摘要本研究使用Babulu Puskesmas UPT的患者数据讨论了使用多线性回归方法的糖尿病患者的预测。这项研究的目的是使用Babulu Puskesmas UPT上的多个线性回归方法为糖尿病患者建立预测系统,并查看如何将预测模型应用于Upt Puskesmas Babulu的糖尿病患者。本研究中使用的研究方法是数据库(KDD)方法中的知识发现,该方法具有多个阶段,例如数据选择阶段,预处理阶段,数据转换阶段,数据挖掘阶段,评估阶段,然后是部署和实施阶段。这项研究中的数据收集技术是访谈技术,私人数据和文献研究。这项研究的结果是获得R2精度值为75%,然后获得93%的精度模型,精度为90%,召回95%和F1得分的评估结果92%。对于预测模型也可以应用于为糖尿病患者构建预测系统,但需要调整使用舍入方法,以便所得的输出可以显示1或0的值。除了系统中的输出外,偶尔会产生负值,因为数据变量与其他几个变量具有负相关性。关键字:糖尿病预测,机器学习
电子邮件; iChannadafitria@gmal.com*摘要。糖尿病(DM)是一种代谢性疾病,其特征是由于胰岛素缺乏症而引起的高血糖水平。导致糖尿病(DM)的因素是生活方式,包括饮食,缺乏运动,监测血糖和药物。大多数人没有意识到自己有DM,只有在遇到严重症状的情况下才能发现。为避免这种情况,可以使用K-Neartiment(KNN)方法来预测患糖尿病的可能性。这项研究的目的是使用K-Neartheber(KNN)方法对糖尿病进行分类,并通过健康的生活方式改变使人们更加了解疾病的风险。根据研究人员的需求(包括年龄,BMI,胰岛素,皮肤厚度,葡萄糖,糖尿病,遗传学和胰岛素)对从Dharma Husada诊所收到的数据进行分类。这项研究是通过三个主要步骤进行的:数据集输入,预处理和评估。第一阶段是数据分析,该数据分析是从输入数据集来训练和测试模型的数据,每个数据元素都具有某些特征(属性)和类。预处理步骤包括培训数据生成和数据清洁,其中包括卫生,小写,标准化,停止词,茎和令牌化。最后一步是评估。评估包括构建评估模型并衡量准确性的水平,建立预测模型并保存模型。。k值太小会导致过度拟合,而太大的k值可能会导致不合格。。Latar Belakang这项研究表明,K-Nearest邻居(KNN)方法可用于对糖尿病(DM)进行分类,但尤其是在一个由245个日期和8个属性组成的小数据集中,对于30岁的患者而言,它不准确。howver,如果数据量很小,那么K的选择可能会产生很大的影响。关键字:糖尿病,KNN,抽象数据集。糖尿病(DM)是一种代谢性疾病,其特征是由于缺乏胰岛素而导致高血糖水平。导致糖尿病(DM)的因素,即生活方式,包括饮食模式,缺乏运动,监测血糖和治疗。大多数人没有意识到自己患有这种DM疾病,只知道何时出现严重的症状。为避免这种情况,可以使用k-nearest邻居(KNN)方法来预测糖尿病的可能性。这项研究的目的是使用K-Neartialt Neighboar(KNN)方法对糖尿病进行分类,并通过健康的生活方式改变使人们更加了解疾病的风险。根据研究人员的需求,包括年龄,BMI,胰岛素,皮肤厚度,葡萄糖,糖尿病,遗传学和胰岛素的需求,对从Dharma Husada诊所收到的数据进行了分类。这项研究是通过三个主要步骤进行的:数据集输入,预处理和评估。第一阶段是数据分析,该数据分析是输入数据集来训练和测试模型的数据分析,每个数据元素都具有特征(属性)和某些类。预处理步骤包括创建培训数据和清洁数据,其中包括卫生,小写,标准化,停止词,茎和令牌化。最后一步是评估,评估,包括建立评估模型并衡量准确性,构建预测模型和存储模型的水平。这项研究表明,可使用K-Nearthign(KNN)方法可用于对糖尿病(DM)进行分类,但主要是在一个由245个日期和8个30岁患者的小型数据集中进行分类。k值太小会导致过度拟合,而太大的k值可能会导致不合格。但是,如果数据量很小,则K的选择可能会产生很大的影响。关键字:糖尿病,k-nearest邻居(KNN),数据集1。
摘要 - 小步鞋清洁是一种提供鞋子护理服务员的尝试。在Little Step鞋上清洁的营销过程问题,即使不按照正确的程序和方法进行,导致销售的下降,营销过程非常困难,因此进行的研究与营销组合策略的设计有关,以后可以通过Little Step Shoes使用,以使营销过程顺利进行。在这项研究中,主要数据和次要数据需要,主要数据是来自面试活动的数据和针对Little Step鞋的所有者和客户的市场研究,以及辅助数据是先前的数据,这些数据是由研究人员故意收集的,用于满足研究数据的需求并使用五个强制搬运工进行分析。营销组合设计中使用的方法是SWOT QSPM方法。在使用QSPM方法的营销组合策略的设计中,不能与SWOT方法的帮助分开,IFE(内部评估因子矩阵),EFE(外部评估因子)和IE(内部和外部)矩阵的SWOT矩阵后来将创建一种替代营销策略,该策略可以由Little STEP鞋使用,使用Little STEP鞋使用清洁和携带的Matrix。
- Martin,M。A.,Sendra,O.,Basts,A. M.,Ebi,K。L.,Edwards,C.M,Engel,A. H.,R。和J. Woodcock。在2021年有了新的见解:通过Horizon Scan,全球可持续性
摘要肠道细菌调节阿尔茨海默氏病(AD)患者和动物模型的脑病理学;但是,基本机制尚不清楚。在这项研究中,用或不敲除IL-17A基因的3个月大的APP-转基因雌性小鼠用抗生素 - 供应剂TED或正常饮用水进行了2个月的治疗。抗生素处理几乎消除了所有肠道细菌,从而导致脾和肠道中表达IL-17A的CD4阳性T淋巴细胞的降低,并减少脑组织中细菌DNA的降低。肠道细菌的耗竭抑制了脑组织和小胶质细胞中的炎症激活,降低了大脑Aβ水平,并促进了APP-转基因小鼠大脑中ARC基因的转录,所有这些小鼠的影响都被IL-17A的不足消除了。可能是调节Aβ病理学的机制,肠道细菌的耗竭抑制了β-分泌酶活性,并增加了大脑或血脑屏障中ABCB1和LRP1的表达,这也因缺乏IL-17A而逆转。有趣的是,App-转基因小鼠和IL-17A敲除小鼠之间的杂交实验进一步表明,IL-17A的缺乏已经增加了血液脑屏障的ABCB1和LRP1表达。因此,肠道细菌的耗竭可通过IL-17A涉及的信号通路来减弱应用转基因小鼠的炎症激活和淀粉样病理学。我们的研究有助于更好地理解AD病理生理学中肠道轴,并突出了IL-17A抑制作用或肠道细菌的特异性消耗的其他猿潜力,从而刺激IL-17A表达T细胞的发展。
Sunaryo Sunaryo:sunaryocaht@gmail.com摘要。现代农业面临着提高生产力而不会损害环境的挑战。一个有趣的解决方案是在有效的微生物-4(EM4),椰子水和糖的帮助下使用豆腐废物中的液体有机肥料。豆腐废物是豆腐行业的副产品,具有有机肥料的原材料。发酵过程旨在增加营养含量并减少豆腐液体废物的环境影响。这项研究的重点是通过用EM4,椰子水和糖发酵豆腐废物的液体有机肥料。通过研究Cayenne Pepper植物的生长为例,该研究旨在测试液体有机肥料的有效性,支持可持续的农业,将液体有机肥料应用于农业,并分析营养含量。本研究中使用的方法是一种随机块设计(RAK),使用椰子水,糖和EM4溶液与豆腐液体废物的主要成分进行实验添加,然后将其发酵0-7天,并每天控制。在研究液体有机肥料的有效性测试时,它被应用于辣椒植物,即用植物标签A(使用POC)(使用POC)在每种治疗中给出5x250ml POC的处理,并与植物B进行比较(不使用POC)。研究结果表明,从植物的茎高到58.3 cm,植物A和植物B之间的比较可以看到,而植物B则达到30.4 cm。Abltrak。两种植物的茎直径也有差异,即大约1mm的差异。这项研究的结果表明,施用液体有机肥料对辣椒植物的生长有积极影响,例如茎高,叶子颜色和较大的茎直径。这项研究的含义为环保农业实践创造了机会,并为可持续的废物管理做出了贡献。关键字:椰子水,辣椒,有效的微生物-4(EM4),糖,豆腐液体废物。现代农业面临提高生产力而不会损害环境的挑战。有趣的解决方案之一是在有效的微生物-4(EM4),椰子水和糖的帮助下,使用发酵豆腐浪费的液体有机肥料。豆腐废物,豆腐工业侧产品,具有有机肥料的原材料。发酵过程旨在增加营养含量并减少豆腐液体废物的环境影响。这项研究的重点是通过用EM4,椰子水和糖发酵从豆腐废料中制造液态有机肥料。例如,通过检查辣椒植物的生长,研究旨在测试液体有机肥料的有效性,支持可持续的农业,在农业中实施液体有机肥料并分析营养含量。本研究中使用的方法是一个随机设计组(架子),使用其他实验性椰子水,糖和EM4溶液与豆腐液体废物的主要成分,然后将其发酵0-7天,并每天控制。在检查液体有机肥料的有效性时,将其应用于Cayenne Pepper植物,即在每种处理中使用5x250ml POC的植物A(使用POC)的标签,并在每种处理中使用植物B的比例B(不使用POC)。结果表明,从植物的高度达到58.3厘米,植物A和植物B之间的比率是0-60天的,而植物B达到30.4 cm,两种植物茎的直径也有差异,即差异约1mm。这项研究的结果表明,提供液体有机肥料对植物生长有积极的影响
Ho Man Lo、Richard Johnson 和 Agustin Mengoni 10 South Colonnade, Canary Wharf, London, E14 4PU 电子邮件至:oftobuild@ofgem.gov.uk 2024 年 5 月 29 日 EDF 对关于 OFTO Build 模型的初步提案的咨询的回应,该模型用于交付非径向海上输电资产 EDF 是英国最大的低碳电力生产商。EDF 运营低碳核电站,并正在建造新一代核电站中的第一座。EDF 拥有超过 550 万电力和天然气客户账户,包括住宅和商业用户,旨在通过构建更智能的能源未来来帮助英国实现净零排放,这将支持实现净零碳排放,包括通过数字创新和鼓励向低碳电力运输和供暖过渡的新客户服务。作为 EDF 的重要组成部分,EDF Renewables 是英国领先的可再生能源公司之一,专门从事风电、太阳能和电池存储技术。我们的海上管道包括位于凯尔特海的 Gwynt Glas 浮动海上风电场,计划容量高达 1.5 吉瓦。Gwynt Glas 是爱尔兰可再生能源开发商 ESB 和全球海上风电投资者 Reventus Power 的合资企业。EDF 欢迎有机会就 OFTO Build 模型提供我们的观点,以交付非径向海上输电资产。如果您希望讨论我们在回复中提出的任何问题或有任何疑问,请联系我或 Kimbrah Hiorns,邮箱地址为 david.acres@edfenergy.com 和 kimbrah.hiorns@edf-re.uk。此致,
摘要:本研究使用文献综述方法通过神经语言方法研究了阿拉伯语语言学习中大脑可塑性的优化。大脑可塑性是大脑通过学习和经验来适应和改变的能力,在语言获取中起着至关重要的作用。神经语言方法,它整合了诸如基于任务的学习和教育技术的技术,已被证明有效地增强了语言学习成果。文献分析表明,涉及各种感觉方式和教育技术的学习技术可以刺激新的神经通路,增强语言理解和记忆。研究的研究重点是阿拉伯语学习强调,与更具互动性和交流方法相比,传统方法的有效性较低。使用诸如移动应用程序和增强现实之类的技术的使用为学生提供了动态而引人入胜的学习经验。实际建议包括开发更多的交互式课程,利用教育技术以及神经语言技术的培训教育者。这项研究强调了多学科方法的重要性,以增强阿拉伯语学习的有效性,提供洞察力和策略,通过对大脑可塑性和神经语言学的了解来优化语言学习。关键字:大脑可塑性,神经语言学,阿拉伯语学习Ablastrak:Penelitian Ini Mengkaji Optimisasi Propareitas odak otak dalam dalam dalam dalam dalam dalam pembelajaran bahasa bahasa bahasa bahasa bahasa bahasa bahasa bahasa bahasa bahasa ab melalui pendekatan pendekatan pendekatan neurolinguistik,menggunakan metode studi studi studi studi tudi trutatur。pendahuluan大脑的可塑性,大脑通过学习和经验的适应和改变的能力在语言学习中起着重要作用。神经语言学方法结合了诸如基于学习的学习和教育技术的使用之类的技术,可有效地改善语言学习成果。文献分析表明,涉及各种感觉方式和教育技术的学习技术可以刺激新的神经道路,增强语言理解和记忆。研究重点是学习阿拉伯语,即传统方法不如一种更具互动性和交流方法有效。使用诸如移动应用程序和增强现实之类的技术为学生提供了更具动态和吸引人的学习体验。实践建议,包括更多互动课程的开发,教育技术的使用以及为神经语言技术的教师培训。这项研究强调了多学科方法的重要性,以提高阿拉伯学习的有效性,提供见解和策略,通过更好地理解大脑可塑性和神经语言学关键词来优化语言学习:大脑的可塑性,神经语言学,阿拉伯学习。
摘要 - 自主机器人在工业世界中生长和使用,并且变得很重要,该机器人广泛用于各个工业领域。自主机器人使用导航系统识别环境,导航在自主机器人中具有重要作用。除了应用良好的导航外,还需要在周围环境中获得准确的地图,以便机器人可以根据环境移动。在这项研究中,将使用Hector SLAM算法方法对映射结果进行准确分析,以通过模拟和实时(机器人)映射周围环境。在这项研究中,它具有几个重要组件,即机器人操作系统(机器人操作系统),即诸如Hector扫描匹配的数据滤波器,可构建所获得的数据,以及极大地影响生成地图质量的传感器类型。本研究测试Hector扫描匹配算法是否可以准确映射环境。这项研究的结果可以得出结论,从模拟和机器人(真实)生成的地图具有相当好的精度。这是基于与模拟和机器人(真实)映射的结果匹配的第一个方案,该结果的精度为SSIM:77.26%,MSE错误:3.96%,像素匹配:55.46%的机器人(真实)映射结果。同时,从用于与获得SSIM准确性的机器人相比的第二种情况下获得的仿真结果:87.29%,MSE错误:1.65%和像素匹配:81.11%。Kata Kunci:机器人操作系统,Hector-SLAM,Hector扫描匹配,均方根误差,像素匹配,结构相似性图像度量,峰值信噪比,LIDAR。摘要 - 自主机器人在工业界越来越多地发展和使用,在各个工业领域都发挥了重要作用并广泛使用。自主机器人使用导航系统浏览其环境,导航在自主机器人中至关重要。为了实施有效的导航,它需要准确的周围环境地图,以便机器人可以根据周围环境移动。这项研究分析了使用Hector SLAM算法方法通过模拟和实时(机器人)绘制周围环境的映射的准确性。这项研究包括几个重要组件,即机器人操作系统(机器人操作系统),数据过滤器(例如用于构建获得的数据的Hector扫描匹配)等数据过滤器,传感器类型显着影响所得地图的质量。研究检查了Hector扫描匹配算法是否可以准确映射环境。这项研究的结果可以得出结论,由模拟和真实机器人产生的地图具有相对良好的精度。这是基于仿真和真实机器人映射的匹配结果,在方案1中结果得出了SSIM的精度:77.26%,MSE错误:3.96%,像素匹配:55.46%的真实机器人映射结果。同时,从用于与机器人进行比较的方案2中获得的仿真结果,SSIM的准确性:87.29%,MSE错误:1.65%和像素匹配:获得了81.11%。关键字:机器人操作系统,Hector-slam,Hector扫描匹配,均方根误,像素匹配,结构相似性图像指标,峰值信噪比,LIDAR
•我们提出了一种新颖的算法,具有算法工具(计划)的悲观政策学习,该算法利用仪器变量回归的思想和悲观原则在一般功能近似的背景下学习了近乎最佳的本金政策。
