XiaoMi-AI文件搜索系统
World File Search SystemPerceptron
文章 使用深度学习和公平人工智能技术对幼儿和成人进行自闭症筛查
摘要：自闭症谱系障碍 (ASD) 与抑郁、焦虑、癫痫等疾病有关，因为它会影响个人的教育、社交和就业。由于诊断困难且无法治愈，因此目标是通过减轻症状来最大限度地发挥个人的能力，早期诊断在改善行为和语言发展方面发挥着作用。本文使用公平人工智能（特征工程、SMOTE、优化等）和深度学习方法对幼儿和成人的自闭症筛查分析。该分析考虑了传统的深度学习方法，如多层感知器 (MLP)、人工神经网络 (ANN)、卷积神经网络 (CNN) 和长短期记忆 (LSTM)，并提出了两种混合深度学习模型，即带有粒子群优化 (PSO) 的 CNN-LSTM 和结合门控循环单元 (GRU-CNN) 的 CNN 模型。这些模型已经通过多种性能指标进行了验证，并且分析证实了所提出的模型比传统模型的性能更好。
UBC在IDPP：使用机器学习算法从传感器数据中预测患者自我评估 blgav：基于BERT和BILSTM笔记本PAN的生成AI作者验证模型，clef 2024 ds@gt clef2024 bionne竞赛工作说明 Bionne任务概述在Bioasq 2024 上的生物医学嵌套的nested nested nested。 生成的AI是否可以成为学术论文的审稿人？ Clef 2024 Joker任务2：根据类型和技术使用BERT和随机森林分类器进行幽默分类 bcav：基于BERT和CNN笔记本电脑的集成在Clef 2024 使用讽刺和讽刺来使HRI 中的不确定性 带有正则辍学的验证生成文本作者资格模型 对基于FPGA的优化和深度学习卷积神经网络的应用的应用 Digi-nose第2部分：使用传感器技术提高数字鼻系统的准确性和效率，以尽早发现森林变化 simpn：用于建模和模拟定时的彩色培养皿的Python库 引入BPMN-CHATBOT以进行有效的LLM工艺建模 根据AI Systems 在IT相关主题中检查学生作业的自动化 使用人工智能在教学学生编程语言中使用 利用多模式潜在扩散模型，用于行业的准确异常检测5.0 使用AI-ENHANCED ICT进行终身学习 朝着AI驱动的下一代个性化医疗保健和福祉 数字库的视觉导航
摘要在本文中，我们探讨了各种深度学习技术来开发机器学习模型，以预测患者的第二次自动评估的肌萎缩性侧面硬化功能评级量表（ALSFRS-R）得分，以预测肌萎缩性侧向硬化功能评级量表（ALSFRS-R）。要执行任务，使用自动编码器和多个插补技术来处理数据集中存在的缺失值。预先处理数据后，使用随机的森林算法进行特征选择，然后开发了4个深神经网络预测模型。使用多层感知器（MLP），Feed Hearver Near Network（FFNN），复发性神经网络（RNN）和Long-Short术语记忆（LSTM）开发了四个预测模型。However, the developed models performed poorly when compared to other models in the global ranking hence, 3 more algorithms (Random Forest, Gabbing Regressor and XGBoost algorithm) were used to improve the performance of the models and the developed XGBoost algorithm outperformed other models developed in this paper as it produces minimal MAE and RMSE values.
基于物联网的火灾检测：机器学习技术的编译研究
摘要无法检测到的摘要ÖZ火灾变得无法控制。开始无法控制的火灾对人类和自然生命构成了重大危险。，尤其是在公共和拥挤的地区，大火可能导致生命损失和大规模财产损失。因此，有必要尽可能准确，快速检测火灾。与物联网（IoT）技术一起使用的烟雾探测器可以彼此交换数据。在这项研究中，使用机器学习算法处理从两种不同类型的基于IoT的烟雾探测器收集的数据。使用K-Nearest邻居（K-NN），多层感知器（MLP），径向基函数（RBF）网络，幼稚的贝叶斯（NB），决策树（DT），随机森林（RF）和Logistic Model树（RF）和Logistic Model树（LMT）算法。使用机器学习算法处理从烟雾探测器获得的数据，以创建非常成功的模型设计。该研究的目的是设计一个基于人工智能的系统，该系统能够尽早发现在室内和室外发生的火灾。
人工智能在设计行业中的作用
理由。在过去的几年里，神经网络已经学会了生成图像、创作音乐以及编写小说和科学文本。神经网络在不久的将来真的会取代艺术家吗？这种分析将有助于回答所提出的问题，并从定性上理解用机器计算取代创作过程的问题。目标是确定人工智能在当今艺术行业中的作用并分析其未来发展的可能性。方法。首先，值得分析一下神经网络的出现历史及其发展趋势。创建人工智能的科学设想最早出现于20世纪中期。早在1943年，沃尔特·皮茨（Walter Pitts）和沃伦·麦卡洛克（Warren McCulloch）就开发了神经元的数学模型。后来，在1960年，Frank Rosenblatt提出了感知器（Perceptron）的想法，这是一种基于对各种数据的分析而让计算机进行学习的模型。弗兰克·罗森布拉特 (Frank Rosenblatt) 发明了 Mark 1 电子机器，这是第一台神经计算机。后来，人们发明了更有效的“反向传播方法”，加速了神经网络的训练，并显著扩展了其能力。如今，神经网络不仅能够执行与特定动作序列相关的各种明确任务，而且还能够完全“模拟”创作过程，分析全球网络上数十万件艺术家的作品[1]。例如，2022 年《Cosmopolitan》杂志的封面完全由 DALL-E 2 神经网络创建（图 1）。现在与神经网络相关的重要问题之一是版权问题。在俄罗斯联邦，目前的立法还没有对此类问题进行规范，但俄罗斯的立法程序已经在考虑有关神经网络开发和使用问题的类似方面[3]。美国最近就神经网络作品的版权所有权展开了全面的法律诉讼。 Z.A. 写过这篇文章。 Dyatlov 在他的文章“作品版权，
使用人工智能检测石头、剪刀、布游戏中的人类行为模式
作为娱乐工具，电脑游戏是世界上的重要现象，被认为是一种流行的媒介、一种有效的教育解决方案和一项可观的经济资源。本文使用多层感知器 (MLP) 神经网络来检测石头、剪刀、布游戏中的人类行为模式。人工神经网络 (ANN) 与人脑的相似性是本研究的主要动机。使用 MATLAB 软件实现网络代码。这些代码包括两个阶段：1) 训练 ANN 学习考虑四十种游戏的人类行为模式。2) 通过进行十场游戏与人类进行真实对战。在网络实施后，研究了其在检测人类行为模式方面的有效性。对 40 人（20 名女性和 20 名男性）进行了网络测试。每位选手分三个阶段使用目标网络进行比赛。本研究结果显示，配备MLP神经网络的计算机在60场比赛中的获胜率为男性57.5％，女性60.8％。而没有神经网络且使用随机选择的计算机在60场比赛中的获胜率为男性52.5％，女性42.5％。
人机混合智能方案
摘要 — 本文研究了一种在边缘云协作框架下的视频服务增强策略，其中视频缓存和交付决策分别在云端和边缘进行。我们的目标是在统计延迟约束和边缘缓存容量约束下保证视频编码率方面的用户公平性。开发了一种混合人机智能方法来提高视频缓存的用户命中率。具体而言，首先通过合并分解机 (FM) 模型和多层感知器 (MLP) 模型来表征个人用户兴趣，其中低阶和高阶特征可以同时很好地学习。此后，构建了一个社会意识相似性模型，将个人用户兴趣转移到群体兴趣，在此基础上可以选择视频进行缓存。此外，提出了一种双二分探索方案来优化无线资源分配和视频编码率。最终通过使用真实数据集的大量实验验证了所提出的视频缓存方案和视频传输方案的有效性。
采用多层感知和 XGBoost 算法混合模型的心脏病预测系统
摘要。在机器学习研究中，多层感知器 (MLP) 算法在提高心脏病诊断的准确性和有效性方面起着关键作用。本文提出了一种心脏病预测方法，包括基于 RReliefF 的特征重要性评估，然后提出基于 MLP 的特征分类方法，该分类方法基于重要性得分分为三组。该研究采用三个前馈神经网络对聚类组进行有效分类。此外，集成方法利用 XGBoost 集成分类，利用增强集成学习来增强 FNN 模型输出的整体分类。通过将克利夫兰数据集划分为 70% 的训练集和 30% 的测试集，创建独立的数据集，将 MLP 输出合并到 XGBoost 模型中可获得令人满意的测试性能。混淆矩阵展示了准确的分类，准确率为 96.67%，灵敏度为 95.92%，精度为 97.92%。F1 得分为 96.91%，验证了该模型在精度和召回率方面的平衡性能。这项研究证明了整合数据处理、特征工程和集成学习技术对心血管疾病预测的有效性，为医疗保健应用提供了可靠有效的方法。
莫扎特，一种基于QSAR多目标网络的工具，可预测多种药物 - 酶相互作用
摘要：开发能够预测药物与酶之间相互作用的模型是计算生物学的主要目标，因为这些模型可用于预测新的活性药物以及未经测试靶标的已知药物之间的相互作用。随着大型药物 - 酶对数据集的汇编（62,524），我们发现了一个独特的机会，试图构建一种新型的多目标机器学习（MTML）定量结构活性关系（QSAR）模型，以探测不同药物和酶靶标之间的相互作用。为此，本文基于使用拓扑药物的特征以及人工神经网络（ANN）多层感知器（MLP）提出了MTML-QSAR模型。发现最佳模型的验证是通过内部交叉验证统计和其他相关诊断统计参数进行的。发现该模型的总体准确性高于96％。最后，为了最大程度地扩散该模型，已经开发了一种公共且可访问的工具，以允许用户执行自己的预测。开发的基于Web的工具是可以访问的，可以作为免费的开源软件下载。
训练深度量子神经网络：补充信息
众所周知（参见 [1]），由经典感知器组成的神经网络可以表示任何函数。因此，希望量子神经网络也具有相同的特性。为了证明普适性，我们构建了一个能够进行通用量子计算的特定网络。即使每个神经元只对应一个量子比特，QNN 也是通用的。但是，如果每个神经元有更多量子比特，则构造会简化，并且我们针对单轨和双轨量子比特神经元以及最一般的神经元分别提供了证明。对于感知器节点为单个量子比特的情况，我们表明由 4 个神经元（两个输入和两个输出）组成的全连接网络可以学习任何两量子比特幺正 V 。一种可能的解决方案是：对应于第一个输出神经元的单元是输入量子位的希尔伯特空间上的 V，然后是第一个输入和输出量子位的希尔伯特空间上的 SWAP，对应于第二个输出神经元的单元是第二个输入和输出量子位的希尔伯特空间上的 SWAP（参见补充图 1）。
手语识别方法：综述
摘要：聋哑人士的翻译一直是人们面临的一个问题，因为他们主要依靠手语进行交流。尽管多个国家为聋哑人士提供了资源，例如新西兰就有一名手语翻译和新闻传播者，但聋哑人士社区的积极参与仍处于初级阶段。绑架、欺骗、火灾等令人不安的情况或任何其他普遍痛苦的情况可能会进一步加剧这种沟通障碍，因为哑巴尽了最大努力进行交流，但大多数人仍然不了解他们的语言。因此，弥合这两个世界之间的差距是至关重要的。本文旨在让读者简要了解手语交流的工作原理，并提出在该领域进行的研究，解释如何捕捉和识别手语，并尝试提出系统化的解决方案。关键词：希尔伯特曲线、支持向量机、随机森林、人工神经网络、前馈反向传播、霍夫变换、卷积神经网络、堆叠去离子解码器、多层感知器神经网络、自适应神经网络。