XiaoMi-AI文件搜索系统
World File Search SystemBaye
通过AI和战场数字双胞胎增强军事行动：整合贝叶斯优化，遗传算法和强化学习
本文提出了一种使用先进技术（例如贝叶斯优化（BO），遗传算法（GA）和加固学习（RL）等先进技术来优化军事行动的综合方法。该研究重点关注三个关键领域：防御行动中的单位处置，消防支持计划和下属单位的任务计划。对于单位处置，BO用于优化基于战场指标的营的位置，汤普森采样采集功能和周期内核可实现卓越的结果。在消防支持计划中，GA用于最大程度地减少威胁水平和发射时间，以有限的资源下解决资源受限的项目调度问题（RCPSP）。最后，开发了用于任务计划的RL模型，结合了多代理增强学习（MARL），图形注意网络（GAT）和分层增强学习（HRL）。RL模型通过模拟战场场景来展示其在产生战术操作方面的有效性。这种方法使军事决策者能够增强复杂环境中运营的适应性和效率。结果强调了这些优化技术支持军事指挥和控制系统在实现战术优势方面的潜力。
协会 / 联盟 邮政编码 城市 街道 德国联邦国防军预备役司令协会 37085 哥廷根 Friedländer Weg 54 巴伐利亚预备役、士兵和传统协会协会 (ARST) 80937 慕尼黑 德国联邦国防军医学院，1/N 号楼 巴伐利亚同志和士兵协会 e.V. (BKV) 95703 Plößberg Eugen-Roth-Straße 3 巴伐利亚士兵协会 1874e.V. （BSB 1874） 80937 慕尼黑德国武装部队医学院，1/N 号楼德国武装部队预备役协会志愿预备役工作咨询委员会 e.V. 53177 波恩 Zeppelinstraße 7 A
协会 / 联盟 邮政编码 城市 街道 德国联邦国防军预备役司令协会 37085 哥廷根 Friedländer Weg 54 巴伐利亚预备役、士兵和传统协会协会 (ARST) 80937 慕尼黑 德国联邦国防军医学院，1/N 号楼 巴伐利亚同志和士兵协会 e.V.(BKV) 95703 Plößberg Eugen-Roth-Straße 3 巴伐利亚士兵联盟 1874e.V.(BSB 1874) 80937 德国武装部队慕尼黑医学院，1/N 号楼德国武装部队预备役协会志愿预备役工作咨询委员会53177 波恩齐柏林大街 7 号
基于贝叶斯优化的Informer锂离子储能电站电压异常预测方法
1 新疆大学可再生能源发电与并网教育部工程研究中心，乌鲁木齐 830049，新疆，中华人民共和国。2 新疆电力有限公司电力科学研究院，乌鲁木齐 830049，新疆，中华人民共和国。通讯作者：吴嘉辉 (wjh229@xju.edu.cn)。摘要：随着储能电站领域的蓬勃发展，电池系统状态和故障的预测受到广泛关注。电压作为各类电池故障的主要指示参数，准确预测电压异常对确保电池系统的安全运行至关重要。本研究采用基于 Informer 的预测方法，利用贝叶斯优化算法对神经网络模型的超参数进行微调，从而提高储能电池电压异常预测的准确性。该方法以1分钟为采样间隔，采用一步预测，训练集占总数据的70%，将预测结果的均方根误差、均方误差和平均绝对误差分别降低至9.18mV、0.0831mV和6.708mV。还分析了实际电网运行数据在不同采样间隔和数据训练集比例下对预测结果的影响，从而得到一个兼顾效率和准确性的数据集。所提出的基于贝叶斯优化的方法可以实现更准确的电压异常预测。
ddml：双/辩护机器学习
描述变量选择方法已被广泛开发用于分析频繁主义者和贝叶斯框架中的高级幻象数据。此软件包可以通过沿贝叶斯分层模型的线进行开发的尖峰和单位分位数（组）套索的实现，但通过使用预期 - 示数（EM）algorithm的频繁定期化方法深深地植根于频繁的正规化方法。与其非稳定替代方案（同样在包装中也实现）相比，Spike and-Slab tile lasso可以根据偏斜性和异常值来处理数据不规则性。此外，还以对高维纵向数据的分位数/最小平方不同的系数混合效应模型的形式进行了拟合尖峰和slab分位数套索及其非舒适对应的程序。此软件包的核心模块是在“ C ++”中开发的。
具有隐式先验的生成贝叶斯建模
•选择要生成的数据集•从先前的𝑝（𝜃 𝜃）中•从可能性𝑝（𝑦𝑦（𝑗）中示例̃𝑦（𝜃𝑗）•示例•示例𝑆draws traks traks（𝜃，𝑠，𝑠，𝑠，𝑠） 𝕀[𝑓（𝜃（𝑗，𝑠））<𝑓（𝜃（𝑗））]•如果一切都正确，则等级的分布将均匀分布
使用幼稚的贝叶斯算法预测航空公司飞行延迟的机器学习方法
航空业在全球运输中起着至关重要的作用，促进经济增长和革命性旅行。但是，航班延误已经成为一个日益严重的关注点，影响了航空公司和乘客。本研究旨在研究用于飞行延迟预测的幼稚贝叶斯算法。目的是使用幼稚的贝叶斯算法开发可靠的飞行延迟预测模型并评估其性能。使用美国运输部（DOT）的飞行延迟和取消数据的数据集用于预测。本研究修改了高斯幼稚贝叶斯的参数调整，以识别专门为该飞行延迟数据集构建模型的最佳值。参数调整高斯幼稚的贝叶斯模型的性能与另外两种众所周知的算法是K-Neartiment Neighbors（KNN）和支持向量机（SVM）。还对KNN和SVM算法进行了培训和测试，以完成航班延迟的二元分类，以实现基准测试。通过比较准确性，特异性和ROC AUC分数的值来实现算法的评估。比较分析表明，高斯幼稚的贝叶斯的表现最佳，精度为93％，而KNN的性能最差，而ROC AUC得分为63％。
消息传递基于贝叶斯的贝叶斯对推车系统的控制
摘要。我们描述了一个贝叶斯控制器的贝叶斯控制器，这是控制理论中众所周知的基准。卡车孔系统的特征是其非线性和不足的性质，我们通过（1）假设控制器缺乏传感器噪声方差的知识，并且（2）在控制信号上施加界限。传统的控制算法通常难以适应不确定性和约束。然而，贝叶斯框架，尤其是专用推理框架，可以顺利地适应这些复杂性。在拟议的控制器中，整个计算过程由在线贝叶斯推理组成。通过工具箱简化了此过程，以在因子图中快速传递基于消息传递的推断。我们描述了在因子图中传递消息的机制，解决了诸如非线性因素，有限控制和实时参数跟踪之类的挑战。本文的主要目的是证明，随着主动推理框架的发展和自动推理工具箱的效率，贝叶斯控制成为应用程序工程师的吸引人选择。
成为贝叶斯人在在线保形预测中的重要性
1一个示例是分类，其中得分函数通常是每个候选标签的SoftMax得分（r = 1）。它是积极的定向：较大意味着模型更确定候选标签是真实的标签。对于回归，更常见的是使用负面的分数函数，这意味着等式中的不平等。（1）被逆转。2这个扩展的摘要着重于边缘CP。更一般地，CP算法可以预测R t（X t，α）。
预测糖尿病患者的朴素贝叶斯算法与梯度提升算法的比较
据估计，随着人口老龄化，糖尿病发病率将从19.9%增加到65-79岁的1.112亿人，预计到2030年糖尿病患者将继续增加到5.78亿人，到2045年将增加到7亿人。机器学习是人工智能的一种，旨在理解或识别数据结构并将数据转换为模型。机器学习在健康领域的应用正在迅速增长，越来越多的健康研究人员在研究中使用机器学习算法。一些机器学习算法可以用来做预测，其中之一就是预测糖尿病的分类算法。根据所用几种算法的比较结果，朴素贝叶斯和梯度提升分类算法具有其他算法的最佳值。梯度提升算法在线性样本上取得了较高的效果，准确率为77.09%，f值达到83.39%。朴素贝叶斯对随机样本测试的结果最优，准确率为 76.57%，f 度量值为 82.82%。分层样本测试结果中准确率最高的是梯度提升算法，准确率为77.34%，f值达到83.39%。
使用贝叶斯PBPK建模方法重新审视病毒性脑炎的阿西洛韦剂量
莱顿大学，尼德兰莱顿2。 丹麦奥尔堡市奥尔堡大学医院传染病系3. 丹麦奥尔堡大学阿尔堡大学临床医学系通讯作者：Tingjie Guo（t.guo@lacdr.leidenuniv.nl）摘要Acyclovir是中枢神经系统（CNS）感染的主要治疗方法。 然而，遵循当前的给药指南，患者的结局仍然是最佳死亡率和高死亡率和发病率。 鉴于缺乏替代疗法，需要迫切需要优化阿昔洛韦的给药，尤其是因为1980年代开发了初始方案，而CNS中有不完全的药代动力学数据。 这项研究旨在使用针对病毒性脑炎的全部贝叶斯药代动力学（PBPK）模型评估当前和替代的acyclovir剂量方案。 我们开发了CNS PBPK模型，以模拟血浆，脑外流体（ECF）和蛛网膜下腔空间（SAS）中的Acyclovir浓度。 使用两个药代动力学靶标，50％f t> 50和c min> 50评估药物疗效，安全阈值在等离子体中为25 mg/l。 标准给药方案（10 mg/kg TID）基于50％F t> IC 50目标，在血浆，脑外流体（ECF）和亚蛛网膜下腔空间（SAS）隔室中产生了足够的acyclovir暴露。 但是，它不始终如一地符合C min> IC 50目标，表明在根据此标准进行评估时，这些隔室中潜在的次优势。莱顿大学，尼德兰莱顿2。丹麦奥尔堡市奥尔堡大学医院传染病系3.丹麦奥尔堡大学阿尔堡大学临床医学系通讯作者：Tingjie Guo（t.guo@lacdr.leidenuniv.nl）摘要Acyclovir是中枢神经系统（CNS）感染的主要治疗方法。 然而，遵循当前的给药指南，患者的结局仍然是最佳死亡率和高死亡率和发病率。 鉴于缺乏替代疗法，需要迫切需要优化阿昔洛韦的给药，尤其是因为1980年代开发了初始方案，而CNS中有不完全的药代动力学数据。 这项研究旨在使用针对病毒性脑炎的全部贝叶斯药代动力学（PBPK）模型评估当前和替代的acyclovir剂量方案。 我们开发了CNS PBPK模型，以模拟血浆，脑外流体（ECF）和蛛网膜下腔空间（SAS）中的Acyclovir浓度。 使用两个药代动力学靶标，50％f t> 50和c min> 50评估药物疗效，安全阈值在等离子体中为25 mg/l。 标准给药方案（10 mg/kg TID）基于50％F t> IC 50目标，在血浆，脑外流体（ECF）和亚蛛网膜下腔空间（SAS）隔室中产生了足够的acyclovir暴露。 但是，它不始终如一地符合C min> IC 50目标，表明在根据此标准进行评估时，这些隔室中潜在的次优势。丹麦奥尔堡大学阿尔堡大学临床医学系通讯作者：Tingjie Guo（t.guo@lacdr.leidenuniv.nl）摘要Acyclovir是中枢神经系统（CNS）感染的主要治疗方法。然而，遵循当前的给药指南，患者的结局仍然是最佳死亡率和高死亡率和发病率。鉴于缺乏替代疗法，需要迫切需要优化阿昔洛韦的给药，尤其是因为1980年代开发了初始方案，而CNS中有不完全的药代动力学数据。这项研究旨在使用针对病毒性脑炎的全部贝叶斯药代动力学（PBPK）模型评估当前和替代的acyclovir剂量方案。我们开发了CNS PBPK模型，以模拟血浆，脑外流体（ECF）和蛛网膜下腔空间（SAS）中的Acyclovir浓度。使用两个药代动力学靶标，50％f t> 50和c min> 50评估药物疗效，安全阈值在等离子体中为25 mg/l。标准给药方案（10 mg/kg TID）基于50％F t> IC 50目标，在血浆，脑外流体（ECF）和亚蛛网膜下腔空间（SAS）隔室中产生了足够的acyclovir暴露。但是，它不始终如一地符合C min> IC 50目标，表明在根据此标准进行评估时，这些隔室中潜在的次优势。值得注意的是，与血浆相比，通常在脑ECF和SAS中观察到较高的靶标（PTA）。将给药频率提高到QID可以提高目标的实现，但超过了20 mg/kg的毒性阈值。我们的发现表明，与其他经过测试过的替代剂量方案相比，使用10 mg/kg或15 mg/kg QID的给药方案可能会提供更有效，更安全的方法来管理CNS感染。关键词：阿西洛韦，病毒脑炎，贝叶斯PBPK建模，单纯疱疹病毒，水疗鞘烷病毒，中枢神经系统药代动力学，给药方案优化。