XiaoMi-AI文件搜索系统
World File Search SystemMLP
多变量孔隙压力预测的混合机学习优化算法
孔隙压力是钻孔设计中的重要数据，其准确的预测对于确保钻孔安全性和提高钻井效率是必要的。在形成特定的结构和岩性时，预测孔隙压力的传统方法受到限制。在本文中，使用机器学习算法和有效应力定理来建立岩石物理参数和孔隙压力之间的转换模型。本研究收集了三口井的数据。Well 1有881个用于模型训练的数据集，Wells 2和3具有538和464个数据集用于模型测试。在本文中，选择了支持向量机（SVM），随机森林（RF），极端梯度提升（XGB）和多层感知器（MLP）作为孔隙压力建模的机器学习算法。In addition, this paper uses the grey wolf optimization (GWO) algorithm, particle swarm optimization (PSO) algorithm, sparrow search algorithm (SSA), and bat algorithm (BA) to establish a hybrid machine learning optimization al- gorithm, and proposes an improved grey wolf optimization (IGWO) algorithm.IgWO-MLP模型通过使用5倍的交叉验证方法来获得训练数据，从而获得了最小根平方误差（RMSE）。对于井2和3井中的孔隙压力数据，SVM，RF，XGB和MLP的确定系数（R 2）为0.9930和0.9446、0.9943和0.9943和0.9472、0.9472、0.9945和0.9945和0.9488、0.9949、0.9949、0.9949和0.9949和0.9574。MLP在训练和测试数据上都达到了最佳性能，MLP模型显示出高度的概括。©2023作者。Elsevier B.V.的发布服务代表KEAI Communications Co. Ltd.表明IGWO-MLP是孔隙压力的极好预测指标，可用于预测孔隙压力。这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/ 4.0/）下的开放访问文章。
采用多层感知和 XGBoost 算法混合模型的心脏病预测系统
摘要。在机器学习研究中，多层感知器 (MLP) 算法在提高心脏病诊断的准确性和有效性方面起着关键作用。本文提出了一种心脏病预测方法，包括基于 RReliefF 的特征重要性评估，然后提出基于 MLP 的特征分类方法，该分类方法基于重要性得分分为三组。该研究采用三个前馈神经网络对聚类组进行有效分类。此外，集成方法利用 XGBoost 集成分类，利用增强集成学习来增强 FNN 模型输出的整体分类。通过将克利夫兰数据集划分为 70% 的训练集和 30% 的测试集，创建独立的数据集，将 MLP 输出合并到 XGBoost 模型中可获得令人满意的测试性能。混淆矩阵展示了准确的分类，准确率为 96.67%，灵敏度为 95.92%，精度为 97.92%。F1 得分为 96.91%，验证了该模型在精度和召回率方面的平衡性能。这项研究证明了整合数据处理、特征工程和集成学习技术对心血管疾病预测的有效性，为医疗保健应用提供了可靠有效的方法。
量子机学习实现：建议和实验
摘要：对两种类型的人工神经网络（ANN）进行了全面分析，以评估量化对突触权重的影响。常规多层pepceptron（MLP）和卷积神经网络（CNN）已通过更改其特征来考虑。采用了基于带有双极重复器的1T1R结构的参考技术，其中包括H fo 2介电，考虑了不同的多级方案以及相应的电导量化算法。深入研究了图像识别过程的准确性。这种类型的研究在硬件实施神经网络之前至关重要。获得的结果支持将CNN用于图像域。这与卷积层在提取图像特征和降低数据复杂性方面所起的作用有关。在这种情况下，与MLP相比，突触权重的数量可以减少。
使用...增强冥想技巧和洞察力
通过 Muse 2 设备和冥想应用程序之间的蓝牙连接，利用物联网功能。该方法包括数据收集、预处理、特征提取和模型训练，同时利用物联网 (IoT) 功能。Muse 2 设备从多个电极记录 EEG 数据，然后在移动冥想平台内进行处理和分析。预处理步骤包括消除冗余列、处理缺失数据、规范化和过滤，利用支持物联网的技术。对 EEG 信号进行特征提取，利用平均值、标准差和熵等统计指标。使用预处理数据训练三种不同的模型，包括支持向量机 (SVM)、随机森林和多层感知器 (MLP)，并结合基于物联网 (IoT) 的方法。使用准确度、精确度、召回率和 F1 分数等指标来评估模型性能，突出了物联网驱动技术的有效性。值得注意的是，MLP 和随机森林模型表现出了卓越的准确度和精确度，凸显了这种物联网集成方法的潜力。具体来说，这三个模型实现了较高的准确度，其中随机森林以 0.999 领先，其次是 SVM 以 0.959 和 MLP 以 0.99 紧随其后。这项研究不仅为脑机接口和辅助技术领域做出了贡献，还展示了一种将 Muse 2 设备无缝集成到冥想练习中的可行方法，通过物联网技术的附加功能促进自我意识和正念。
和低葡萄糖预测
摘要：夜间葡萄糖管理是1型糖尿病患者（T1D）的主要挑战，尤其是对于那些每天进行多次注射（MDI）的人来说。在这项研究中，我们开发了机器学习（ML）和深度学习模型（DL）模型，以预测目标范围内（3.9–10 mmol/L），高于目标范围的夜间葡萄糖，并且在使用MDIS管理T1D的受试者的目标范围以下。对模型进行了训练和测试，并在380名具有T1D受试者获得的连续葡萄糖监测数据上进行了测试。使用了两种DL算法 - 多层感知器（MLP）和一个卷积神经网络（CNN），以及两种经典的ML算法，随机森林（RF）和梯度增强树（GBTS）。基于DL和ML算法的所得模型在预测目标葡萄糖（F1度量：96–98％）和靶标葡萄糖（F1：93-97％）中表现出很高和相似的精度。预测低葡萄糖（F1：80–86％）时模型性能较差。MLP在低葡萄糖预测中提供了最高精度。结果表明，操作CGM数据的DL（MLP，CNN）和ML（RF，GBTS）算法都可以用于同时预测目标，T1D患者的目标高于目标和低于目标的目标范围内的夜间葡萄糖值。
远程空中交通服务的障碍 - DiVA 门户
空中交通服务 (ATS) 对飞行安全发挥着重要作用。远程空中交通服务 (RATS) 代表了一种新颖的、更加数字化的 ATS 解决方案。在某些方面，可以说 RATS 的表现优于传统 ATS。然而，由于它涉及各种社会技术障碍，使 RATS 成为 ATS 的主导解决方案具有挑战性。对这些社会技术障碍的认识不足可能会阻碍 RATS 的竞争力，尤其是 RATS 提供商的竞争力。本研究旨在从社会技术角度确定 RATS 在渴望成为 ATS 的主导解决方案时面临的主要障碍。为了确定这些障碍，进行了一项溯因案例研究。实证数据主要通过对直接或间接参与 RATS 的 10 位关键利益相关者进行半结构化访谈收集。本研究主要收集来自瑞典和英国的实证数据。采用大型技术系统 (LTS) 和多层次视角 (MLP) 的理论概念来理解和分析实证数据。已确定的 RATS 面临的障碍被映射到 MLP 的不同级别。已确定 MLP 各个级别的障碍。最突出的障碍似乎在于变革过程的社会方面、命题-感知差距以及连接基础设施依赖性。关键词 远程空中交通服务、远程塔台、空中交通服务、空中交通管制、多层次视角、大型技术系统、社会技术障碍
远程空中交通服务的障碍 - DiVA 门户
空中交通服务 (ATS) 对飞行安全发挥着重要作用。远程空中交通服务 (RATS) 代表了一种新颖的、更加数字化的 ATS 解决方案。在某些方面，可以说 RATS 优于传统 ATS。然而，由于它涉及各种社会技术障碍，使 RATS 成为 ATS 的主导解决方案具有挑战性。对这些社会技术障碍的认识不足可能会阻碍 RATS 的竞争力，尤其是 RATS 提供商的竞争力。本研究旨在从社会技术的角度确定 RATS 在立志成为 ATS 的主导解决方案时面临的主要障碍。为了确定这些障碍，我们进行了一项溯因案例研究。实证数据主要通过对 10 个直接或间接参与 RATS 的关键利益相关者进行半结构化访谈收集。本研究主要收集来自瑞典和英国的实证数据。大型技术系统 (LTS) 和多层次视角 (MLP) 的理论概念用于理解和分析实证数据。已确定的 RATS 面临的障碍被映射到 MLP 的不同层次。已确定 MLP 各个层次的障碍。最突出的障碍似乎在于变革过程的社会方面、命题-认知差距和连接基础设施依赖性。关键词远程空中交通服务、远程塔台、空中交通服务、空中交通管制、多层次视角、大型技术系统、社会技术障碍
远程空中交通服务的障碍 - DiVA 门户
空中交通服务 (ATS) 对飞行安全发挥着重要作用。远程空中交通服务 (RATS) 代表了一种新颖的、更加数字化的 ATS 解决方案。在某些方面，可以说 RATS 优于传统 ATS。然而，由于它涉及各种社会技术障碍，使 RATS 成为 ATS 的主导解决方案具有挑战性。对这些社会技术障碍的认识不足可能会阻碍 RATS 的竞争力，尤其是 RATS 提供商的竞争力。本研究旨在从社会技术的角度确定 RATS 在立志成为 ATS 的主导解决方案时面临的主要障碍。为了确定这些障碍，我们进行了一项溯因案例研究。实证数据主要通过对 10 个直接或间接参与 RATS 的关键利益相关者进行半结构化访谈收集。本研究主要收集来自瑞典和英国的实证数据。大型技术系统 (LTS) 和多层次视角 (MLP) 的理论概念用于理解和分析实证数据。已确定的 RATS 面临的障碍被映射到 MLP 的不同层次。已确定 MLP 各个层次的障碍。最突出的障碍似乎在于变革过程的社会方面、命题-认知差距和连接基础设施依赖性。关键词远程空中交通服务、远程塔台、空中交通服务、空中交通管制、多层次视角、大型技术系统、社会技术障碍
比较分析和机器的特征重要性...
心血管疾病（CVD）或心脏病是早期死亡的主要原因之一，即使在年轻时也常常突然出现。如果更准确地检测到它，那么在严重影响个人之前，可以通过适当的药物和生活方式的变化来挽救生命。在这项工作中，在两个不同的数据集上应用了不同的机器学习分类器和深度学习算法多层感知器（MLP），即Framingham心脏研究数据集和UCI心脏病数据集预测心脏病。使用高参数调整对这些算法进行了优化，并比较其性能指标和预测精度。对于不同的功能，使用机器学习算法计算特征重要性得分。这些功能根据其分数进行排名。在各种分类算法中，随机森林算法显示出最佳的结果，预测精度为97.13％，对于Framingham数据集。MLP对两个数据集都表现出良好的性能。
sdust2023bco：由...
摘要。作为基本海洋空间地理信息，海藻地形在海洋观察和科学研究中起着至关重要的作用。随着对高精度测深模型的需求不断增长，多层感知器（MLP）神经网络用于在此pa-per中整合多源海洋测量数据。全球海洋的一种新的测深模型，跨越180°E – 180°W和80°S – 80°N，称为山东科学技术大学2023年海洋测量图（SDUST2023BCO），已构建，网格大小为1'×1'。使用的多源海洋测量数据包括山东科学技术大学发布的重力异常数据，垂直重力梯度以及Scripps海洋学研究所（SIO）发布的垂直偏转数据，以及由中心国家D'Etudes eTudes Spatiales（cesne）发布的均值dy-namic Topograth数据。首先，从多源海洋大地测量数据中组织了输入和输出数据以训练MLP模型。第二，在相关点处的输入数据被馈入MLP模型以获得预测测深。最后，已经为全球海洋区域构建了一个分辨率为1'×1'的高精度测深模型。通过与船舶寄生的单光束测深数据和GEBCO_2023和TOPO_25.1模型进行比较，评估了SDUST2023BCO模型的有效性和可靠性。结果表明SDUST2023BCO模型是准确且可靠的，有效地捕获和反映了全球海洋测深信息。SDUST2023BCO型号可在https://doi.org/10.5281/Zenodo.13341896（Zhou等，2024）获得。