XiaoMi-AI文件搜索系统
World File Search SystemLever
利用深度学习的力量来克服......
摘要。海上运输在全球贸易中发挥着关键作用，但它面临着腐蚀带来的挑战，腐蚀会使船舶的金属表面退化，从而导致潜在的安全隐患和财务负担。传统的腐蚀检测方法（如目视检查）效率低、耗时且往往主观。本文提出了一种基于深度学习的解决方案，利用卷积神经网络 (CNN) 来检测和评估船舶表面的腐蚀。我们提出的解决方案不仅可以自动化检测过程，还可以提高准确性，确保及早发现和有效管理腐蚀。通过严格的实验，该模型表现出很高的准确性，大大改善了海运业的腐蚀检测过程。
利用数字双技术进行端到端供应链优化和缓解全球物流的干扰
全球物流格局正在经历前所未有的转型，这是由技术进步和供应链网络复杂性提高的驱动的。Digital Twin Technology是一种革命性的供应链管理方法，为优化和减轻干扰提供了全面的解决方案。这项全面的综述研究了数字双技术通过系统分析现有文献，实施框架和案例研究来革新全球物流的变革潜力。我们的调查表明，数字双胞胎实施可以将运营成本降低30-40％，将供应链中断时间减少高达60％，并通过先进的预测建模来提高整体供应链的弹性。该研究综合了来自多个领域的证据，证明了数字双胞胎解决当代供应链管理中关键挑战的能力。通过探索新兴趋势，实施机制和关键挑战，本综述为数字双技术的机会和局限性提供了平衡的观点。调查结果表明，尽管数字双胞胎具有有希望的供应链优化解决方案，但成功实施需要仔细考虑技术基础架构，数据集成策略和组织能力。
利用LLM进行ICD编码和不确定性估计
1简介1 1。1问题配方2 1。2研究问题3 2相关工作5 2。1 ICD编码的先前方法5 2。 1。 1传统的机器学习方法5 2。 1。 2深度学习方法6 2。 1。 3个大语言模型（LLMS）6 2。 2利用ICD代码层次结构进行距离计算8 2。 3在模型训练中解决非差异损失功能9 2。 4不确定性10 3方法13 3。 这项工作中使用的1个LLM 13 3。 2数据集16 3。 3数据处理16 3。 3。 1临床笔记处理16 3。 3。 2 ICD- 10代码处理17 3。 3。 3数据拆分17 3。 4 T 5-基本编码的模型17 3。 5使用t 5中的任务前缀进行ICD编码18 3。 6将ICD-10代码层次结构纳入培训过程18 3。 6。 1定义基于距离的损耗函数18 3。 6。 2克服解码模型输出的挑战23 3。 7用于ICD编码的微调T 5 24 3。 8评估指标24 3。 8。 1总距离（TD）24 3。 8。 2 ICD第2章（IIC）25 3。 8。 3无关的ICD块（IIB）25 3。 8。 4无关的ICD第三级（IIT）25 3。 9模型不确定性估计25 3。 10实验设置27 4结果29 4。 1数据分析结果29 4。 2。1 ICD编码的先前方法5 2。1。1传统的机器学习方法5 2。1。2深度学习方法6 2。1。3个大语言模型（LLMS）6 2。2利用ICD代码层次结构进行距离计算8 2。3在模型训练中解决非差异损失功能9 2。4不确定性10 3方法13 3。这项工作中使用的1个LLM 13 3。2数据集16 3。3数据处理16 3。3。1临床笔记处理16 3。3。2 ICD- 10代码处理17 3。3。3数据拆分17 3。4 T 5-基本编码的模型17 3。 5使用t 5中的任务前缀进行ICD编码18 3。 6将ICD-10代码层次结构纳入培训过程18 3。 6。 1定义基于距离的损耗函数18 3。 6。 2克服解码模型输出的挑战23 3。 7用于ICD编码的微调T 5 24 3。 8评估指标24 3。 8。 1总距离（TD）24 3。 8。 2 ICD第2章（IIC）25 3。 8。 3无关的ICD块（IIB）25 3。 8。 4无关的ICD第三级（IIT）25 3。 9模型不确定性估计25 3。 10实验设置27 4结果29 4。 1数据分析结果29 4。 2。4 T 5-基本编码的模型17 3。5使用t 5中的任务前缀进行ICD编码18 3。6将ICD-10代码层次结构纳入培训过程18 3。6。1定义基于距离的损耗函数18 3。6。2克服解码模型输出的挑战23 3。7用于ICD编码的微调T 5 24 3。8评估指标24 3。8。1总距离（TD）24 3。8。2 ICD第2章（IIC）25 3。 8。 3无关的ICD块（IIB）25 3。 8。 4无关的ICD第三级（IIT）25 3。 9模型不确定性估计25 3。 10实验设置27 4结果29 4。 1数据分析结果29 4。 2。2 ICD第2章（IIC）25 3。8。3无关的ICD块（IIB）25 3。8。4无关的ICD第三级（IIT）25 3。9模型不确定性估计25 3。10实验设置27 4结果29 4。1数据分析结果29 4。2。2实验结果30 4。1 LLM和ICD编码的输入长度的比较31 4。2。2比较ICD编码的不同块策略32
利用本地产能发展聚光太阳能发电
不同国家之间、同一国家内不同地区获取各种可再生能源的途径也大不相同。利用这些能源的技术各有优缺点，其价值主张也大体不同。在太阳直接辐射充足的地区，聚光太阳能热能 (CST) 1 具有特别引人注目的价值主张，因为 (1) 它可以轻松高效地与热能存储 (TES) 集成，适用于各种运行温度；(2) 除发电外，它在各种应用中也具有多功能性，包括工艺热生产和各种热化学过程；(3) 它具有高温操作的潜力，有利于推动化学反应和产生太阳能燃料；(4) 它几乎不依赖关键、危险或对环境有害的材料；(5) 各国可以凭借中等技术专长和工业能力实现大量本地化。
利用太空技术用于农业发展和粮食安全
根据本许可的条款，只要适当地引用了这项工作，就可以复制，重新分布和适应非商业目的。在任何使用这项工作时，都不建议联合国或粮农组织认可任何特定的组织，产品或服务。不允许使用联合国标志或粮农组织徽标。如果对工作进行了调整，则必须根据相同或同等的创意共享许可获得许可。如果创建了这项工作的翻译，则必须包括以下免责声明以及所需的引用：“这种翻译不是由联合国或联合国食品和农业组织（FAO）创建的。联合国或粮农组织对此翻译的内容或准确性不承担任何责任。原始英语版应为权威版。”
制定2型糖尿病进展的数学模型：利用纵向数据
以下17 USC 105，也可以根据CC0许可使用。预印本（未通过同行评审认证）是作者/资助者。本文是美国政府的工作。不受此版本的版权持有人的版权，该版本于2025年2月27日发布。 https://doi.org/10.1101/2025.02.24.639807 doi：Biorxiv Preprint
利用及时工程来增强金融市场完整性和风险管理
本文对迅速工程在优化大型语言模型（LLM）（如Chatgpt-4和Google Gemini在金融市场完整性和风险管理中的有效性）方面的作用进行了全面调查。随着AI工具的越来越多地集成到金融服务中，包括信用风险分析，市场风险评估和财务建模，及时工程对于改善AI生成的产出的相关性，准确性和上下文一致性至关重要。本研究评估了各种及时配置对增强财务决策的影响。通过一系列实验，本文比较了Chatgpt-4和Google Gemini（版本1.5和2.0）的性能，以生成可行的见解，以进行信用和市场风险分析。结果表明，Chatgpt-4在产生准确的财务见解方面优于Google Gemini超过30％。此外，发现ChatGpt-4版本4在风险分析任务中比版本3的效率高20％，尤其是在与监管框架和财务数据保持一致时。这些改进突出了迅速工程在增强财务模型的精确度中的重要作用。此外，该研究还通过优化的及时策略探讨了错误率的降低。尤其是，在评估复杂的财务查询时，及时工程会将错误率降低约20％。
利用人工智能进行自动测试和软件开发中的质量保证
ML模型，例如决策树，支持向量机（SVM）和神经网络，分析了各种指标，包括代码复杂性，提交历史记录和开发人员活动，以预测易缺陷的模块。例如，在先前的错误报告上训练的模型可以识别与缺陷相关的模式，例如高环境复杂性或对特定文件的频繁修改[25]。通过在开发周期的早期提供可行的见解，这些模型可以帮助团队优先考虑测试工作并有效地分配资源。大型企业项目中的一个案例研究证明了缺陷预测模型的影响。实施对历史缺陷数据训练的随机森林分类器，将未发现的关键错误的数量减少了40％，并将整体测试时间减少了25％[26]。同样，使用基于SVM的模型的软件组织报告了缺陷检测准确性30％，从而更快地识别和解决高风险问题[27]。
利用生成式人工智能进行智慧城市和物联网数据收集
现代城市的快速城市化需要创新的数据收集和集成方法，以实现更智能的城市管理。物联网 (IoT) 是这些进步的核心，高效收集、分析和利用数据的能力变得至关重要。生成人工智能 (AI) 通过在互联系统中实现智能合成、异常检测和实时决策，彻底改变了数据收集方式。本文探讨了生成人工智能如何增强智能城市中物联网驱动的数据收集，重点关注交通、能源、公共安全和环境监测方面的应用。通过解决数据隐私、可扩展性和道德考虑等挑战，该研究强调了生成人工智能如何改变城市治理并为可持续和以公民为中心的发展铺平道路。本文讨论了主要趋势、案例研究和未来研究方向，展示了生成人工智能作为智能城市计划基石的潜力。
使用纵向医疗记录利用预处理的大语言模型用于2型糖尿病的预后
1计算健康中心，计算生物学研究所，德国慕尼黑，慕尼黑2 Bio21药理学分子科学与生物技术研究所，墨尔本大学，澳大利亚墨尔本大学 +相应的作者：Reinhard.holl@uni-ulm.de＆Michael.menden@unimelb.edu.au摘要摘要2型糖尿病（T2D）的及时预后（T2D）是至关重要的。AI驱动的大语言模型（LLMS）提供了提取临床见解的潜力，但由于纵向医疗记录的稀疏，高维的性质，面临挑战。这项研究表明，通过使用掩模缺失的数据预处理数据，在预审预告片的LLM中添加嵌入层，并对两个组件进行微调。使用DPV注册表数据集（449,185 T2D患者）在预测HBA1C和LDL水平方面的表现优于基本基线，分别提高了0.749和0.754的Pearson相关性，分别提高了0.253和0.259和0.259。该模型还证明了HBA1C在554.3天内的长期预测（95％CI：[547.0，561.5]），MSE比基于近距离观察的方法提高了9％。综合梯度分析确定了重要的临床特征和访问，揭示了潜在的生物标志物进行早期干预。各种深度学习体系结构，包括前馈神经网络，总体而言，结果表明，使用稀疏的医疗时间序列利用LLM在T2D预后的预测能力的可能性，有助于临床预后和生物标志物发现，最终提高精密医学。引言2型糖尿病（T2D）是一种慢性代谢性疾病，可导致血糖升高1升高，与微血管疾病，包括心血管疾病，神经性病，肾病和视网膜病有关，与微血管疾病，包括心血管疾病和大血管并发症有关，导致了显着的疾病疾病和死亡率和死亡率2。T2D的全球流行率上升强调了对有效管理策略的迫切需求。T2D并发症的早期预后对于及时干预，改善患者预后和降低医疗保健费用至关重要。纵向医疗记录是在T2D中推进精密医学的重要资源。这些记录在时间3期间提供了全面的患者数据，包括人口统计学，病史，测试结果，药物和生活方式因素，使其对早期预后非常宝贵。诸如Framingham心脏研究和DCCT之类的研究表明，此类数据在预测心血管风险4和糖尿病并发症5。这些数据集可以识别模式，以实现更准确和个性化的预后评估，但它们的大量和复杂性构成了重大的分析挑战。机器和深度学习通过对复杂的纵向医学数据的分析来彻底改变了医学预后。