XiaoMi-AI文件搜索系统
World File Search SystemARIMA
COVID-19，针对严重的Covid-19的疫苗有效性，需要氧气治疗，侵入性机械通气和日本死亡：多中心病例对照研究（动机研究）
Takeshi Arashiro A，B，C，D， *，Maki Miwa E，Hidenori Nakagawa F，Junpei Takamatsu G，Kunihiro oba H，Satoshi Fujimi，Hitoshi Kikikuchi kikikuchi J，Takamasa iwasawa iwasawa kkan kan kan kan kan kan kan kan kan kan kan kan kan kan O，Takanori Asakura P，Takahiro Asami Q，Keiko Mizuno R，Manabu Sugita R，Torahiko Jinta S， Yusuke Nishida t , Hideaki Kato u , Kazuaki Atagi v , Taiki Hiro Nakano w , Takeya Tsutsumi x , Kent Doi y , Shu Okugawa x , Akihiro Ueda z , Akira Nakamura aa , Toru Yoshida ab , Kaoru Shimada-Sammori ac , Keiki Shimizu ac , Yasuo Fujita ad , Yasumi Okochi ae , Kentaro Tochitani af , Asuka Nakanishi ag , Hiroshi Rinka ah , daisuke taniyama ai，asase yamaguchi i，toshio uchikura aj，maiko matsunaga ak，hiromi aono al，masanari hamaguchi o，kentaro motoda am，kentaro motoda am，sohei nakayama p. ，Shigeki Fujitani AB，Maki Tsukahara A，Saki Takeda A，Ashley Stucky A，Tadaki Suzuki B， Chris Smith c, d, Martin Hibberd c, Koya Ariyoshi d, Yuji Fujino ao, ap, Yuzo Arima a, 1, Shinhiro Takeda m, ao, aq, 1, Satoru Hashimoto ao, aq, 1, Motoi Suzuki a, 1
年度研究静修会
姓名（名）姓名（姓）电台海报标题 Lauryn Adair 1 转运蛋白配体抑制斑马鱼 Dravet 综合征模型中的兴奋过度和代谢缺陷 Sarah Asby 2 癌症患者免疫检查点抑制剂介导的肾毒性新型检测方法的开发 Stephanie Bersie 3 吞噬细胞内坏死和凋亡颗粒细胞尸体的差异处理 Daniel Breiner 4 血红素改变铜绿假单胞菌烷基喹诺酮的产生 Robert Canfield 5 纳米颗粒递送核酸以诱导膀胱癌中的 1 型干扰素反应 Nai-Chia Chen 6 范围时间与 1 型糖尿病患者视网膜病变风险的关系 Sophia Clune 7 CHD1L 抑制剂 OTI-1100 的有效合成和衍生物作为新型癌症治疗药物 Bella Coenen 8 基于代谢组学鉴定以蓝莓为第一食物的婴儿血清和尿液中的蓝莓化合物 Mouna Dardouri 9 科罗拉多州在 2019 年至 2021 年 COVID-19 大流行期间处方药使用情况的变化：使用 ARIMA 模型进行中断时间序列分析 Baharak Davari 10 西罗莫司代谢物及其降解产物的免疫抑制活性 Anna Figueroa 11 神经元兴奋性过高的体外模型中的生物能量改变和氧化还原控制 Hanmant Gaikwad 12 用菁脂质对肿瘤进行体内涂抹：结构-活性关系 Paola Garcia Gonzalez 13 氧化应激导致 GFAP 和波形蛋白表达增加 Shilpa George 14 用于眼部药物的噬菌体样颗粒递送：等离子体波导共振光谱和使用体外和离体角膜模型的评估 Matthew Gibb 15 肺部炎症和病理在甲醛和氯化苦毒性模型中依赖于肥大细胞
定量分析和工业二氧化碳的预测...
摘要：为了响应越来越多的气候关注，精确的工业二氧化碳（CO2）排放预测至关重要。采用先进的机器学习（ML）技术，本研究着重于使用来自数据数据集中的全球数据（包含有关水泥，煤炭，燃料，燃烧，天然气和石油工业的年度排放信息）的全球数据的预测工业二氧化碳排放。探索了包括支持向量回归（SVR），线性回归和XGBoost在内的各种回归模型，主要重点是时间序列预测年度CO2排放的模型。利用时间序列的预测，排放数据中复杂的时间趋势是有发现的，提供了增强的预测性见解。CO2预测文献进行了审查，收集和预处理数据，并实施了各种ML算法，然后进行了超参数调整。经过严格训练和评估的模型产生准确的排放预测。结果强调了由斯坦福大学与Facebook Inc.开发的Transformer模型和神经先知图书馆的出色表现，RMSE得分为416.58和470.30，与349.07和380.40相比，MAE的MAPE得分为0.01，MAPE得分均为0.01，相对较低。DEEPTCN还表现出竞争性的预测能力，但缺乏变压器模型和神经先知模型的准确性。与神经先知和变形金刚相比，包括Arima，Naive预测，自动回归（AR），指数平滑和Sarima滞后的传统模型。这些发现强调了ML在推进可持续的环境管理方面的有希望的作用，并为随后的研究努力铺平了道路。关键字：二氧化碳排放，工业排放，可持续性，环境AI，机器学习，时间序列预测。
微生物 - li -omicslab
摘要：澳门，被公认为是全球旅游枢纽，是世界上人口稠密的地区，为有利于耐甲氧西林的金黄色葡萄球菌（MRSA）在医疗保健和社区环境中传播提供了一个独特的环境，在本地和全球范围内提出了重要的公共卫生问题。MRSA在澳门不同的城市中的流行病学和分子特征在很大程度上没有核定。这项为期五年的纵向研究（2017-2022）检查了MRSA在澳门MRSA的局部流行率和分子型，未来的MRSA类型分布通过ARIMA建模预测。随后，我们分析了MRSA的流行病学特征，包括标本来源，临床部门，收集年份，季节，患者年龄，性别和年度游客人数。还评估了菌株的全面抗生素耐药性谱。通过头孢辛蛋白盘扩散法鉴定为MRSA，并通过多层次序列键入（MLST）验证。MRSA检测率显示出向上的趋势，从2017年的30.1％增加到2022年的45.7％。SCCMEC IV型主要是（28.9％），其次是II型（25.4％），III（22.1％）和V（22.1％）。MRSA分离株的主要来源是痰（39.2％）和分泌物（25.6％）。年龄较大，作为MRSA感染的危险因素，而没有发现与季节性差异，性别或年度游客人数的显着关联。尽管表现出对头孢辛蛋白，奥沙西林和苯甲酰霉素的普遍耐药性，但澳门MRSA分离株仍然对万古霉素，tigecycline，tigecycline，quinupristin，nitrofurantoin和lineZolidzolid仍然完全敏感。对MACAU中MRSA分布的持续监视和分析可以为有效地管理MRSA预防和控制措施提供宝贵的见解。
引用为：Vasenska，I。P.（2024）。深度机器学习对旅游时间序列预测的经济影响，Ekonomicko-Manazerske Spektrum，1
收到：2024年3月10日；以修订的形式收到：2024年5月19日；接受：2024年6月6日；在线提供：2024年6月30日摘要：研究背景：准确地预测入站旅游的流动一直对参与该行业的所有各方构成重大挑战。旅游产品的复杂性质，直接和间接地受到各种风险，灾难和危机的影响，进一步凸显了其对破坏和波动的敏感性。因此，使用当代数据科学方法和人工神经网络（ANN）方法对预测入站旅游流的兴趣越来越大。因此，本文试图通过采用深度机器学习（DML）方法来探索AI预测技术，并比较jupyter笔记本计算环境中的时间序列预测的各种Python库。在2002年至2023年期间，国内和国际旅游的数据保留在保加利亚注册，已利用多个Python图书馆来构建先进的深层神经网络。本文的目的：当前论文的目的是确定哪种时间序列预测模型 - 指数平滑，TBAT，Auto Arima，Theta或LSTM具有更好的准确性估算，并可以通过研究和实践经济目的在未来使用类似的任务来应用于类似的任务。方法：应用方法基于经典科学方法。关于主要发现，他们可以帮助您进行日常运营计划，管理和搬迁微观和宏观水平的旅游资源，以及对与分析和新颖性有关的研究领域的缺点和局限性的见解。发现和值添加：此外，获得的结果重申，可以将ANN应用于准确的预测，尤其是在保加利亚的情况下，在保加利亚的情况下，与旅游业相关的学者，企业和政策制定者尚未应用此类模型。
智能电网能源统计与预测
智能电网中电力的供需缺口导致了能源预测和能源管理系统的引入。能源预测是智能电网系统规划和管理的关键参与者[1]。智能电网中的数据是借助高级计量基础设施（AMI）收集的，它可以测量双向电力流。数据分析应用程序使用这些数据进行预测。这些预测应用程序可用于发电调度、可再生能源发电厂的发电预测以及需求侧管理。在智能电网管理中，各种统计和机器学习预测方法已用于预测电力需求和发电量[2,3]。时间序列发电量和电力需求已使用统计预测方法来预测，包括自回归移动平均线（ARMA）、自回归积分移动平均线（ARIMA）和向量自回归（VAR）[4]。由于智能电网技术的最新进展，统计预测方法无法处理大量发电和需求数据。统计方法不能用于复杂和非线性的数据点[5]。随着机器学习和人工智能预测方法的进步，现在可以进行准确而精确的预测。非线性时间序列数据使用循环神经网络 (RNN) 和长短期记忆 (LSTM) 预测方法进行预测[6]。可再生能源融入智能电网引发了不确定性问题以及能源消费模式的变化。这些不确定性问题可以通过概率方法解决，因为与点预测相比，它们会生成预测区间[7-9]。通过将多种预测方法组合成一种称为混合预测方法的单一方法，可以提高预测精度[10]。多种预测方法的集成使混合模型更加复杂。因此，需要在预测结果和预测精度之间进行权衡。
可再生能源：欧盟电动汽车份额增加背景下的经济和能源影响
摘要：可再生能源在减少各种形式的污染方面发挥着重要作用。欧盟的政策制定者越来越重视用电动汽车取代内燃机汽车，以减少排放。本研究的目的是分析到 2028 年可再生能源生产和使用的当前趋势，并估计用电动汽车取代现有内燃机汽车的影响。本研究的意义在于，根据对 2028 年绿色能源的预测，估计用电动汽车取代现有汽车所需的电量，以及是否可以从绿色能源中满足这些电量。此外，我们还在本研究中计算了燃料消费税的降低对欧盟成员国公共预算的影响，这是燃料消费量减少的结果。这项研究是基于大量有关该主题的文献和欧盟统计局的数据进行的。本研究使用的数据为 1990 年至 2021 年。在本研究中，我们使用了 IBM SPSS 应用程序和两种最常用的预测算法：指数平滑模型和自回归积分移动平均线 (ARIMA)，这些算法基于对历史数据的统计分析。估计结果表明，替代传统燃料将导致电力能源增加 12.18%，如果需要，甚至在 2028 年之前，绿色能源就可以 100% 覆盖电力能源。这项研究对政策制定者和民众有许多影响。结果表明，我们仍然需要政策来刺激可再生能源发电。由于燃料消费税，政府收入减少是一个挑战，可以通过更新税收政策来弥补，这将对人口和生活水平产生影响。此外，维护和调整电动汽车支持计划以及扩大电动汽车基础设施和智能电网也是政策制定者和行业需要解决的挑战。
技术论文摘要 - 车辆显示器
2.2 物联网智能显示技术 周良、张玲玲、周久斌、刘金娥、秦峰，上海天马微电子股份有限公司，上海，中国 2.3 集成多屏驱动器的显示模块 周良、姚璐、张玲玲、周久斌、杜万春、刘金娥、秦峰，天马微电子集团，上海，中国 2.4 自由曲面和曲面显示器的高精度光学贴合 Eugen Bilcai，汉高集团，美国密歇根州麦迪逊高地 2.5 汽车外饰显示器的数字化造型和安全性 Johnathan Weiser、Richard Nguyen、Kimberly Peiler，欧司朗光电半导体公司，美国密歇根州诺维 Ulrich Kizak，欧司朗光电半导体公司，德国雷根斯堡 2.6 传感应用中高质量 SNR 的新方法 Gerald Morrison，SigmaSense，美国德克萨斯州奥斯汀 第三场：平视显示器 联合主席： Ross Maunders，FCA US LLC，美国密歇根州奥本山 Dan Cashen，大陆汽车集团，美国密歇根州奥本山 3.1 用于平视显示器应用的漫射微透镜阵列 Naoki Hanashima、Mitsuo Arima、Yutaka Nakazawa，迪睿合株式会社，日本宫城县多贺城市 Kazuyuki Shibuya，迪睿合株式会社，日本宫城县登米市 Jingting Wu，迪睿合美国公司；美国加利福尼亚州圣何塞 3.2 人类对平视显示器重影的感知研究 Steve Pankratz、William Diepholz、John Vanderlofske，3M 公司，美国明尼苏达州圣保罗 3.3 使用自由曲面光学元件的 3D AR HUD 计算全息显示器 Hakan Urey，CY Vision，美国加利福尼亚州圣何塞
经济增长与旅游业之间的联系：新冠疫情的影响 Oleksii LYULYOV 苏梅国立大学，乌克兰苏梅，alex_lyulev@econ.sumdu.edu.ua
Aleksy KWILINSKI 伦敦科学与商学院，伦敦，英国 a.kwilinski@london-asb.co.uk Tetyana VASYLIEVA 苏梅国立大学，苏梅，乌克兰，tavasilyeva@fem.sumdu.edu.ua Nataliya DALEVSKA 国际合作发展研究所，波兹南，波兰，dalevskanm@gmail.com Jan POLCYN Stanisław Staszic 皮拉应用技术大学，皮拉，波兰，Jan.Polcyn@puss.pila.pl Viktoriia BOIKO 赫尔松国立农业与经济大学，赫尔松，乌克兰，boiko.vo17@gmail.com 摘要 本文探讨了旅游业与经济增长之间的关系。研究从理论上证明，现代旅游业是一个广泛活跃的行业，对经济发展影响很大，但受到 COVID-19 危机的影响。本文旨在分析旅游业的变化，以预测在隔离限制的背景下旅游活动的恢复。为了实现目标，作者使用了外推模型 ARIMA。对象是 2020 年 1 月 13 日至 5 月 9 日波兰、爱沙尼亚、拉脱维亚、立陶宛、匈牙利和捷克的 Apple 用户的路线规划请求。预测是在以下几种条件下进行的：1) 自 2020 年 3 月 11 日起不实施检疫限制；2) 考虑到检疫对行动的限制。研究结果表明，在经济、社会和政治紧张的情况下，采取的检疫措施对于克服旅游业的衰退具有重要影响。因此，旅游业复苏略有积极趋势。结果为未来研究人员制定克服旅游业衰退的战略提供了背景。关键词：COVID-19、国内旅游、经济增长、大流行、旅游。介绍全球化进程以及政治、经济、科学和文化交流的扩大是旅游业发展的主要诱因。反过来，旅游活动可以让人们更好地了解几乎任何国家的历史文化遗产，了解不同国家的风俗习惯，扩大他们的世界观。因此，旅游可以给大多数人带来休息、快乐和新印象。
问答：Minitab 与 AI
问：Minitab 在其产品中使用 AI（人工智能）吗？答：Minitab 在我们的解决方案中使用可靠且经过验证的技术，如反应机器（即基于规则的 AI）、专家系统和机器学习。我们的所有方法都经过严格测试，因此不受“AI 幻觉”的影响。与其他利用第三方 AI 库的公司不同，Minitab 开发并支持自己的 AI。问：Minitab 如何使用基于规则的 AI（即反应机器 AI）？答：反应机器（或基于规则的 AI）是基于预定义规则运行的基本规则系统。反应机器的一个例子是 Minitab 的专有图形生成器，它使用户能够通过拖放界面自动可视化数据。此外，我们的自动能力分析会自动选择适当的数据分布以执行适当的能力分析。重要的是，所有这些规则都是由 Minitab 的受过统计学培训的专家设置的，以确保可靠的结果。问：Minitab 如何使用专家系统？答：专家系统是模仿特定领域人类专家决策能力的计算机系统。专家系统的一个例子是 Minitab 统计软件的助手菜单。助手菜单不仅指导用户完成不同的分析，还提供对结果的解释和后续步骤的建议。助手菜单的所有步骤和反馈均由 Minitab 的专家设计，以确保流程和建议值得信赖。问：Minitab 如何使用机器学习？答：机器学习使计算机能够从数据中学习并做出决策或预测，而无需明确编程。许多 Minitab 用户今天都在不知不觉中使用机器学习！例如，回归是一种用于预测连续值的监督机器学习技术。Minitab 还提供使用基于树的机器学习技术的更高级的预测分析。问：Minitab 是否使用不同 AI 技术的组合？答：组合 AI 技术的两个例子是自动选择最佳预测模型的命令，例如我们的预测分析模块中的自动机器学习和我们时间序列库中的预测最佳 Arima 模型。它们都使用基于规则的人工智能和机器学习人工智能的组合。