的确,逻辑回归是社会和自然科学中最重要的分析工具之一。在自然语言处理中,逻辑回归是分类的基础监督机学习算法,并且与神经网络也有密切的关系。正如我们将在第7章中看到的那样,可以将神经网络视为彼此堆叠的一系列逻辑回归分类器。因此,此处介绍的分类和机器学习技术将在整本书中发挥重要作用。逻辑回归可用于将观察结果分类为两个类别之一(例如“积极情感”和“负面情绪”),或将观察结果分类为许多类别之一。由于两级情况的数学更简单,因此我们将在接下来的几个部分中描述第一个逻辑回归的特殊情况,然后Brie-fl y总结了5.3节中多项逻辑逻辑回归的使用。我们将在接下来的几节中介绍逻辑回归的数学。,但让我们从一些高级问题开始。
摘要我们介绍了分类器(AOC)的地图集,这是一个概念上新颖的脑MRI分割框架。AOC是从标记的数据中学到的素数逻辑回归(LR)函数的体素逻辑回归(LR)函数的空间图。收敛后,所得的固定LR权重,每个体素的几个代表训练数据集。因此,它可以被视为一种轻量级学习机器,尽管其容量较低并不削弱问题。AOC结构独立于测试图像的实际强度,提供了在可用标记的数据上训练它的灵活性,并将其用于分割来自不同数据集和模式的图像。从这个意义上讲,它也不会过分贴上培训数据。该提出的方法已应用于众多可公开可用的数据集,用于分割脑MRI组织,并被证明对噪声和外展具有鲁棒性。也获得了多模式的跨模式MRI分割的有希望的结果。最后,我们展示了如何利用对健康受试者的大脑MRI训练的AOC来用于对多发性硬化症患者的病变分割。
现实世界的视觉数据具有固有的层次结构,可以在双曲线空间中有效地代表。双曲神经网络(HNN)是在此类空间中学习特征表示的有前途的方法。然而,计算机视觉中的当前HNN依赖于欧几里得主链,并且仅在任务头中的双曲线空间唯一的项目功能,从而限制了它们充分利用双曲线几何的好处的能力。为了解决这个问题,我们提出了HCNN,这是一种全均匀的卷积神经网络(CNN),专为计算机视觉任务而设计。基于Lorentz模型,我们概括了CNN的基本组合,并提出了卷积层,批准归一化和多项式逻辑回归的新型公式。对标准视频任务的实验证明了在混合和完全双曲的设置中我们的HCNN框架的有希望的性能。总体而言,我们认为我们的贡献为开发更强大的HNN提供了基础,这些HNN可以更好地代表图像数据中发现的复杂结构。我们的代码可在https://github.com/kschwethelm/hyperboliccv上公开获取。
摘要:本文询问了对政府的信任,对疫苗的信任以及与疫苗相关信息的访问的影响,以预测菲律宾人在菲律宾人中为Covid-19疫苗接种的意图。它还研究了社会和个人相关措施之间的关系以及接种疫苗的意图。本文的数据是从7月28日至2020年8月进行的1,953名受访者的在线调查中收集的,此前进行了试验完成,并向任何当前批准的Covid-19疫苗颁发了紧急使用授权。多项式回归结果表明,对疫苗,性别,收入,感知风险暴露和感知健康状况的信任是Covid-19的意图的重要预测指标。访问信息并不是结果可能来自有关疫苗的混合和虚假信息,尤其是在线疫苗。这些结果表明,对疫苗的信任可能会鼓励个人接种疫苗。建议菲律宾政府发起信心建设措施和战略沟通,这将有助于建立人们对疫苗的信任。因此,需要教育公众并提高对风险敞口的认识,以激发人群中的意图或兴趣,以接种疫苗为COVID-19。
(L1) 第一单元:数理逻辑:命题演算:语句和符号、联结词、合式公式、真值表、同义反复、公式等价性、对偶律、同义反复蕴涵、范式、语句演算的推理理论、前提的一致性、间接证明方法、谓词演算:谓词、谓词逻辑、语句函数、变量和量词、自由和有界变量、谓词演算的推理理论。第二单元:集合论:集合:集合上的运算、包含-排斥原理、关系:性质、运算、分割和覆盖、传递闭包、等价性、兼容性和偏序、哈斯图、函数:双射、组合、逆、排列和递归函数、格及其性质。第三单元:组合学和递归关系:计数基础、排列、重复排列、循环和限制排列、组合、限制组合、二项式和多项式系数和定理。递归关系:生成函数、序列函数、部分分式、计算生成函数系数、递归关系、递归关系公式、通过代换和生成函数解决递归关系、特征根法、解决非齐次递归关系
为了探索这一假设并描述全球变异转换速度、时间和幅度的异质性,我们对 2020 年 10 月至 2023 年 1 月中旬报告给全球流感数据共享倡议 (GISAID) 的 1400 多万个 SARS-CoV-2 序列进行了回顾性分析。12 我们使用多项回归样条模型来估计和总结 230 个国家和次国家区域以及 16 个 SARS-CoV-2 变异波的变异转换动态,包括最近出现的 Omicron 亚谱系 BA.2.75、XBB.1/XBB 和 BQ.1。10 我们的结果表明不同地点之间变异转换存在很大的异质性。对于 Omicron,我们根据地理位置的变异行为对其进行聚类,从而让我们能够识别具有相似转换动态的地点组。然后,我们利用临床和人口统计数据来探索变异波的特性与随时间变化的因素之间的关系,包括人口的疫苗接种状况、政府政策和竞争中的变异数量。这项研究证明了新出现的变异行为与人口的免疫学和人口背景之间的关联。此外,这项研究代表了迄今为止全球范围内对 SARS-CoV-2 变异转变的最全面描述。
摘要:如果电动汽车 (EV) 的充电和放电不能得到充分协调,其高普及率将给现有的电力输送基础设施带来负担。动态定价是一种特殊的需求响应形式,可以鼓励电动汽车车主参与调度计划。因此,电动汽车充电和放电调度及其动态定价模型是重要的研究领域。许多研究人员专注于基于人工智能的电动汽车充电需求预测和调度模型,并认为人工智能技术比传统的优化方法(如线性、指数和多项逻辑模型)表现更好。然而,只有少数研究关注电动汽车放电调度(即车辆到电网,V2G),因为电动汽车将电力放电回电网的概念相对较新且不断发展。因此,需要回顾现有的电动汽车充电和放电相关研究,以了解研究差距并在未来的研究中做出一些改进。本文回顾了电动汽车充电和放电相关研究,并将其分为预测、调度和定价机制。本文确定了预测、调度和定价机制之间的联系,并指出了电动汽车放电调度和动态定价模型的研究空白。
方法和结果:对美联社 (AP)-NORC 公共事务研究中心 2020 年 5 月从美国全国具有代表性的成年人小组 (n=1000) 收集的横断面调查数据进行多变量分析。受访者被问及是否会接种冠状病毒疫苗(是、不确定、否)。在回答是的受访者中,具体原因包括:保护自己、家人和社区;慢性健康状况;有推荐疫苗的医生。多项逻辑回归模型表明,在表示 (1) 不确定与拒绝、(2) 有意与拒绝和 (3) 有意与不确定的参与者之间存在许多亚组差异,在第三次比较中观察到的显着差异最多。总体而言,在受过大学或更高教育、白人、非西班牙裔种族-民族身份、年龄在 60 岁或以上且意识形态更自由(而非保守)的受访者中,接种疫苗的意愿可能性高于不确定和拒绝。尽管人们对希望接种疫苗的五个原因的认可程度有所不同,但在单独分析中比较认可此类意图与拒绝和不确定的受访者时,这些具体原因的亚组差异相当一致。
摘要。过去气候的定量重建是19评估气候模型如何重现气候变化的重要资源。一种广泛使用的统计20方法,用于从化石生物组合进行此类重建的方法加权21平均部分最小二乘回归(WA-PLS)。然而,已知的22个WA-PLS产生重建的趋势是压缩到用于校准的气候范围的中心的重建,可能会偏向重建的过去气候。我们通过假设:(a)相对于所考虑的气候变量,每个分类单元的理论丰度为25个单峰; (b)观察到的分类单元丰度26遵循多项式分布,其中样品的总丰度在气候上是27个不明智的; (c)在给定站点和时间的气候价值的估计使得28个观察结果最有可能,即它最大化对数可能性函数。此气候29估计值是通过将其气候公差的30反平方平方的加权分类单元丰度近似。我们通过考虑训练数据集中气候变量的频率31(FX)进一步改善方法。与WA-PLS相比,具有FX校正的TWA-PLS大大减少了压缩偏置,并基于广泛的现代花粉数据集改善了33个重建的模型性能。34
摘要。由于其普遍适用性,机器学习模型(ML)在过去二十年中一直是一个热门话题。尽管它们有效,但一些ML模型表现出效率低下,尤其是在大数据分类中。此外,某些ML模型在某些小数据集上有效。在这方面,由于在线数据的可访问性越来越大,自动数据分类技术吸引了很多研究兴趣。因此,在文本分类字段中已经开发了许多独特的学习策略。基于质心的分类器(CBC)是其中最广泛使用的技术之一。专注于增强NC分类器时,本文旨在简要研究某些ML模型对中小型数据集分类的影响。在这些模型中:N-中心技术(NC)作为简单设计的分类器,支持向量机(SVM)和多项式贝叶斯(MNB)。最重要的是,本文通过与两个相似性度量的集成,即基于集合理论的相似性度量(STB-SM)和改进的余弦相似度量(ISC),引入了NC的结合变化。在有效性和效率方面,综合NC分类器的性能被认为是有希望的。