(电邮:twinson@mtr.com.hk、+852-2688 1337) 4 香港数据科学研究所 / 香港城市大学数据科学学院,香港九龙达之路(电邮:yuyang@cityu.edu.hk、Joe.Qin@cityu.edu.hk、qingpeng.zhang@cityu.edu.hk、lishuai.li@cityu.edu.hk) 5 香港城市大学建筑及土木工程系,香港九龙达之路(电邮:paullam@cityu.edu.hk) 背景 香港是世界上人口最密集的城市之一。为满足市民的出行需求,铁路每天的服务时间很长,导致维护时间很短。为了进一步提高铁路的安全性和可靠性,重要的是实施有效的方法分析铁路事故,探索事故之间的相关性,并对铁路系统中高风险设备和区域发出警报,以实现对铁路轨道系统的新型预测性维护。近年来,数据驱动方法迅速渗透到制造业、金融业、交通运输业、网络安全和医疗保健等各个行业领域。因此,在本研究中,我们旨在通过建立人工智能(AI)模型,利用广泛的铁路数据,例如铁路事故报告、维护记录、实时状况数据和在线信息,这些数据对于深入了解导致铁路轨道事故的不同关联程度的相关因素很有价值。在人工智能模型构建方面,将原始数据转化为结构化知识至关重要,这样人工智能技术才能有效地处理数据并使用数据进行预测。许多信息提取技术用于将原始数据转换为结构化数据。例如,正则表达式(Regex)通常用于提取特定的关键字;可以应用插值方法来处理原始数据中的缺失值;四分位距(IQR)用于去除原始数据中可能误导下游数据分析任务的异常值;复杂的无监督学习方法,如主成分分析(PCA)(Pearson,1901)和K均值(Lloyd,1982;MacQueen,1967),用于提取信息特征。
摘要简介糖尿病(DM)是一种主要的非传染病,患病率越来越高。未诊断的DM并不少见,可能导致严重的并发症和死亡率。在较早的疾病阶段识别高风险个体,即糖尿病前(前DM)对于延迟进展至关重要。现有的风险模型主要依赖于不可修道的因素仅预测DM风险,而很少有人适用于中国人。本研究旨在开发和验证风险预测功能,该功能纳入了可修改的生活方式因素,以检测中国成年人在初级保健中的DM和PER-DM。方法和分析使用香港人口健康调查(PHS)2014/2015和12个月的前瞻性研究来开发DM/PER-DM风险预测函数,以验证DM/PEREDM患者的发现功能。将从PHS 2014/2015中提取1857名没有自我报告的DM/Pre-DM的中国成年人的数据,以使用逻辑回归和机器学习方法开发DM/PER-DM风险模型。1014名中国成年人将从香港的公共和私人初级保健诊所招募,其中没有DM/PER-DM的已知历史。他们将在招募中填写有关口服葡萄糖耐量测试(OGTT)和血红蛋白A1C(HBA1C)的相关危险因素和血液测试的问卷,如果第一次血液检查为阴性,则为12个月。在任何血液检查中,OGTT或HBA1C定义的阳性病例是DM/ PER-DM。研究结果将在同行评审期刊中提交出版。将计算接收器操作特征曲线,灵敏度,特异性,预测值和模型的负预测值在检测DM/PER-DM中。伦理和传播伦理批准已从香港/香港医院管理局香港西部集群(UW19-831)和香港医院库洛恩中央/九龙东部集群(KC/KE)-21-0042/er-3)获得了香港/香港医院管理局。
a 苏州大学能源与材料创新研究院,江苏省先进碳材料与可穿戴能源技术重点实验室,苏州大学能源学院功能纳米与软材料研究所,苏州 215006,中国 b 麻省理工学院媒体实验室,马萨诸塞州剑桥 02139,美国 c 苏州大学江苏省先进负碳技术重点实验室,苏州 215123,中国 d 中国科学院纳米科学卓越创新中心,北京市微纳能源与传感重点实验室,中国科学院北京纳米能源与纳米系统研究所,北京 100083,中国 e 佐治亚理工学院材料科学与工程学院,佐治亚州亚特兰大 30318,美国 f 香港理工大学智能可穿戴系统研究所,香港九龙红磡 999077,中国
1加利福尼亚大学伯克利分校电气工程和计算机科学系,加利福尼亚州94720,美国2韩国科学技术学院,大韩民国大加共和国34141韩国科学技术研究所3号,34141年3月3日,北卡罗来纳大学,北湾北部大学,北部大学,北部的北部大学,北卡罗来纳大学,北卡罗来纳大学, 48513, Republic of Korea 5 Center for Theoretical Physics of Complex Systems, Institute for Basic Science, Daejeon 34126, Republic of Korea 6 Department of Physics, Pohang University of Science and Technology, Pohang 37673, Republic of Korea 7 Department of Material Sciences and Engineering, Korea Advanced Institute of Science and Technology, Daejeon 34141, Republic of Korea 8 Department of Electrical and Computer Engineering, Seoul National韩国共和国98826大学,韩国高级科学技术学院机械工程系,大韩民国大师34141(日期:2025年1月6日)1加利福尼亚大学伯克利分校电气工程和计算机科学系,加利福尼亚州94720,美国2韩国科学技术学院,大韩民国大加共和国34141韩国科学技术研究所3号,34141年3月3日,北卡罗来纳大学,北湾北部大学,北部大学,北部的北部大学,北卡罗来纳大学,北卡罗来纳大学, 48513, Republic of Korea 5 Center for Theoretical Physics of Complex Systems, Institute for Basic Science, Daejeon 34126, Republic of Korea 6 Department of Physics, Pohang University of Science and Technology, Pohang 37673, Republic of Korea 7 Department of Material Sciences and Engineering, Korea Advanced Institute of Science and Technology, Daejeon 34141, Republic of Korea 8 Department of Electrical and Computer Engineering, Seoul National韩国共和国98826大学,韩国高级科学技术学院机械工程系,大韩民国大师34141(日期:2025年1月6日)
1 刘:上海交通大学安泰经济与管理学院,中国(电子邮件:jialuliu@sjtu.edu.cn);裴:上海财经大学商学院,中国(电子邮件:siqipei@mail.shufe.edu.cn);张:香港中文大学商学院决策科学与管理经济学系,香港九龙,中国(电子邮件:zhang@cuhk.edu.hk)。 *裴为通讯作者。 2 资金来源:J. Liu 感谢国家自然科学基金 [批准号 72402127]、上海市浦江计划 [批准号 23PJC059] 以及上海市教育发展基金会和上海市教育委员会的晨光计划 [批准号 23CGA10] 的资助。S. Pei 感谢国家自然科学基金 [批准号 72302139] 的资助。 X. (M.) Zhang 感谢香港研究资助局的资金支持 [Grants GRF 14500521、GRF 14501320、GRF 165052947 和 TRS:T31-604/18-N]。
a 可感知城市实验室,未来城市交通 IRG,新加坡-麻省理工学院研究与技术联盟,1 Create Way,#09-02 Create Tower,新加坡 138062。b 香港理工大学土地测量及地理信息学系,中国香港。c 香港理工大学土地及空间研究所,中国香港。d 复杂性科学中心,Josefst¨adter strasse 39 1080 Vienna,奥地利。e 系统科学系,高性能计算研究所,科学技术研究局(A*Star),1 Fusionopolis Way,#16-16 Connexis,新加坡 138632。f 香港大学城市规划与设计系,中国香港。g 可感知城市实验室,麻省理工学院城市研究与规划系,美国 MA 剑桥 02139。 h Istituto di Informatica e Telematica del CNR,56124 比萨,意大利。
1 巴西圣保罗大都会联合大学运动生理学实验室系,2 巴西圣保罗圣犹大塔德乌大学转化生理学实验室系,3 巴西圣保罗大学力量训练神经肌肉适应实验室,4 巴西阿拉戈斯马塞约阿拉戈斯联邦大学体育与运动学院应用体育科学实验室,5 巴西圣保罗联邦大学巴西 Cochrane 中心循证健康系,6 巴西圣保罗大学艺术、科学与人文学院体育活动与衰老实验室,7 香港浸会大学健康与运动科学研究中心,中国香港九龙塘,8 圣埃斯皮里图联邦大学体育与运动中心实验生理学与生物化学实验室,巴西维多利亚
a 湖南大学土木工程学院,国家建筑安全与环境国际联合研究中心,长沙 410082,中国 b 代尔夫特理工大学建筑与建筑环境学院,Julianalaan 134, 2628 BL,代尔夫特,荷兰 c 康考迪亚大学建筑、土木与环境工程系能源与环境组,蒙特利尔,加拿大 d 广州大学土木工程学院,广州,中国 e 香港理工大学建筑环境与能源工程系,九龙,香港,中国 f 广州大学广东省建筑节能与应用技术重点实验室,广州,中国 g 香港科技大学(广州)功能枢纽可持续能源与环境重点项目,南沙,511400,广东,中国 h 香港科技大学机械与航空航天工程系,香港特别行政区清水湾,中国 i 香港科技大学深港协同创新研究院,深圳,中国
1国家主要微观结构和介观物理学的主要实验室,纳米纳米科学科学中心,北京大学北京大学北京大学的物理学和物理学院2,中华人民共和国2北京人,北京人,北京人国家实验室国家实验室,凝结物理学和涉及中国杂草的体育学院,涉及中国杂期,米哈吉,纽约市。中国科学院,北京100049,中华人民共和国4号相关事项中心,物理学学院,智格大学,编号866,hangzhou 310058,吉安省Yuhangtang Road,中华人民共和国5号物理学系,香港科学与技术系,库洛恩999077,库洛恩999077,香港6跨学科的量子量量量子量;北京北京大学100871,中华人民共和国7北京三角洲大学光电研究所,江苏226010,中国人民共和国
1 福州大学-晋江联合微电子研究院,福州大学锦江科教园区,晋江 362200。2 香港城市大学物理系,香港九龙塘 999077。3 中国科学院西安光学精密机械研究所,瞬态光学与光子学国家重点实验室,西安 710119。4 中国科学院大学,北京 100049。5 泉芯科技,西安 710311。6 福州大学齐山校区微电子科学与技术系,福州 350108。 7 浙江省光场操控重点实验室,浙江科技学院物理系,杭州 310018,中国 *通讯作者:SH Wang,电子邮件:shwang@fzu.edu.cn;ST Chu,电子邮件:saitchu@cityu.edu.hk 本文件包括:第 1 节:热动力学模型 第 2 节:具有非线性 TO 和克尔效应的热动力学 THG 模型 第 3 节:微腔中 THG 的热自稳定性 第 4 节:THG 中的线性和非线性 TO 相位失配 第 5 节:通过 THG 确定性地产生非热模式 第 6 节:确定线性和非线性 TO 系数比 τ p