XiaoMi-AI文件搜索系统
World File Search SystemNeighbors
使用机器学习对无人机电池故障的预测维护
H.R.Sridevi（2022）：本文提出了一个基于机器学习的框架，用于预测铅酸电池。该框架使用各种机器学习算法，包括支持向量机（SVM），随机森林（RFS）和K-Nearest邻居（KNNS），以预测作者使用的电池故障。
SolarClub：通过交互式协调系统支持可再生能源社区
能源社区是世界各国政府支持更可持续能源实践的重点。然而，支持能源社区协调可再生能源资源的交互式系统仍然缺乏。我们推出了 SolarClub，这是一种需求转移可视化系统，当太阳能可用时，它支持家庭通过预订耗能活动来协调能源使用。我们与四组邻居（N=15）一起部署了 SolarClub，为期一个月。SolarClub 成功地使邻居们能够协调，即使其中一些参与家庭不太灵活。虽然参与者报告说 SolarClub 没有培养社区感，但它帮助他们同情邻居。我们的研究结果表明，基于传感器和可视化的技术有助于理解日常实践与资源消耗之间的关系，而不仅仅是个人生态反馈。因此，这项工作有助于开发支持集体行动以实现环境可持续性的下一代实践和技术。
糖尿病和胰岛素剂量的预测建模...
harshitha14601@gmail.com和hemanthkumar@jnnce.ac.ac.in摘要：如今，糖尿病已经成为一种慢性疾病，管理这种疾病需要严格的定期饮食和锻炼，以避免各种健康问题和高血糖水平。要使血糖保持在人体正常水平，必须通过适当的胰岛素剂量建议糖尿病患者。很难预测适量的胰岛素对糖尿病患者。为此，使用机器学习（ML）方法来识别一个人患有糖尿病患者的天气，如果他/她患有适量的胰岛素，应向该患者建议使用适量的胰岛素。k-nearest邻居（KNN）技术可用于预测患者是否糖尿病患者，随机森林回归技术可用于为糖尿病患者提供适当数量的胰岛素剂量。使用上述技术生成结果。关键字：糖尿病预测，胰岛素剂量，K-Nearest邻居（KNN），随机森林回归，PIMA印度糖尿病数据集，机器学习
NETANTICIPATE：终极网络 AI 平台
支持的 ML 算法包括：1. 监督/分类 - AdaBoost、卷积神经网络 (CNN)、决策树、广义线性模型 (GLM)、K-最近邻 (KNN)、逻辑回归、多层感知器 (MLP)、朴素贝叶斯、随机森林、循环神经网络 (RNN)、支持向量回归 (SVM)、XGBoost。2. 监督/回归 - AdaBoost、卷积神经网络 (CNN)、决策树、广义线性模型 (GLM)、K-最近邻 (KNN)、线性回归、多层感知器 (MLP)、朴素贝叶斯、随机森林、循环神经网络 (RNN)、支持向量回归 (SVM)、XGBoost。 3. 时间序列/预测 - 自回归综合移动平均线 (ARIMA)、长短期记忆 (LSTM)、Prophet、Seq2Seq、时间卷积网络 (TCN)、NBeats、Autoformer、TCMF。4. 时间序列/异常 - 自动编码器、DBSCAN、椭圆包络、孤立森林、K-Means、一类 SVM。
组合疗法的新目标点挫败了癌症治疗中的多药耐药性
特别是，特定基因中的突变（DCHS1）降低了这些神经元的刺激阈值。此外，该研究表明，这些神经元具有更复杂的形态，并改变了与邻居的突触联系，这可以解释为什么它们过度活跃。研究人员能够通过使用抗癫痫药的Lamotrigine来扭转这种多动症。
第四长老会教堂长期计划
通过探访、分享圣礼、祈祷、精神辅导和其他形式的支持，在第四教会成员、朋友和邻居生活的关键时刻提供陪伴服务，展现基督之爱的温暖光芒；并邀请、装备和联系成员参与关怀事工。通讯
陆军倡导者 - 摩尔堡
- 当您遇到维护或政策问题，而这些问题对您的生命、健康或安全构成威胁时。- 您已采取哪些步骤（来自上一张幻灯片）来解决您的问题。- 当您与邻居或社区管理层发生重大冲突时。- 离开住房 - 告诉您的主管……
圣安东尼公园社区计划圣保罗综合计划附录
• 移动性：通用设计必须是我们发展交通网络的目标。 • 可负担性：必须确保我们社区的所有成员都能获得经济便利，特别是在租金、房价和商业空间方面。 • 可持续性：根据我们的调查结果，我们的低收入邻居特别重视维护和改善我们的绿地和环境举措。这是有道理的：当住房和/或家庭中的私人资源有限时，公共空间可能更能起到生命线的作用。但随着我们前进，我们必须从公平的角度看待我们改善环境的努力。 • 社区：我们的社区缺乏公共的室内空间供社区聚集，特别是对于低收入居民来说。这是我们在公众参与工作中反复听到的哀叹。 • 食物：太多的邻居无法持续获得新鲜农产品。公平委员会特别关注这一优先事项，因为它不属于我们现有的其他类别。
亚洲电网互联互通
更大的电力系统提供更好的可靠性 更重要的是，在新兴时代，间歇性可再生能源（太阳能和风能）在发电结构中的份额不断增加 控制区域越广，根据日前估计对太阳能和风能资源发电变化采取日内缓解措施就越有效 通常，某个地区的太阳能发电在中午达到峰值，但该地区的负荷可能还没有达到峰值；因此，这些地区将有剩余电力出口到晚高峰已经开始的东部邻国 同样，拥有传统发电资源和低负荷的西部电力系统可以支持东部邻国的早高峰 控制区域越大，发电资源的多样性就越广泛 — — 水电、火电（煤炭和天然气）、核电、太阳能、风能等。水电和天然气电厂可以支持太阳能和风能发电的变化 印度电力系统是世界第三大电力系统，装机容量为 443 吉瓦，与许多其他地区的大型电力池相似
在预测肝炎C
丙型肝炎是一种疾病，可以从初始无症状阶段发展为慢性感染，如果没有治疗，可能导致肝硬化和肝癌。丙型肝炎的诊断需要至少两种不同类型的测试：血清学测试和分子测试。这些测试方法对患者施加了经济负担，并为患者流失贡献。这项研究的目的是使用基于常见的血液测试数据的各种机器学习技术来预测该疾病，以实现患者的早期诊断和治疗。In this study, we integrated features from lit- erature and original data, applying six machine learning algorithms (logistic regression (LR), support vector machine (SVM), K-nearest neighbors (KNN), decision tree (DT), random forest (RF), adaptive boosting (AdaBoost)) to forecast hepatitis C. The performance of these techniques was compared using metrics such as accuracy,精确，召回，F1得分，接收器操作特征（ROC）和曲线下的面积（AUC），以识别该疾病的合适方法。来自UCI数据集的结果表明，Adaboost的准确性最高（97.8％）和AUC（0.994），使其成为预测乙型肝炎的有效且具有成本效益的方法。