XiaoMi-AI文件搜索系统
World File Search SystemMultivariable
蒸汽的动态建模和多变量控制...
mit.edu › handle › 36829869-MIT PDF 作者：XD He · 1996 · 被引用次数：100 — 作者：XD He · 1996 被引用次数：100 tary：室内空气温度由压缩机容量控制调节，而... 4.3.2 数字实现和实验结果。
多变量量子信号处理（M-QSP）
最近的研究表明，量子信号处理 (QSP) 及其多量子比特提升版本量子奇异值变换 (QSVT) 统一并改进了大多数量子算法的表示。QSP/QSVT 通过交替分析，用多项式函数无意识地变换酉矩阵子系统的奇异值的能力来表征；这些算法在数值上是稳定的，在分析上很容易理解。也就是说，QSP/QSVT 需要对单个 oracle 进行一致访问，更不用说计算两个或多个 oracle 的联合属性；如果能够将 oracle 连贯地相互对立，那么确定这些属性的成本就会低得多。这项工作引入了多变量 QSP 的相应理论：M-QSP。令人惊讶的是，尽管多元多项式的代数基本定理并不存在，但存在必要和充分条件，在这些条件下，理想的稳定多元多项式变换是可能的。此外，QSP 协议使用的经典子程序由于不明显的原因在多变量设置中仍然存在，并且保持数值稳定和高效。根据一个明确定义的猜想，我们证明可实现的多变量变换系列的约束尽可能松散。M-QSP 的独特能力是无意识地近似多个变量的联合函数，从而带来了与其他量子算法不相称的新型加速，并提供了从量子算法到代数几何的桥梁。
多元微积分及其在人工智能中的应用...
其中 W = ( w 1 , w 2 , w 3 , ..., wn ) 是存储每个权重/偏差值的矩阵。对于每个 i ，wi 是网络中的一个权重或偏差的值。C 是我们的“错误”，应该尽可能低。显然，我们希望最小化成本函数，这可以通过计算网络中每个权重和偏差的偏导数来实现，这些权重和偏差最初具有任意初始值，这些值可能会发生变化。然后，我们使用递归关系 W n +1 = W n −∇ C ( W n ) 相应地修改权重和偏差值。通过迭代此过程，我们很可能可以到达点 C min = lim n →∞ C ( W n )，此时 C 最小化，并且人工神经网络模型经过训练可以给出我们想要的结果。
不稳定飞机动力学的多变量反馈控制
Theta ...................................................................................................................................... 39
航空发动机多变量滑模控制设计
EngagedScholarship@CSU 为您提供免费开放的本论文。EngagedScholarship@CSU 的授权管理员已接受本论文并将其收录到 ETD 档案中。如需了解更多信息，请联系 library.es@csuohio.edu 。
用于可解释的多变量时间序列分类的多模态原型学习
多变量时间序列分类问题在生物学和金融等多个领域越来越普遍和复杂。虽然深度学习方法是解决这些问题的有效工具，但它们往往缺乏可解释性。在这项工作中，我们提出了一种用于多变量时间序列分类的新型模块化原型学习框架。在我们框架的第一阶段，编码器独立地从每个变量中提取特征。原型层在生成的特征空间中识别单变量原型。我们框架的下一阶段根据多变量时间序列样本点与这些单变量原型的相似性来表示它们。这会产生一种固有可解释的多变量模式表示，原型学习应用于提取代表性示例，即多变量原型。因此，我们的框架能够明确识别各个变量中的信息模式以及变量之间的关系。我们在具有嵌入模式的模拟数据集以及真实的人类活动识别问题上验证了我们的框架。我们的框架在这些任务上实现了与现有时间序列分类方法相当或更优异的分类性能。在模拟数据集上，我们发现我们的模型返回与嵌入模式一致的解释。此外，在活动识别数据集上学习到的解释与领域知识一致。
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。
一种新的孟德尔随机化方法来估计多变量脑成像暴露的因果效应
大型研究队列中同时收集的成像遗传学数据的出现提供了前所未有的机会，通过将遗传变异作为工具变量来评估大脑成像特征对外部测量的实验结果（例如认知测试）的因果关系。然而，经典的孟德尔随机化方法在处理高通量成像特征作为识别因果关系的暴露时受到限制。我们提出了一个新的孟德尔随机化框架来联合选择工具变量和成像暴露，然后估计多变量成像数据对结果的因果关系。我们通过大量数据分析验证了所提出的方法，并将其与现有方法进行了比较。我们进一步应用我们的方法来评估白质微结构完整性（WM）对认知功能的因果关系。研究结果表明，与单独评估单次暴露的因果效应和联合评估多次暴露的因果效应（未进行降维）相比，我们的方法在灵敏度、偏差和错误发现率方面取得了更好的表现。我们的应用结果表明，不同区域的 WM 测量具有联合因果效应，对英国生物库参与者的认知功能有显著影响。
使用易于获得的临床数据的糖尿病和糖尿病的多变量预测模型的开发和验证
标题：使用易于获得的临床数据作者的多变量预测模型的开发和验证：Alan L. Hutchison，MD，PhD * 1，Mary E. Rinella，Mary E. Rinella，MD 1，Raghavendra G. Mirmira，Mirmira，Mirmira，Mirmira，MIRMIRA，MD，MD，MD，MD，MD，PHD 2，WILLIAM F. PARKER，WILLIAM F. PARKER，MD 3 * ALAN.HUCHEN.HUCHIN.HUCTAN.HUCHICERINE。胃肠病学，肝病学和营养部分，2。内分泌学，糖尿病和代谢部分，3。与单独使用血红蛋白A1C测试相比，伊利诺伊州芝加哥芝加哥大学医学系肺和重症监护系，伊利诺伊州芝加哥大学，伊利诺伊州芝加哥，60637关键问题问题可以改善对糖尿病前和糖尿病的诊断？在这项横断面研究中的发现，对国家健康和营养检查调查中的13,800名成年成年成年人和口服葡萄糖耐受性测试，由8.6％未诊断的前糖尿病率和由血液氯脂素A1C未诊断的糖尿病率为3.5％。一种新型的多变量预测模型，包括禁食血浆葡萄糖，胰岛素，基本身体测量以及常规可用的血脂异常和肝功能实验室的实验室的准确性明显更准确（AUROC 0.66/0.71至0.77（单独的0.87/0.88至0.88至0.88至0.88至0.88至0.91），比糖尿病的糖尿病均与二型糖尿病相比。与单独的血红蛋白A1C相比，易于获取的临床数据纳入易于获得的临床数据可以改善糖尿病前和糖尿病的诊断。在美国，糖尿病前和糖尿病的抽象重要性与其他慢性疾病一起增加。我们排除了没有血红蛋白A1C，口服葡萄糖耐受性测试或样品体重数据的参与者。血红蛋白A1C是美国进行的糖尿病最常见的诊断测试，但在其他慢性疾病的情况下，它已知不准确。与仅血红蛋白A1C相比，目的可以使用容易获得的临床数据来改善糖尿病和糖尿病的诊断。设计，设置和参与者这项横断面研究分析了美国国家健康和营养检查调查调查的六个2年周期（2005年至2006年至2015年）获得的全国代表性数据。样本包括13,800名调查参与者。数据分析是从2024年5月1日至2025年2月9日进行的。的主要结果和措施我们估计了从梯度提升机器决策树学习模型的2小时葡萄糖，以诊断糖尿病前和糖尿病，这些糖尿病和糖尿病是由口服葡萄糖耐受性测试定义的2小时葡萄糖，大于或等于140 mg/dl，但小于200 mg/dl，大于或等于200 mg/dl，相应地分别为140 mg/dl，相应地分为200 mg/dl。我们将校准，校准，预测值和决策曲线分析的净益处与单独的血红蛋白A1C进行了比较。
普通人群新冠肺炎后心血管疾病发病率及个体风险预测：多变量预测模型开发与验证研究
数据取自英国临床实践研究数据链。估计了感染后 180 天内动脉或静脉事件、炎症性心脏病以及新发心房颤动或心力衰竭的发病率。接下来，使用年龄、性别和传统心血管危险因素，对 2020 年 12 月 1 日前感染 COVID-19 的 220 751 名成年人建立了多变量逻辑回归模型。所有模型均在 (i) 138 034 名接种疫苗的成年人和 (ii) 503 404 名未接种疫苗的成年人中进行了外部验证，这些成年人在 2020 年 12 月 1 日后首次感染 COVID-19。通过内部和外部验证评估了判别性能和校准。在感染 COVID-19 后长达 60 天内，静脉和动脉心血管事件以及新发心房颤动的发生率有所增加，但炎症性心脏病或心力衰竭的发生率没有增加，静脉事件的发生率最高（每 1000 人年 13 例）。最佳预测模型的 c 统计量为 0.90 或更高。然而，不到 5% 的成年人预测的 180 天结果特异性风险大于 1%。这些罕见的结果使校准变得复杂。