XiaoMi-AI文件搜索系统
World File Search SystemNikolai
Matni的Nicolai - Subember的更新12，2024
秋季'24讲师：ESE 2030：线性代数与工程和AI的应用，这是针对新生/大二工程专业学生的线性代数的第一门课程的完整重新设计。Students are introduced to key concepts of the field, including but not limited to vectors, vector norms and inner products, matrices, matrix-vector and matrix-matrix multiplication, matrix inverses, solving systems of linear equations, vector spaces, orthogonality, least-squares, eigenvalues and eigenvectors, singular value decompositions, and principal component 分析。这些理论工具将基于科学，工程，机器学习，数据科学，物流和经济学的令人兴奋的问题。通过基于应用程序的案例研究，将向学生展示如何使用线性代数对问题进行建模以及如何使用标准Python Scientififififififififififififififififififififififififififififififififififififififififififbra模拟问题。
对工业螺丝驾驶数据中异常检测的机器学习方法的比较研究Nikolai West
摘要本文研究了机器学习的应用（ML）方法在螺丝驾驶操作中的时间序列数据中的异常检测方法，这是制造业中关键的过程。利用一个新颖的开放访问现实世界数据集，我们探讨了几种无监督和监督的ML模型的功效。在无监督的模型中，DBSCAN以96.68％的精度和90.70％的宏F1得分表现出最佳性能。在监督模型中，随机森林分类器擅长于99.02％的精度，宏F1得分为98.36％。这些结果不仅强调了ML在提高制造质量和效率方面的潜力，而且还强调了其实际部署的挑战。这项研究鼓励对工业异常检测的ML技术进行进一步的研究和完善，从而有助于提高弹性，高效和可持续的制造过程。包括完整数据集以及基于Python的脚本的整个分析是通过专用存储库公开提供的。这种对开放科学的承诺旨在支持我们工作的实际应用和未来改编，以支持质量管理和制造业中的业务决策。关键字：异常检测，螺丝驾驶操作，收紧过程，监督学习，无监督学习。