XiaoMi-AI文件搜索系统
World File Search SystemPNN
使用概率神经网络解码脑电图运动图像的有效连通性
摘要：在过去几年中，基于运动图像（MI）的大脑 - 计算机界面引起了很多关注。他们提供了通过使用大脑活动来控制外部设备的能力，例如假肢和轮椅。一些研究人员报告了运动任务期间多个大脑区域的交流，因此很难隔离发生运动活动的一个或两个大脑区域。因此，对大脑神经模式的更深入的了解对于BCI来说很重要，以便提供更有用和有见地的特征。因此，大脑连接性提供了一种有希望的方法，可以通过在运动想象中考虑通道间/区域关系来解决所述的缺点。这项研究以部分定向相干性（PDC）和定向传递函数（DTF）为大脑中的有效连通性，作为运动成像（MI）分类的非常规的特征集。进行了基于MANOVA的分析以识别统计上显着的连接对。此外，该研究试图通过使用四种分类算法（SVM，KNN，决策树和概率神经网络）来预测MI模式。研究使用从Physionet EEG数据库中提取的两类MI数据对所有分类方法进行了比较分析。基于概率神经网络（PNN）作为分类器和PDC作为特征集的提议技术优于其他分类，并且具有较高分类精度和较低差异率的其他分类和提取技术。研究发现表明，当PDC用作特征集时，PNN的总体平均准确性最高98.65％，而同一分类被用于达到DTF的最大精度为82.81％。本研究通过与常规特征相比，通过大脑连通性获得更好的分类结果来验证运动任务期间多个大脑区域的激活。由于PDC的表现优于DTF作为具有出色分类精度和低误差率的特征集，因此它具有在基于MI的脑部计算机接口中应用的巨大潜力。
深入分析软件中的各种人工智能技术
在本文中，我们通过实验实施扩展了文献调查。分析软件工程 (SE) 中的众多人工智能 (AI) 技术有助于更好地理解该领域；与之结合使用时，结果将更有效。我们的手稿展示了各种基于 AI 的算法，包括机器学习技术 (ML)、人工神经网络 (ANN)、深度神经网络 (DNN) 和卷积神经网络 (CNN)、自然语言处理 (NLP)、遗传算法 (GA) 应用。使用蚁群优化 (ACO) 方法进行软件测试，使用组数据处理方法 (GMDH)、概率神经网络 (PNN) 预测软件可维护性，并使用时间序列分析技术进行软件生产。此外，数据是基于 AI 的模型测试和验证技术的燃料。我们还在脚本中使用了 NASA 数据集承诺存储库。AI 在 SE 中有各种应用，我们已经通过实验证明了其中一种，即使用基于 AI 的技术进行软件缺陷预测。此外，还提到了预期的未来趋势；这些都是对研究的一些重要贡献。
基于近端神经网络的重建，用于几个...
摘要本文通过使用基于学习的方法从有限数量的观点中解决了层析成像重建的挑战。通过使用高斯denoing算法的能力来处理复杂的优化任务，通过插入式游戏（PNP）算法的最新进步（PNP）算法显示了求解成像逆概率的希望。传统的denoising手工制作的方法产生具有可预测特征的图像，但需要复杂的参数调整并遭受缓慢的结合。相比之下，基于学习的模型可提供更快的性能和更高的重建质量，尽管它们缺乏解释性。在这项工作中，我们提出培训近端神经网络（PNN），以消除任意伪像并改善PNP算法的性能。这些网络是通过展开旨在找到最大后验（MAP）估计值的近端算法获得的，但使用学习的线性运算符在固定数量的迭代范围内获得。pnns提供了灵活性，可以通过近端算法来适应任何图像恢复任务。此外，与传统的神经网络相比，它们具有更简单的体系结构。
利用可解释的人工智能进行电子病历数据分析及中风疾病预测
脑部缺氧会导致细胞死亡，脑细胞控制的身体部位就会失去功能。脑部血管受损或破裂就是人们所熟知的中风。影响中风的因素有很多，这些因素当然需要观察和警惕，以防止中风人数的增加。因此，本研究旨在使用统计分析（相关性）分析影响病历中中风的变量，并使用XAI算法进行中风预测。分析的因素包括性别、年龄、高血压、心脏病、婚姻状况、居住类型、职业、血糖水平、BMI和吸烟。根据研究结果，我们发现女性中风的风险高于男性，即使没有高血压和心脏病的人（高血压和心脏病没有及早发现）中风的风险仍然很高。已婚人士中风的风险也高于未婚人士。此外，吸烟、工作时思维和活动非常激烈、居住环境不利等不良习惯也可能会引发中风。年龄、BMI 和血糖水平的增加肯定会影响一个人的中风风险。我们还成功地使用 EMR 数据预测了中风，准确度、灵敏度和精确度都很高。基于性能矩阵，与其他算法（如 RF、NB、SVM 和 KNN）相比，PNN 的准确度、灵敏度和 F 测量值最高，分别为 95%、100% 和 97%。1. 简介
补充材料心血管METTL3缺乏症...
基因id名称ENSMUSG0000000018796酰基-COA合成型长链家族成员1（ACSL1）ENSMUSG0000000000209994 PININ（PNN）ENSMUSG000000000026987溴模块附近的溴模域，与锌指域相邻，2B（BAZ2B）ENSMUSMUSG00310101010101010101010101010101010101010101010101010101010101010101010101010101010101010010染色体（USP9X）ENSMUSG0000000026207 SPEG COMPLEX基因座（SPEG）ENSMUSG00000000000039197腺苷激酶（ADK）Ensmusg0000000098812 MicroRNA 7578（miR7578） Ensmusg0000000031871 cadherin 5（CDH5）Ensmusg0000000033365 Importin 13（IPO13）Ensmusg000000000020464 polyribonucleotide核苷酸核苷酸核苷酸核苷酸转移剂1（PNPT1） Ensmusg0000000037058聚腺苷结合蛋白相互作用蛋白2（PAIP2）Ensmusg00000000000042719 N（Alpha） - 乙基转移酶25，NATB辅助亚基（NaA25） ENSMUSG0000000022214 DDB1和CUL4相关因子11（DCAF11）Ensmusg0000000000000014426有丝分裂原激活的蛋白激酶激酶激酶激酶激酶激酶4（MAP3K4）ENSMUSG000000000028626，IX型，Alpha 2pp collpha 2ppe（Col9aa2） （KLF6）ENSMUSG00000052798核孔蛋白107（NUP107）ENSMUSG000000000031446 CULLIN 4A（CUL4A）ENSMUSG0000000026926肽酶（线粒体处理 ENSMUSG00000072612 predicted gene 10382 (Gm10382) ENSMUSG00000045868 GTPase, very large interferon inducible 1 (Gvin1) ENSMUSG00000031715 SWI/SNF related, matrix associated, actin dependent regulator of
MoçambiquePolicyritoDeMográfico和DeSúde2022–23
Ae enumeration area AF aggregate Alcp Food of infants and young children CNBs CPN National Bioethics Committee CPP Care CPP Postpartum Consultation CSPro Census and Survey DHS Demographic and Health Survey Diu Intrauterine devices DP Deviament Dpincial Delegation of the FCDO FCDOn National Institute Delegation, with TH & DEVELOPMENT OFFICE GPS GLOBAL POSITION SYSTEM HIV HUMAN IMMUNODEFICIAL IDS PEOPLE AND HEALTH INJURY INSTITUTE INSTITUTE IRA NATIONAL HEALTH INSTITUTE IRA AUTHATE RESPIRATORY INFECTION MR/MMR VACCINE AGAINST MASS Treated with long -lasting Insecticide RGPH General Population Census and Housing RTI Mosquitoes Treated with Insecticide Sro Oral Rehydration Salts TBN TCA Gross Rate TCA Therapy Combined Artemisinin Therapy TDR Fast Diagnostic Test TFG General fertility rate Ventive USAID UNITED STATES AGENCY FOR INTERNATIONAL DEVELOPMENTAe enumeration area AF aggregate Alcp Food of infants and young children CNBs CPN National Bioethics Committee CPP Care CPP Postpartum Consultation CSPro Census and Survey DHS Demographic and Health Survey Diu Intrauterine devices DP Deviament Dpincial Delegation of the FCDO FCDOn National Institute Delegation, with TH & DEVELOPMENT OFFICE GPS GLOBAL POSITION SYSTEM HIV HUMAN IMMUNODEFICIAL IDS PEOPLE AND HEALTH INJURY INSTITUTE INSTITUTE IRA NATIONAL HEALTH INSTITUTE IRA AUTHATE RESPIRATORY INFECTION MR/MMR VACCINE AGAINST MASS Treated with long -lasting Insecticide RGPH General Population Census and Housing RTI Mosquitoes Treated with Insecticide Sro Oral Rehydration Salts TBN TCA Gross Rate TCA Therapy Combined Artemisinin Therapy TDR Fast Diagnostic Test TFG General fertility rate Ventive USAID UNITED STATES AGENCY FOR INTERNATIONAL DEVELOPMENT
特刊“基于机器学习和深度学习的机器故障诊断和预测的进展”
故障诊断和故障预测旨在通过用预测性或条件性维护策略取代预防性和纠正性维护来减少系统停机时间并优化其性能。诊断算法提供的系统当前健康状态知识以及预测算法提供的系统健康状态随时间演变的知识对于建立预测性和条件性维护必不可少，因此科学界对开发越来越有效的监测算法很感兴趣。在文献中，故障诊断和故障预测方法主要有四种：基于物理模型的方法、数据驱动方法、专家方法和混合方法。数据采集和存储工具以及处理算法的快速发展，加上产生大量数据流的仪器仪表和过程自动化技术的发展，促进了数据驱动方法的发展。本书中提出的论文提出了新的故障诊断和故障预测方法，为结构化和非结构化不确定性、多种故障的存在、缺乏对使用条件的先验知识、特征提取和选择、模型优化和在线实施等科学问题提供了解决方案。本书提供的各种应用支持，从微电子设备到大型系统，强调了每个应用领域特有的实施约束并提出了合适的解决方案。在 [1] 中，提出了一种深度学习方法，该方法结合小波变换用于不同频率和尺度下的特征提取，以及卷积神经网络 (CNN) 用于特征选择和故障分类。两个滤波阶段（小波变换和卷积函数）的关联可以处理过程的非线性机制和变量之间的高度相关性。该方法在制冷剂生产过程中得到了成功验证。 [2] 还将小波变换用作第一步数据处理，并与改进的粒子群优化 (PSO) 和具有线性增加惯性权重的反向传播 (BP) 神经网络相结合。其思想是将 PBNN 与改进的 PSO 算法结合起来进行参数优化，从而提高分类精度。该方法用于交流电源驱动的三相鼠笼感应电动机的故障诊断。考虑的故障包括轴承损坏、定子绕组、匝间短路和转子断条。[3] 也考虑了感应电动机，其研究重点是使用属性选择方法的影响，例如 ReliefF、基于相关性的特征选择 (CFS) 以及基于相关性和适应度值的特征选择 (CFFS)。概率神经网络 (PNN)、径向基函数神经网络 (RBNN) 和反向传播神经网络 (BPNN) 等神经分类器的性能。本研究分析了感应电机的电流信号以进行故障诊断。研究结果表明，ReliefF、CFS 和 CFFS 比未使用的特征选择方法具有更好的效率。[4] 讨论了可变运行条件下的故障诊断问题，其中数据处理是通过统计工具（经验模式分解）和 CFFS 的组合来完成的。
特刊``机器学习和基于深度学习的机器故障诊断和预后的进步''
故障诊断和故障预后旨在减少系统的停机时间，并通过用预测性或有条件的预防和纠正性维护策略来优化其性能。对诊断算法提供的系统的当前健康状况的了解以及预后算法提供的时间演变对于建立预测性和有条件维护是必要的，因此科学界对监测算法的开发越来越多。在文献中，有四个主要的方法来进行故障诊断和失败预后：基于物理模型，数据驱动方法，专家方法和混合方法的方法。数据采集和存储工具的快速开发，处理算法与仪器和过程自动化技术的演变相关联，从而促进了数据驱动方法的开发。本书中提出的论文介绍了故障诊断和失败预后的新方法，这些方法为科学问题提供了解决方案，例如结构化和非结构化的不确定性，存在多个故障，缺乏有关使用条件，特征提取和选择，选择和选择，模型优化和在线实施的先验知识。本书中给出的各种应用程序支持，从微电子设备到大型系统，突出显示了针对每个应用程序每个领域的实现约束，并提供了合适的解决方案。这种方法在制冷剂生产过程中已成功验证。在[1]中，在不同频率和尺度下进行特征提取的深度学习方法，以及用于特征选择和故障分类的卷积神经网络（CNN）。两个过滤阶段的关联（小波变换和卷积功能）允许处理过程的非线性机理以及变量之间的高度相关性。小波变换也用于[2]作为第一个数据处理步骤，与改善的粒子群优化（PSO）和后背传播（BP）神经网络相关，并线性增加了惯性重量。这个想法是将PBNN与改进的PSO算法相结合以进行参数优化，从而可以更好地分类。此方法用于由AC电源驱动的三相松鼠笼电动机的故障诊断。所考虑的故障是轴承损坏，定子绕组，转弯间短路和折叠杆折。Induction motor is also considered in [ 3 ] which focus their study on the impact of the use of attribute selection methods such as ReliefF, correlation-based feature selection (CFS), and correlation and fitness value-based feature selection (CFFS), on the performance of neural classifiers such as probabilistic neural network (PNN), radial basis function neural network (RBNN), and back propagation neural network （bpnn）。这项研究分析了用于故障诊断的感应电动机的当前信号。研究结果表明，与未使用的特征选择方法相比，Relieff，CFS和CFF具有更好的效率。在[4]中处理了可变操作条件下的故障诊断问题，其中数据处理是通过统计工具的组合完成的（经验模式分解 -