XiaoMi-AI文件搜索系统
World File Search SystemNear
研究论文利用 K 最近邻算法增强水果分类和质量评估
本研究探讨了 K-最近邻 (KNN) 算法在水果分类和质量评估中的应用，旨在通过机器学习改进农业实践。该研究采用了一个全面的数据集，涵盖了水果的各种属性，例如大小、重量、甜度、脆度、多汁度、成熟度、酸度和质量，并利用 5 倍交叉验证方法来确保 KNN 模型性能的可靠性和通用性。研究结果表明，KNN 算法在所有指标上都表现出较高的准确度、精确度、召回率和 F1 分数，表明该算法在对水果进行分类和准确预测其质量方面非常有效。这些结果不仅验证了该算法在农业应用中的潜力，而且与现有关于机器学习解决复杂分类问题的能力的研究相一致。该研究的讨论延伸到在农业领域实施基于 KNN 的模型的实际意义，强调了彻底改变质量控制和库存管理流程的可能性。此外，该研究通过证实有关 KNN 在农业环境中有效性的假设，为该领域做出了贡献，并为未来的探索奠定了基础，这些探索可以整合多种机器学习技术以增强结果。后续研究的建议包括扩展数据集和探索算法协同作用，旨在进一步推动农业技术和机器学习应用的发展。
利用预训练模型进行最近邻药物靶标亲和力预测
药物-靶标结合亲和力 (DTA) 预测对于药物发现至关重要。尽管将深度学习方法应用于 DTA 预测，但所获得的准确度仍然不理想。在这项工作中，受到最近检索方法成功的启发，我们提出了 𝑘 NN-DTA，这是一种基于非参数嵌入的检索方法，采用预先训练的 DTA 预测模型，它可以扩展 DTA 模型的功能，而无需或几乎不需要任何成本。与现有方法不同，我们从嵌入空间和标签空间引入了两种邻居聚合方法，并将它们集成到一个统一的框架中。具体而言，我们提出了一种具有成对检索的标签聚合和一种具有逐点检索最近邻居的表示聚合。该方法在推理阶段执行，并且可以在无需训练成本的情况下有效提高 DTA 预测性能。此外，我们提出了一个扩展，Ada-𝑘 NN-DTA，一种具有轻量级学习的实例化和自适应聚合。在四个基准数据集上的结果
拜登·哈里斯（Biden-Harris）政府宣布将近5亿美元，以削减南部的交通和货物运动有关的气候污染
Reduction Grant Media Contact: Audrey-Olushola Momoh, 415-652-0424, momoh.audreyolushola@epa.gov SAN FRANCISCO, CA —Today, the U.S. Environmental Protection Agency (EPA) announced the general competition selection of South Coast Air Quality Management District (AQMD) to receive a $499,997,415 Climate Pollution Reduction Grant.由《减少通货膨胀法》资助的国家赠款计划旨在实施以社区驱动的解决方案来应对气候危机，减少空气污染，提高环境正义并加速美国的清洁能源过渡。South Coast AQMD项目将资助整个南加州的努力，通过a）通过a）提供电动充电设备的激励措施，b）增加零发射货运车辆，以及c）替换或转换货物运输设备和柴油机货运货运量。“今天在南加州和美国各地的各州，地方政府和部落（在南加州和整个美国）向各州，地方政府和部落提供前所未有的资源的“对于可以提供全国性实例来加速化石燃料所需过渡的地方解决方案，” “这些努力将创造就业机会，减少助长气候变化的排放，并清理肮脏，危险的空气，以至于已经太多了，已经呼吸了太久了。” “我们非常感谢该奖项，这是我们机构历史上最大的奖项，也强调了社区的需求，”南海岸AQMD理事会主席Vanessa Delgado说。“对于可以提供全国性实例来加速化石燃料所需过渡的地方解决方案，”“这些努力将创造就业机会，减少助长气候变化的排放，并清理肮脏，危险的空气，以至于已经太多了，已经呼吸了太久了。” “我们非常感谢该奖项，这是我们机构历史上最大的奖项，也强调了社区的需求，”南海岸AQMD理事会主席Vanessa Delgado说。“在接下来的25年中，这些资金将有助于减少1200万吨的碳排放。最重要的是，每年都会避免1600吨烟雾的排放，同时创造绿色就业机会并促进经济增长。”
管理咨询：在国防部占用地点或附近燃烧非国防部固体废物：报告编号 DODIG-2024-107
本管理咨询的目的是告知国防部负责采购和保障的副部长、国防部负责卫生准备政策和监督的副助理部长以及国防卫生局，他们对在国防部占用的场地或附近识别和报告非国防部固体废物燃烧的流程不足的担忧。在我们于 2023 年 9 月 25 日宣布的“对国防部对吉布提莱蒙尼尔营空气质量问题的管理审计”(D2023-D000RJ-0155.000) 期间，我们确定国防部没有实施足够的政策来识别和报告美国人员在应急设施或附近接触非国防部控制的燃烧坑的情况。具体而言，国防部官员没有制定政策，要求作战指挥官识别和报告非国防部控制的焚烧坑，这些焚烧坑处理非国防部产生的废物，并向作战司令部和参谋长联席会议 J-4 后勤局报告。国防部的政策只要求识别和报告焚烧国防部产生的固体废物的焚烧坑。这种疏忽可能会导致美国军人接触焚烧坑毒素，但健康记录中没有记录。我们根据普遍接受的政府审计标准，从 2023 年 11 月到 2024 年 4 月开展了支持此管理咨询的工作。
基线和基于过程模型的多模型集合提高了近期湖泊预测的预测技能
湖泊和水库中的抽象水温预测是在不断变化且更可变化的气候下管理重要的淡水资源的宝贵工具，但是以前的努力尚未确定最佳的建模方法。在这里，我们演示了第一个多模型集合（MME）储层水温预测，这是一种预测方法，将单个模型强度结合在单个预测框架中。我们开发了两个MME：一个基于过程的MME和一个五模型MME，其中包括基于过程的和经验模型，以预测温带饮用水库的水温谱。我们发现，相对于单个模型和基于过程的MME，五模型MME的预测性能提高了8％–30％，并使用汇总的概率技能得分进行了量化。尽管预测不确定性增加了，但性能的这种提高是由于五模型MME的预测偏差的大大改善所致。基于过程的模型之间的高相关性导致基于过程的MME相对于基于个体的基于过程的模型，预测性能几乎没有改善。MMES的效用由两个结果强调：（a）在每个深度和地平线（将来的日子）中，任何单独的模型都没有表现最佳，并且（b）MMES避免了表现不佳，因为很少能为任何单个预测期（随着时间的时间<6％）的预测周期产生最差的预测）。这项工作提供了一个示例，说明了如何合并现有模型以改善湖泊和储层中的水温预测，并讨论了在操作预测中利用MME而非单个模型的价值。
应用K-Nearest邻居机器学习算法用于预先销售畅销产品Muhtajuddin Danny 1*，Asep Muhidin 2，AK
摘要在商业界越来越激烈的竞争发展，并伴随着信息技术的进步，使零售公司陷入了更严格，更开放的竞争状况。PT LG Innotek印度尼西亚是唯一在印度尼西亚生产调谐器的公司。查看消费者需求，PT LG Innotek必须提高产品质量，并添加消费者喜欢和经常购买的产品。因此，PT LG Innotek Indonesia需要进行分析，以帮助公司识别倾向于销售良好的产品。可以通过应用机器学习算法（尤其是K-Neartible最邻居方法）进行此分析。这项研究的目的是找出KNN算法在预测销量良好且在印度尼西亚PT LG Innotek销售不佳的产品方面的表现。基于分析结果，预测结果的精度水平为94.74％，错误率为5.26％。具有高度的准确性和较低的错误率，可以得出结论，K-Near-Neigral方法有效地用于预测PT LG Innotek Indonesia最佳销售产品的销售。
近岸外包的规模和影响的可能情景......
† 分别是墨西哥自治技术学院 (ITAM) 和墨西哥银行。为乔治城美洲研究所 (GAI) - CAF - 拉丁美洲开发银行项目准备：“拉丁美洲：全球价值链中尚未开发的机遇”。本文表达的观点为作者的观点，并不一定代表 ITAM 或墨西哥银行的观点。我们感谢 Jorge Alonso、Juan Blyde、Richard Condor、Antoni Estevadeordal、Veronica Frisancho、Alvaro Lalanne、Maurice Mesquita Moreira、Victoria Nuguer、Carlo Pietrobelli、Ricardo Reyes-Heroles、Christian Seminary、Tridib Sharma、Anurag Singh、Daria Taglioni、Tiago Tavares 和 Alejandro Werner 提出的非常有帮助的评论。 Fernando Gomez、Jan Lukas Lynen 和 Fernando Rodriguez 提供了出色的研究协助。我们非常感谢Pablo Fajgelbaum和他的合著者与我们分享用于关税战分析的数据。
零...
摘要 - 在经典的损失源编码问题中，一个编码长的源符号块，使扭曲能够接近最终的香农限制。这种块编码方法引入了较大的延迟，这在许多延迟敏感的应用中是不可取的。我们考虑零延迟情况，其中的目标是在没有任何延迟的情况下编码和解码有限的Alphabet Markov源。已经表明，这个问题将自己适合随机控制技术，从而导致存在，结构和一般的结构近似结果。但是，到目前为止，这些技术仅导致了代码设计的计算算法实现。为了解决这个问题，我们提出了一种可实现的强化学习设计算法，并严格证明其渐近最佳性。特别是，我们表明可以使用量化的Q学习算法来获得此问题的近乎最佳的编码策略。证明是基于量化Q学习的最新结果的基础，该Q学习是针对弱伙伴控制的马尔可夫链，其应用需要开发有关规律性和稳定性属性的技术结果，并将最佳解决方案与折扣和平均成本无限的地平线标准问题联系起来。这些理论结果由模拟支持。
AFIMSC + 您附近的月份活动
SEPM 是领导会员和员工资源小组 (MERG) 的人。这些小组会与会员会面，收集反馈并告知他们计划、做法、资源并讨论障碍。MERG 还会举办与平等机会计划相关的特别纪念活动和活动。
工作的结束感觉很近。人们如何看待数字技术和自动化的影响？ *
∗ arntz：Zew Mannheim和U. Heidelberg。电子邮件：melanie.arntz@zew.de。Blesse：Lud-Wig Erhard Ifo社会市场经济和机构经济学中心，Cesifo和Zew Mannheim。电子邮件：blesee@ifo.de。doerrenberg：U.Mannheim，Cesifo，Iza和Zew。电子邮件：doerrenberg@uni-mannheim.de。我们感谢Isabell Doppert，Theresa Geyer，Moritz Scheiden-Berger和Karim El-Ouaghlidi提供了出色的研究帮助。We thank Irene Bertschek, Mar- ius Busemeyer, Georg Graetz, Friedrich Heinemann, Philipp Lergetporer, Tuomas Pekkarinen, An- dreas Peichl, Jan Schmitz, Nicolas R. Ziebarth, Ulrich Zierahn as well as participants at several sem- inars/conferences/workshops for helpful comments and suggestions.我们感谢莎拉·麦克纳马拉（Sarah McNamara）对手稿的专业证明阅读。作者感谢SFB 884“改革的政治经济学”的财务支持，该研究集群由德国研究基金会（DFG）和莱布尼兹协会资助，并通过海德堡大学的莱布尼兹应用劳动经济学教授（P56/2017）。该项目已在AEA RCT注册中注册，根据AEARCTR-0003888。