开发。DHM 在产品开发中的应用已经存在多年。军用车辆开发的 DHM 不仅需要车辆乘员的表示，还需要装备的表示和此类装备对作战人员的影响的模拟。为了真实地模拟军用车辆中的乘员，无论是陆基还是空基，装备都必须成为扩展人体模型的一个组成部分。仅仅将 CAD 几何图形附加到一个人体模型元素上是不够的。装备尺寸需要根据人体测量学进行扩展，需要根据解剖学考虑对关节活动性的影响。这些方面必须集成到姿势预测算法中，以生成客观、可靠和可重复的结果，帮助设计工程师制造更好的产品。这些产品对作战人员来说是安全、舒适和合适的。
人工智能改善儿童健康：社区案例研究
印度的医疗保健系统缺乏满足该国医疗保健需求的基础设施。医生和护士的可用性分别比世卫组织的建议低 30% 和 50%，导致医疗保健需求与支持医疗保健的基础设施之间严重失衡。除其他问题外，印度仍在努力应对营养不良等挑战，38% 的五岁以下儿童体重不足。尽管面临这些挑战，但技术进步、手机普及和患者意识的提高为人工智能提供了巨大的机会，通过更好地利用有限的资源，实现高效的医疗保健服务。Saathealth 移动应用程序以有趣的视频系列、游戏化问答之旅和有针对性的通知的形式，为中低收入的幼儿父母提供互动式儿童健康、营养和发展内容。该应用程序根据动态数据和预测算法迭代地改进用户旅程，从而实现从被动护理到主动护理的转变。一年来，Saathealth 用户已注册超过 500,000 次会话和超过 2 亿秒的应用内互动时间，与医疗资源匮乏社区的其他数字健康干预措施的互动相比，其表现更为出色。我们利用来自 45,000 名用户的宝贵应用分析数据和见解，构建了可扩展的预测模型，并针对特定用例进行了验证。使用异构数据的随机森林模型，我们可以 93% 的准确率预测用户流失。通过预测用户在移动应用上的生命周期，我们得到了初步见解，RMSE 为 25.09 天，R2 值为 0.91，反映了密切相关的预测。这些预测算法让我们能够通过优化的优惠和全渠道推送来激励用户，以提高用户对内容的参与度以及其他有针对性的线上和线下行为。这些算法还通过增强个性化体验并将有限的医疗资源导向最抗拒数字化干预的人群，从而优化了我们干预的有效性。这些算法和类似的人工智能算法将使我们能够延长和深化与医疗消费者的终身关系，使他们中的更多人成为有效、主动的参与者，改善儿童的健康、营养和早期认知发展。
金融市场中的机器学习应用-CSE IITB
有效的市场假设（EMH）断言金融市场是“信息有效的”，或者，交易资产的价格（例如股票，债券或财产）已经反映了所有已知信息，并立即改变以反映新信息。因此，根据理论，除了运气外，不可能使用市场已经知道的任何信息来始终如一地胜过市场。EMH中的信息或新闻定义为可能影响当前不可知的价格，因此将来会随机出现。股票市场预测带来了证明金融市场是否可以预测的挑战，因为在有效市场假设（EMH）的有效性方面尚无共识。tiv> s TOCK市场预测一直是金融，工程和数学领域的重要问题。作为大量资本通过股票市场进行交易，股市被视为高峰投资渠道。研究人员一直致力于证明金融市场的可预测性。此后，股票市场预测一直对研究人员有一定的吸引力。尽管已经进行了许多科学尝试，但尚未发现任何方法可以准确预测股票价格转移。即使缺乏一致的预测方法，也取得了一些轻微的成功。自动回应和移动平均水平是一些著名的股票趋势预测技术，这些技术占据了几个时间序列预测。在数据挖掘的帮助下，还开发了使用归纳学习进行预测的几种方法，例如K-Neartiment邻居和神经网络。但是，他们的主要弱点是他们严重依赖结构数据，在这种数据中，他们忽略了不可量化信息（例如新闻文章）的影响。随着更快的计算机和互联网上大量信息的出现，战略投资者或公众更容易获得股票市场。来自季度报告或破坏新闻报道的信息可能会极大地影响担保的股价。由于互联网提供了对股票市场产生重大影响的事件信息的主要来源，因此提取和使用信息来支持决策的技术已成为一项关键任务。为了准确预测股票市场，许多学者和行业的研究人员都提出了各种预测算法和模型。在本文中，将引入预测算法和模型的最新发展，并将其性能进行比较。此外，为了准确的股票市场预测，我们研究了各种全球事件及其在预测股票市场方面的问题
基于人工智能的自动化主动准备实时系统，用于准确预测 COVID-19 感染——性能评估
COVID-19 是一种传染病，已感染全球超过 5 亿人。由于病毒的迅速传播，各国面临着应对感染增长的挑战。特别是，医疗保健组织在有效配置医务人员、设备、病床和隔离中心方面面临困难。机器和深度学习模型已用于预测感染，但模型的选择对于数据分析师来说具有挑战性。本文提出了一种自动化的人工智能主动准备实时系统，该系统根据感染演变的时间分布选择学习模型。所提出的系统集成了一种确定合适学习模型的新方法，无需人工干预即可产生准确的预测算法。对我们提出的方法和最先进的方法进行了数值实验和比较分析。结果表明，与最先进的方法相比，所提出的系统预测感染的平均绝对百分比误差 (MAPE) 平均降低了 72.1%，均方根误差 (RMSE) 平均降低了 65.2%。
使用基于代理的建模和危险识别分析数据驱动的预测性飞机维护的新挑战
摘要：机载传感器监控和数据驱动算法的使用日益增多，刺激了最近飞机向数据驱动预测性维护的转变。本文讨论了数据驱动的预测性飞机维护面临的新挑战。我们通过与维护专家小组进行的结构化头脑风暴，确定了将数据驱动技术引入飞机维护所带来的新危害。这种头脑风暴得益于将飞机维护过程预先建模为基于代理的模型。结果，我们确定了 20 种与数据驱动的预测性飞机维护相关的危害。我们在 2008 年至 2013 年期间发生的与维护相关的飞机事故中验证了这些危害。根据我们的研究结果，确定的数据驱动预测性维护面临的主要挑战是：(i) 提高状态监测系统和诊断/预测算法的可靠性，(ii) 确保代理之间及时准确的沟通，以及 (iii) 建立利益相关者对新数据驱动技术的信任。
无阻塞性冠状动脉疾病患者的炎症风险和心血管事件：ORFAN 多中心纵向队列研究
摘要背景冠状动脉计算机断层扫描血管造影 (CCTA) 是胸痛的一线检查，可用于指导血运重建。然而，CCTA 的广泛应用发现，一大群没有阻塞性冠状动脉疾病 (CAD) 的个体的预后和治疗不明确。使用血管周围脂肪衰减指数 (FAI) 评分通过 CCTA 测量冠状动脉炎症，可以预测心血管风险并指导无阻塞性 CAD 个体的管理。牛津风险因素和非侵入性成像 (ORFAN) 研究旨在评估英国国家医疗服务体系 (NHS) 中作为常规临床护理一部分接受 CCTA 的患者的风险状况和事件发生率；检验冠状动脉炎症导致有或无 CAD 患者的心脏死亡或主要不良心脏事件 (MACE) 的假设；并在英国人群中外部验证先前训练过的人工智能 (AI)-风险预测算法和相关 AI-风险分类系统的性能。
动物和食品科学作物...
课程单元目录1。序列分析 - 了解DNA序列，序列相似性，身份和同源性的基本概念，数据库搜索：BLAST，FASTA，FASTA和其他序列分析工具分配同源性。底漆设计，PCR和Sanger序列分析。2。转录组分析 - RNA-seq数据分析中的概念：数据预处理和数据处理步骤：映射算法，例如BWA和BOWTIE2；使用RNA-seq数据，统计方法，各种平台的相对优点进行差异基因表达分析。下游验证的底漆设计。从RNA-seq数据中测量基因，lncRNA，siRNA。3。微生物组分析-16S rRNA数据分析，基于比对的聚类/系统发育树，基于组成的聚类。基于数据库，主组件分析和其他聚类工具的注释。4。SNP分析 - 靶基因或整个基因组，基因预测算法，变体的鉴定 - SNP/SNV的鉴定。基因组广泛关联研究背后的概念。介绍各种
已发表版本的引用（APA）：Ponnaganti, P., Bak-Jensen, B., Wæhrens, B.V., & Asmussen, J. (2021)。使用 Energies 进行能源套利评估
摘要：随着绿色能源的应用日益广泛，有效处理这些能源的波动性也越来越重要，以确保经济和运营可行性。因此，这项工作的主要贡献是使用遗传算法评估日前电力市场中集成存储系统的风力发电场的收入潜力。这是通过储能系统 (ESS) 灵活充电放电的概念实现的，利用使用基于前馈神经网络的预测算法预测的广泛电价。此外，风力发电场必须遵循的电网规范所规定的无功功率限制也被视为制约因素之一。此外，将电池储能系统 (BESS) 获得的利润与热能存储系统 (TESS) 获得的利润进行了比较。与 TESS 相比，所提出的方法在日前电力市场中利用 BESS 进行能源套利时获得了更有利可图的结果。此外，风力发电场的 ESS 可用性减少了风力发电的削减。
博士课程课程单元英语面额...
课程单元目录1。序列分析 - 了解DNA序列，序列相似性，身份和同源性的基本概念，数据库搜索：BLAST，FASTA，FASTA和其他序列分析工具分配同源性。底漆设计，PCR和Sanger序列分析。2。转录组分析 - RNA-seq数据分析中的概念：数据预处理和数据处理步骤：映射算法，例如BWA和BOWTIE2；使用RNA-seq数据，统计方法，各种平台的相对优点进行差异基因表达分析。下游验证的底漆设计。从RNA-seq数据中测量基因，lncRNA，siRNA。3。微生物组分析-16S rRNA数据分析，基于比对的聚类/系统发育树，基于组成的聚类。基于数据库，主组件分析和其他聚类工具的注释。4。SNP分析 - 靶基因或整个基因组，基因预测算法，变体的鉴定 - SNP/SNV的鉴定。基因组广泛关联研究背后的概念。介绍各种