摘要:遗传算法(GA)比其他方法(例如梯度下降或随机搜索)更有用,尤其是对于具有许多局部最小值和Maxima的非不同的函数,例如梯度下降或随机搜索。标准GA方法的缺点之一是需要设置许多超参数,并且基于复杂规则而不是更直观的模糊规则,选择压力是基于复杂的规则。通过模糊逻辑调整此类参数的遗传算法的变体,以使参数更新原理更容易解释,构成模糊遗传算法(FGAS)的类别。本文提出了对具有N个特性和自动生成规则的两个相对模糊遗传算法(FGA)的修改,以及旨在改善模拟运行时的计算优化。在基准功能(Ackley,Griewank,Rastrigin和Schwefel)上评估了修改,并且选择了每个修改方法的最佳设置(即成员资格功能,术语数,T-norm和t-conorm)。将结果与标准GA和粒子群优化(PSO)进行了比较。结果表明,FGA方法可以使用缓存和最近的邻居方法进行优化,而不会失去准确性和收敛性。证明这两种修改后的方法在统计学上的表现明显比基线方法差。结果,我们提出了对现有两种算法的两种优化:通过缓存和测试其性能,通过规则生成和最近的邻居估算进行外推。
摘要:亲自识别,重新排列是通过完善检索结果的初始排名来提高整体准确性的关键步骤。先前的研究主要集中在单视图像的特征上,这些特征可能会导致偏见和诸如姿势变化,观点变化和遮挡等问题。使用多视图来介绍一个人可以帮助减少视图偏差。在这项工作中,我们提出了一种有效的重新级别方法,该方法通过使用K-Neartivt加权融合(KWF)方法来汇总邻居的功能来生成多视图特征。具体来说,我们假设从重新识别模型中提取的特征在表示相同的身份时高度相似。因此,我们以无监督的方式选择K相邻功能来生成多视图功能。此外,本研究探讨了特征聚合过程中的重量选择策略,从而使我们能够确定有效的策略。我们的重新排列方法不需要模型进行微调或额外的注释,因此它适用于大规模数据集。我们在重新识别数据集Market1501,MSMT17和遮挡的dukemtmc上评估我们的方法。结果表明,从初始排名结果中重新列出顶级M候选者时,我们的方法会显着提高列表@1并映射。具体而言,与初始结果相比,我们的重新排列方法在具有挑战性的数据集中,等级@1的提高分别为9.8% / 22.0%:MSMT17和闭塞性dukemtmc。此外,我们的方法证明了与其他重新排列方法相比,计算效率的实质性提高。
近年来,量子机器学习在理论和实践方面取得了长足的发展,已成为量子计算机在现实世界中应用的有希望的领域。为了实现这一目标,我们结合了最先进的算法和量子硬件,为量子机器学习应用提供了实验演示,并可证明其性能和效率。具体来说,我们设计了一个量子最近质心分类器,使用将经典数据高效加载到量子态并执行距离估计的技术,并在 11 量子比特离子阱量子机上进行了实验演示,其准确度与经典最近质心分类器的准确度相当,可用于 MNIST 手写数字数据集,并可实现 8 维合成数据的准确度高达 100%。
sl s s s sw物种dist 52 6.4 3.2 versicolor 0.200 59 6.6 2.9 versicolor 0.224 75 6.4 2.4 2.9 versicolor 0.100 76 6.6 6.6 3.0 versicolor 0.200 98 6.2 2.9 versicolor 0.224 6.3 2.224 104 104 6.3 2.9 0.200 117 6.5 3.0 Virginica 0.100 138 6.4 3.1 Virginica 0.100 148 6.5 3.0 Virginica 0.100
这个提出的计算机视觉系统是一种创新的解决方案,可以帮助在皮肤病学诊断和个性化护肤方面革命性。在使用最新的图像分析技术时,该系统拾取了与皮肤类型,色调以及其他皮肤问题有关的基本属性,例如痤疮,色素沉着甚至细纹。这可以通过在HSV和YCBCR颜色空间中进行转换来精确确定皮肤,从而精确地确定皮肤,无论是否有任何照明或环境条件,都可以精确地确定皮肤的细分。Fitzpatrick肤色分类与K-最近的邻居(KNN)一起使用,以在音调上有很大的差异,因此具有包含和准确的结果。它通过使用一式式编码和余弦相似性来映射针对策划产品数据库的独特皮肤配置文件,从而为用户提供可行的见解。它被放置在一个基于网络的平稳平台中,该平台将允许实时视频和电子商务集成,为不同的方法集创建友好且易于访问的体验。
像素转换在图像处理中至关重要,很大程度上取决于插值方法来确保平滑度和清晰度。这项工作重点关注两种广泛使用的图像插值技术:最近邻插值和双线性插值,这两种技术都是使用集成软件代码实现的。我们的方法使每种插值技术都可以独立应用,从而可以直接比较它们的性能。为了对每种插值方法进行全面评估,我们使用了一组基本质量评估指标:峰值信噪比 (PSNR)、结构相似性指数 (SSIM)、灰度分析和均方误差 (MSE)。选择这些指标是为了对图像清晰度、结构准确性和整体视觉质量进行平衡评估。本研究的结果对每种插值技术的优势和局限性进行了详细分析。这些发现旨在帮助研究人员和从业者根据他们在图像处理领域的特定要求选择最合适的插值方法。通过提供比较框架,这项工作通过增强评估和优化数字成像应用中的图像质量的方法来为该领域做出贡献。
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。
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
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。
摘要:中风是一种危及生命的严重疾病,需要尽早发现和干预以减轻其影响。该项目使用 K-最近邻 (KNN) 算法提出了一种中风预测模型,KNN 算法是一种流行的机器学习技术,以其在分类任务中的简单性和有效性而闻名。在 KNN 算法中,数据集被分为两类。第一类是中风风险高,第二类是中风风险低。该项目的目标是开发一个可靠且准确的预测系统,帮助医疗保健专业人员识别有中风风险的个体。该项目使用的数据集包括不同群体的各种人口统计、临床和生活方式特征,包括年龄、性别、高血压状况、婚姻状况、心脏病史、工作类型、吸烟习惯等。项目研究结果表明,基于 KNN 的中风预测模型在准确性、敏感性和特异性方面取得了令人鼓舞的结果。这表明 KNN 可以成为识别可能有中风风险的个体的有力工具,从而可以采取早期干预和预防措施。关键词:中风、k-近邻、逻辑回归、随机森林、机器学习算法