XiaoMi-AI文件搜索系统
World File Search SystemMAPE
在自由运动环境和跑步机上行走和慢跑时五种可穿戴技术设备的步数可靠性和有效性
International Journal of Exercise Science 13(7): 410-426, 2020. 数以百万计的人使用可穿戴技术设备来记录日常步数，以促进健康的生活方式。然而，许多此类设备的准确性尚未确定。目的是确定 Samsung Gear 2、FitBit Surge、Polar A360、Garmin Vivosmart HR+ 和 Leaf Health Tracker 在自由运动和跑步机条件下步行和慢跑时的信度和效度。40 名志愿者完成了 5 分钟间隔的步行和慢跑自由运动和跑步机方案。这些设备以随机配置同时佩戴。两个手动步数计数器的平均值被用作标准测量。重测信度通过组内相关系数 (ICC) 确定。有效性通过结合 Pearson 相关系数、平均绝对百分比误差（MAPE：自由运动 ≤ 10.0%，跑步机 ≤ 5.00%）和 Bland-Altman 分析（设备偏差和一致性限度）来确定。显著性设置为 p < 0.05。Samsung Gear 2 被认为在慢跑条件下既可靠又有效，但在步行条件下则不然。Fitbit Surge 在除跑步机步行（被认为是可靠的，ICC = 0.76；但无效）之外的所有条件下都可靠且有效。Polar A360 在一种条件下（跑步机慢跑 ICC = 0.78）被发现是可靠的，但在任何条件下都无效。Garmin Vivosmart HR+ 和 Leaf Health Tracker 被发现既可靠又有效
NCUR 2024 会议纪要
论文评分和反馈是教育评估过程的基本组成部分。手动论文评估的最大挑战之一是它需要大量的时间和精力，这往往会导致不一致和延迟。此外，语言固有的复杂性和某些评分标准的主观性继续对一致性构成障碍。这项研究考察了三种先进的大型语言模型 (LLM) - Mistral-7B-Instruct、Llama-2-13b 和 Llama-2-13b-finetuned - 在论文评估自动化中的有效性。该研究根据六项基本熟练程度标准（包括衔接性、句法、词汇、措辞、语法和惯例）比较了这些模型在 Kaggle 的 1,500 篇议论文数据集上的表现。它采用四个统计指标进行评估：平均绝对误差 (MAE)、均方误差 (MSE)、均方根误差 (RMSE) 和平均绝对百分比误差 (MAPE)。研究结果显示，不同评估标准下的模型性能存在显著差异。Mistral-7B-Instruct 在大多数类别中的表现始终优于 Llama 模型。Llama-2-13B 微调模型在多个标准上都比其基础模型有显著改进，这表明微调基础模型可以用于论文评估等特定任务。研究结果对教育和技术领域都具有重要意义，因为他们可以利用这些进步来提高大规模论文评估的效率。未来的工作可以集中在通过微调更广泛的 Transformer 模型来扩大分析范围，以更好地了解各种架构如何影响自动论文评估的性能。
对塞拉利昂疟疾病例的预测模型的比较评估
疟疾仍然是一项重大的公共卫生挑战，需要准确的预分辨率模型，以告知塞拉利昂的有效干预策略。本研究比较了Holt-Winters的指数平滑，谐波和人工神经网络（ANN）模型的性能，该数据使用2018年1月至2023年12月的数据进行了比较，并结合了塞拉利昂健康管理信息系统（HMIS）的历史案例记录，以及包括湿度，沉淀和温度的气象学变量。ANN模型表现出卓越的性能，在包括气候变量之前达到了4.74％的平均绝对百分比误差（MAPE）。随着气候变量的包含，这将进一步降低至3.9％，它超过了传统模型，例如Holt-Winners and Harmonic，分别产生了22.53％和17.90％的MAPES。ANN的成功归因于其在数据中捕获复杂的，非线性关系的能力，当时与相关的气候变量增强时特别是。使用优化的ANN模型，我们预测了接下来24个月的疟疾病例，预测从2024年1月到2025年12月的稳定增加，季节性峰值。这项研究强调了在流行病学建模中的机器学习方法，特别是ANNS的潜力，并突出了将环境因素整合到疟疾预测模型中的重要性，推荐ANN模型，以告知更有针对性，有效的疟疾控制策略以改善Sierra Leone和Sirra和Sim-sim-erilra-cil-ial-cil-ial-ial-ial-ial-ial-ial-ial-ial-cor-ial-for。关键字
能源报告人工智能支持的元启发式优化......
将可再生能源整合到智能电网中为构建可持续和可靠的能源系统提供了一种有希望的解决方案。然而，优化混合可再生能源系统仍然是一个关键的研究领域。这项研究提出了一种综合方法，将人工智能算法技术与元启发式优化算法相结合，用于预测和管理智能电网环境中的可再生能源。提出的混合 LSTM-RL 模型的精确度、召回率和准确度分别为 0.92、0.93 和 0.92，在正确预测能源需求模式方面优于当前算法。RL-SA 算法对各种负载平衡措施的准确率为 0.91，可有效衡量负载平衡。 CNN-PSO 算法的均方误差 (MSE)、平均绝对误差 (MAE)、R 平方得分、均方根误差 (RMSE) 和平均绝对百分比误差 (MAPE) 分别为 345.12、15.07、0.78、18.57 和 7.83，在预测可再生能源发电方面也最为成功。这些发现有助于智能电网环境中的混合可再生能源系统的发展，实现有效、可靠和经济的能源生产和分配。建议的解决方案还有可能用于农村和离网环境。总体而言，这项研究提供了一种最大限度地提高可再生能源产量的有用方法，并为进一步研究能源管理系统提供了灵感。© 2023 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可 (http://creativecommons.org/licenses/by/4.0/) 开放获取的文章。
研究机器学习方法用于预测时间序列时的研究时，在戒严项目中做出管理决策viktor
摘要本文将强调现代世界中预测时间序列的重要性。该主题的相关性是基于组织和个人根据过去数据的分析来预测事件的条件。时间序列预测在IT项目的计划，风险管理和战略决策中起着至关重要的作用，使其成为现代分析和戒严管理的关键组成部分。还将详细讨论用于时间序列预测的机器学习方法的主题。将审查主要方法，包括指数平滑，Arima（自回旋的集成移动平均线）和一种混合方法，该方法结合了不同的方法以提高预测准确性。指数平滑是一种基于先前观察的加权平均值，是一种简单有效的方法。Arima反过来是一种经典的统计方法，将自动估计，集成和移动平均值与模型时间序列结合在一起。时间序列预测中的混合方法是两种或多种方法的组合，在这种情况下，包括一种改进的方法，具有依赖Mape的权重，从而使方法的权重根据其时间序列数据的性能而适应。文献综述涵盖了使用机器学习方法预测时间序列的相关科学作品。不同的方法，将讨论它们的优势和局限性，以提供对该领域现状的完整理解。使用实际数据和提出的方法，将进行预测。本文还将介绍时间序列预测方法的实际实施结果，包括指数平滑，Arima和混合方法。
使用优化和机器学习
摘要：准确的瞬时电力峰值负载预测对于有效的容量计划和具有成本效益的电力网络建立至关重要。本文旨在通过采用包含各种优化和机器学习（ML）方法的模型来提高瞬时峰值预测的准确性。本研究使用多线性回归（MLR）方程来研究独立输入对峰负荷估计的影响。这项研究利用1980年至2020年的输入数据，包括进出口数据，人口和国内生产总值（GDP），以预测瞬时电力峰值负载为输出值。根据误差指标，包括平均绝对误差（MAE），均方根误差（MSE），平均绝对百分比误差（MAPE），均方根误差（RMSE）和r 2评估这些技术的有效性。比较扩展到流行的优化方法，例如粒子群优化（PSO），以及该领域的最新方法，包括蒲公英优化器（DO）和淘金热优化器（GRO）。与常规机器学习方法进行了比较，例如支持向量回归（SVR）和人工神经网络（ANN），就其预测准确性而言。调查结果表明，ANN和GRO方法会产生最小的统计错误。此外，相关矩阵表明GDP与瞬时峰负载之间存在牢固的正线性相关性。所提出的模型显示出强大的预测能力来估计峰负荷，而ANN和GRO的表现与其他方法相比表现出色。
使用机器学习的股票市场预测
M.SC数据科学，计算机科学，孟买大学摘要股票市场预测一直是财务分析师和机器学习从业人员的重大兴趣和研究的主题。本摘要概述了股票市场预测领域中的关键方面和方法。金融市场的不可预测和动态性质为准确的预测带来了挑战。但是，机器学习技术的进步，大规模财务数据的可用性以及计算能力使计算促进了复杂预测模型的发展。在这项工作中，我们研究了各种机器学习算法的应用，包括回归，时间序列模型和支持向量机，以预测股票价格。该研究重点是数据预处理，功能工程和模型评估，以提高预测准确性。使用多样化的数据集评估指标，例如平方误差（MSE），均方根误差（RMSE）和平均绝对百分比误差（MAPE）来衡量模型性能。在承认金融市场的固有不确定性时，这项研究有助于就投资和金融中的数据驱动决策进行更广泛的对话。这项研究的结果提供了对股价预测中机器学习技术的优势和局限性的见解。关键字：机器学习1，线性回归2，投资策略3，金融市场4。1。其固有的波动性和复杂性促使人们追求准确的预测方法来破译其运动。引言股市作为一个动态而复杂的金融生态系统，引起了几代投资者，分析师和研究人员的关注。寻求有效的股票市场预测不仅是一项学术练习；它对财务决策，风险管理和对市场动态的广泛理解具有深远的影响。
一般地质和地质研究（域A）
一般地质和地质研究（域A）[注：以下给出的示例仅是描述性的，不是包含全包的项目列表] A-1。地球系统和过程A-1.1地球历史A-1.2地球系统（例如地球，水圈，大气层，生物圈）A-1.3地质周期和过程（例如，岩石类型，板块构造）A-1.4的水平周期和过程（例如，蒸发，蒸发，降水量，质量源）（E. GEORNES ACERES和CYC，E.平衡）A-1.7碳循环A-2。地质信息的来源A-2.1政府机构（例如USGS，USDA，NRCS，州地质调查）A-2.2科学文献（例如，经过同行评审的出版物，地质实地考察出版物，地质实地考察出版物，研究生论文）A-3。地质和地球物理工具，技术和解释A-3.1地下调查（例如，钻孔，岩石芯，土壤采样）A-3.2岩石和土壤日志记录以及描述A-3.3表面和井眼地球物理学（例如，地震反射/反射/反射，电阻，gpr，gpr，gpr，televiever，televiewer）。字段注释，文档和记录保存A-5。全局定位，坐标系统和基准A-5.1坐标系统和基准（例如类型和应用程序）A-5.2全局定位系统（GPS）A-5.3测量精度和精度A-6。比例尺和比例分析A-6.1量表类型，应用和分析A-6.2水平和垂直尺度和关系（例如垂直夸张）A-7。遥感，图像分析和地理信息系统A-8.1航空影像和摄影测量A-8.2遥感（例如，红外，雷达图像，卫星图像以及光检测和范围（LIDAR））表面和地下映射和地图应用A-7.1地形图，斜率和配置文件A-7.2地质图，符号和应用A-7.3罢工和倾斜，显而易见，厚度和深度A-7.4 ISOPACH和ISOPACH和ISOCOCOCOCTACH和ISOCOCOCTECTRATION MAPE MAPS A-8。
使用机器学习对CO2排放的预测
Kanyarat Bussaban 1*，Kunyanuth Kularbphettong 1，Nareenart Raksuntorn 1，Chongrag Boonseng 2 1 1 1 1 1 1 1 1 Suan Sunandha Rajabhat University，Thailand，Suan Sunandha Rajabhat University； kanyarat.bu@ssru.ac.th（K.B.），kunyanuth.ku@ssru.ac.th（K.K.），nareenart.ra@ssru.ac.th（n.r。）2工程学院，国王蒙库特理工学院Ladkrabang，曼谷，泰国； chongrag.bo@kmitl.ac.th（C.B.）摘要：二氧化碳（CO 2）作为温室气体对气候变化的贡献显着贡献。地球的大气层自然保持温暖，足以通过在大气中捕获热量的温室气体来维持生命。然而，由于森林砍伐和使用化石燃料的使用，人类活动已大大增加了大气中的二氧化碳量。人类进化的关键关注之一是燃料全球气候变化是二氧化碳（CO 2）。它随着燃料燃烧而发布，因此，全世界的人们逐渐变得越来越意识到环境问题。有效的政策制定需要对影响CO 2排放的因素进行调查，但是微小的数据集和传统的研究方法已经阻碍了先前的研究。这项研究使用三个预测模型来估计CO 2排放，能源使用和GDP之间的CO 2陷阱效率：多线性回归（MLR），支持向量机（SVM）和随机森林（RF）。调查提出了一种用于近似CO 2排放的技术，结果表明支持向量机（SVM）可以达到最高的精度。1。简介这项工作中使用的机器学习（ML）技术证明了具有多个线性回归，支持向量机和具有平均绝对误差的随机森林模型（MAE），平均绝对百分比误差（MAPE）和根平方误差（RMSE）。结果可能是决策支持系统的有用模型，以增强在全球范围内减少CO 2排放的适当行动。关键字：二氧化碳（CO 2），CO 2排放，多个线性回归，随机森林，支持向量机。
摘要：降雨流量对于有效的水文学和水资源管理至关重要。因此，这项研究的目的是评估
摘要：降雨流量对于有效的水文学和水资源管理至关重要。因此，这项研究的目的是评估尼日利亚Akwa Ibom州恩扬溪（Enyong Creek）的降雨流趋势，利用每日降雨，河流排放和从2018年至2023年收集的温度数据的每日水电学数据，并通过矢量自动访问（VAR）模型对数据进行建模。结果表明，VAR模型成功捕获了排水（WD），降雨（RF）和平均温度（AVE.TEMP）之间的动态关系。方程式揭示了过去值对每个变量当前状态的影响。相关矩阵和图形表示已确认的模型充分性。验证结果证明了模型的准确性，模型R平方值为0.8781表明相关性很强。开发模型的评估的性能测量表明平均平均误差（MAE），均方根误差（RMSE）和平均绝对百分比误差（MAPE）值分别为5.5066、6.7831和7.4203，揭示了令人满意的精度和精度。从这项研究中得出的信息为政府官员，政策制定者和计划者提供了宝贵的见解，以准确的洪水预测，紧急管理，土地使用计划和基础设施开发doi：https：//dx.doi.org/10.4314/jasem.v28i1.4开放式策略，由jasem propplectials出版： Ajol。这些文章在出版后立即在全球范围内发布。版权策略：©2024作者。（2023）。J. Appl。不需要特别的许可才能重用Jasem发表的全部或部分文章，包括板，数字和表。本文是根据Creative Commons Attribution 4.0 International（CC-By-4.0）许可证的条款和条件分发的开放式文章。，只要引用了原始文章，就可以在未经许可的情况下重复使用本文的任何部分。将本文引用为：Augustine，C。U； Ahaneku，I。E； AWU，J.I。尼日利亚Akwa Ibom State的Enyong Creek的降雨流动趋势。SCI。 环境。 管理。 28（1）27-35日期：收到：2023年12月10日；修订：2024年1月11日；接受：2024年1月21日发表：2024年1月30日关键字：降雨流趋势，矢量自回旋，河流排放，洪水预测的降雨流向流的随机建模在水文和水资源管理中起着关键作用。 随机降雨流动的流动建模涉及使用概率和统计方法来模拟降雨和河流流动模式的可变性和不确定性（Ahaneku和Otache，2014年）。 这种方法利用概率和统计方法来模拟降雨流量模式中固有的可变性和不确定性。 The significance of stochastic rainfall-riverflow modeling is underscored by its contributions to various aspects, including comprehending hydrological processes, managing floods and droughts, optimizing reservoir operations and water allocation, designing infrastructure, adapting to climate change, conducting risk assessments, facilitating hydropower generation,SCI。环境。管理。28（1）27-35日期：收到：2023年12月10日；修订：2024年1月11日；接受：2024年1月21日发表：2024年1月30日关键字：降雨流趋势，矢量自回旋，河流排放，洪水预测的降雨流向流的随机建模在水文和水资源管理中起着关键作用。随机降雨流动的流动建模涉及使用概率和统计方法来模拟降雨和河流流动模式的可变性和不确定性（Ahaneku和Otache，2014年）。这种方法利用概率和统计方法来模拟降雨流量模式中固有的可变性和不确定性。The significance of stochastic rainfall-riverflow modeling is underscored by its contributions to various aspects, including comprehending hydrological processes, managing floods and droughts, optimizing reservoir operations and water allocation, designing infrastructure, adapting to climate change, conducting risk assessments, facilitating hydropower generation,