XiaoMi-AI文件搜索系统
World File Search SystemSVR
使用局部放电数据和支持向量回归的锂离子电池健康状态评估程序
摘要：电池老化是一种复杂的现象，精确的健康状态 (SoH) 监测对于有效的电池管理至关重要。本文提出了一种基于支持向量回归 (SVR) 的数据驱动 SoH 估计方法，利用从全放电和部分放电容量曲线以及电池温度数据构建的特征。它深入讨论了从不同电压间隔构建的新特征。此外，分析了三种特征组合，展示了它们的功效在不同电压范围内的变化。使用从 2 到 3.4 V 的完整间隔构建的全放电容量曲线获得了成功的结果，并且在测试集上实现了 0.962 的平均 R 2 值，从而展示了所选 SVR 策略的充分性。最后，将从全电压范围构建的特征与从 10 个小电压范围构建的特征进行了比较。观察到了类似的成功，证据是不同电压范围内的平均 R 2 值介于 0.939 和 0.973 之间。这表明所开发的模型在现实场景中具有实际适用性。所提出的模型的调整和评估是使用丰田创建的包含 124 个磷酸铁锂电池的大量数据集进行的。
实施多项式函数
摘要。从历史上看，腐蚀抑制剂技术的探索已广泛依赖于实验方法，这些方法与大量成本，持续时间延长和大量资源利用相关。然而，ML方法的出现最近引起了人们的关注，作为研究具有腐蚀抑制特性的潜在材料的有前途的途径。这项研究通过利用多项式函数来努力提高ML模型的预测能力。具体而言，该研究重点是评估吡啶 - 喹啉化合物在缓解腐蚀中的有效性。各种ML模型进行了系统评估，并集成了多项式功能以增强其预测能力。多项式函数的整合显着放大了所有测试模型的预测精度。值得注意的是，SVR模型是最熟练的，其R²为0.936，RMSE为0.093。本询问的结果强调了通过在ML模型中掺入多项式功能促进的预测准确性的显着增强。所提出的SVR模型是预测吡啶 - 喹啉化合物腐蚀抑制潜力的强大工具。这种开创性方法为推进机器学习方法提供了宝贵的见解，该方法旨在以有希望的腐蚀抑制特性设计和工程材料。
使用激光粉末融合和激光金属沉积
光聚合物衍生的碳的越来越流行，但可用特征尺寸的范围有限。这里的重点是扩展轨道到低表面与体积比（SVR）结构。描述了具有FTIR和DSC的高温丙烯酸光聚合前体的前体，并开发了用于在MM量表中以1.38×10 - 3μm-1的SVR生产构建的碳的热惰性总和处理。基于热重分析和质谱法，两种激活能量为≈79和169 kJ mol -1的热度制度被撤消，这在聚合物的形态转换过程中的机制是理论的，在300°和500°C之间的形态转换过程中。元素组成（440–600°C，O/C 0.25–0.087％）。洞察力导致对初始坡道（2°C min -1至350°C），等温固定（14 h），后保持坡道（0.5°C min -1-1至440°C）和最终坡道（10°C min -1至1至1000°C）进行优化的热处理。所得的碳结构在尺寸上是稳定的，无孔在μm的比例下，并包含特征大小的前所未有的变化（从mm到μm，比例）。发现应将构造碳推向工业相关的量表。
发作性和慢性偏头痛患者的脑网络结构特征
方法：纳入 19 名健康对照者 (HC)、17 名 EM 患者和 12 名 CM 患者。计算皮质厚度和皮质下体积，并使用图论分析框架和基于网络的统计数据分析拓扑结构。我们进一步使用支持向量机回归 (SVR) 来确定这些网络测量是否能够预测临床参数。结果：基于网络的统计数据显示，与 HC 相比，EM 和 CM 中包括额颞区、顶叶和视觉区在内的解剖区段之间的区域间连接强度明显较低。两组患者均观察到更高的分类性，其中 CM 的模块性高于 HC，EM 的传递性高于 HC。对于皮质下网络，两组患者均观察到更高的分类性和传递性，CM 的模块性高于 HC。SVR 显示，网络测量可以稳健地预测偏头痛患者的临床参数。结论：我们发现与 HC 相比，偏头痛患者的网络高度分离，这表明 EM 和 CM 的整体网络中断。 CM 的模块性较高但聚类系数较低，表明该组与 EM 相比存在更多隔离。隔离网络的存在可能是头痛相关脑回路适应不良重组的征兆，从而导致偏头痛发作或疼痛的继发性改变。
使用机器学习模型绘制高山谷（意大利北部）中的土壤有机碳库存和不确定性
摘要：在这项研究中，我们对两个土壤层（0-10 cm和0–30 cm; Soc股票10和SOC 10和SOC 30）的土壤有机碳库存（SOC库存）和相关的不确定性进行了全面分析。，我们在不同的机器学习模型中采用了数字土壤图（DSM）方法，包括多元自适应回归花纹（MARS），随机森林（RF），支持向量回归（SVR）和Elastic Net（ENET）。我们的数据集包含来自110个Pro文件的土壤数据，考虑到存在岩石碎片的存在，所有基于散装密度（BD）的所有采样点的SOC库存计算，无论是测量还是估计。作为我们研究的环境协变量，我们使用了环境变量，尤其是从数字高程模型（具有20 m像素分辨率），土地覆盖数据和气候图中得出的地貌学参数。为了评估模型的有效性，我们使用确定的系数评估了他们预测SOC股票10和SOC股票30的能力（R 2）。SOC股票10的结果如下：火星0.39，ENET 0.41，RF 0.69和SVR 0.50。对于SOC库存30，相应的R 2值为：MARS 0.45，ENET 0.48，RF 0.65和SVR 0.62。此外，我们计算了均方根误差（RMSE），平均绝对误差（MAE），偏差和Lin的一致性相关系数（LCCC），以进行进一步评估。使用RF模型的由此产生的SOC库存图显示了SOC股票10的RMSE = 1.35 kg m -2的精度，而SOC库存的RMSE = 3.36 kg m -2的精度。为了绘制SOC库存的空间分布并解决两个土壤层中的不确定性，我们选择了RF模型，因为它的性能更好，如最高R 2和最低的RMSE和MAE所示。为了进一步评估和说明土壤图的精度，我们通过分析了表现最佳的RF模型的50个迭代的标准偏差（SD），进行了不确定性评估和映射。该分析有效地强调了我们土壤图中获得的高精度。不确定性的地图表明，与SOC股票相比，RF模型可以更好地预测SOC股票10。预测SOC股票的正确范围是该方法论的主要局限性。
基于扫描仪的实时 3D 脑+身体切片到体积重建，用于 T2 加权 0.55T 低场胎儿 MRI
目的 将 SVRTK 方法集成到 Gadgetron 框架中，可以在低场 0.55T MRI 扫描仪中在扫描持续期间自动进行 3D 胎儿大脑和身体重建。方法 通过将适用于低场 MRI 的自动可变形和刚性切片到体积 (D/SVR) 重建与基于实时扫描仪的 Gadgetron 工作流程相结合，实现基于深度学习、集成、稳健且可部署的工作流程，从几个运动损坏的单独 T2 加权单次 Turbo Spin Echo 堆栈中产生超分辨率 3D 重建的胎儿大脑和身体。在 12 个前瞻性获取的胎儿数据集中，从胎龄 22-40 周的范围对流程的图像质量和效率进行定性评估。结果 重建在获取最终堆栈后平均 6:42 ± 3:13 分钟内可用，并且可以在正在进行的胎儿 MRI 扫描期间在扫描仪控制台上进行评估和存档。输出图像数据质量被评为良好至可接受的水平。对 83 个 0.55T 数据集进行的管道额外回顾性测试表明，低场 MRI 的重建质量稳定。结论 所提出的管道允许基于扫描仪的低场胎儿 MRI 前瞻性运动校正。这项工作的主要新颖部分是将自动化胎儿和身体 D/SVR 方法汇编成一个组合管道，首次将 3D 重建方法应用于 0.55T T2 加权数据，以及在线集成到扫描仪环境中。
VA Hudson Valley Health Carey System
缩写：AAE，每1000例预期的绝对效果； ACT，主动对照试验； AE，不利事件； ACVR1，激活素A型I型； ALK2，激活素受体样激酶2；同种异体造血干细胞移植；蝙蝠，最好的疗法； BCRP，乳腺癌抗性蛋白； DB，双盲； DD，双假人；差异，差异； ECOG，东部合作肿瘤学小组； EPO，红细胞生成素；人力资源，危险比； int，中级； IPS，国际预后评分系统； Jaki，Janus激酶抑制剂； MF，骨髓纤维化； MFSAF TSS-50在骨髓纤维化症状评估表中的基线降低50％； MMB，Momelotinib； MN，跨国公司； MOA，作用机理； NE，不可估计； ni，非劣势； OATP，有机阴离子运输多肽； OL，开放标签； OS，整体生存； PLT，血小板或血小板计数； PMF，原发性骨髓纤维化； PMN，多形核白细胞； PN，周围神经病； PS，性能状态；问，建议的评分，评估，开发和评估（等级）质量评级； RBC，红细胞； RCT，随机临床试验； rux，ruxolitinib; SMF，继发性骨髓纤维化； SUP，优越性； SVR，脾脏响应； SVR-35，SVR中的基线降低35％； Ti，输血独立性； TSS，总症状评分； ULN，正常
4心脏周期
每个心脏周期都由一个放松时期（舒张期），然后是心室收缩（收缩）。在舒张期间，心室放松以填充。在左室和左心室收缩中，分别将血液驱逐到肺和全身循环中。心室通过主动脉将血液泵入系统性循环中。全身血管抗性（SVR）比肺血管耐药（PVR）大5-7倍。这使其成为高压系统（与肺血管系统相比），这需要从左心室（LV）中获得更大的机械功率输出。LV的游离壁和介入的隔膜形成心脏中大部分肌肉质量。正常的LV可以产生高达300 mmHg的脑室内压力。冠状动脉灌注左室主要发生在心肌放松时。右心室从静脉腔和冠状动脉循环中接收血液，并通过肺脉管系统将其泵入LV。由于PVR是SVR的一部分，因此肺动脉压相对较低，右心室（RV）的壁厚远小于LV的壁厚。RV因此类似于被动导管，而不是泵。冠状动脉灌注在收缩期和舒张期间连续发生，这是由于脑室室内和壁内压力低。尽管存在解剖学差异，但RV和LV的机械行为非常相似。
使用亨利的气体溶解度优化和粒子群优化的机器学习技术估算桩结算
确保建筑项目是安全的，例如堆叠结构，需要考虑在此期间免疫结构。桩定居点（PS）是一个重要的项目问题，并且正在引起广泛关注，以防止在施工开始之前发生故障。几个用于估算桩运动的项目可以帮助了解加载阶段的项目的观点。在PS模拟中使用了最聪明的策略用于桩运动的数学计算。因此，在本文中，考虑了精确的桩运动计算，考虑了开发的框架操作支持向量回归（SVR）以及亨利的气体溶解度优化（HGSO）和粒子群优化（PSO）。优化器的使用是调整SVR的一些内部设置。选择了使用已发达的SVR-HGSO和SVR-PSO结构的陆地岩石特征来研究基于土地岩石特征的桩的运动。使用五个指标来评估每个模型的性能。这项研究的主要目的是以两个开发模型的形式评估人工智能方法，以使用混合优化的框架模拟桩沉降速率。建模的R 2在0.99水平上类似地获得。SVR-PSO的RMSE分别出现超过两倍的SVR-HGSO，分别为0.46和0.29 mm。此外，测试阶段结果显示，SVR-HGSO的性能较高，MAE指数为0.278，比另一个索引低57.10％。OBJ通过0.283mm级别计算的SVR-HGSO证明了准确的建模。
多模态静息状态连接可预测情感神经反馈表现
神经反馈被认为是不同精神疾病的潜在补充疗法。这种方法的兴趣在于预测个人表现和结果。在本研究中，我们应用基于功能连接的建模，使用脑电图 (EEG) 和功能性近红外光谱 (fNIRS) 模式来 (i) 研究静息状态连接是否可以预测情感神经反馈任务期间的表现，以及 (ii) 评估预测连接概况在 EEG 和 fNIRS 技术之间的相关程度。在健康受试者的额叶皮质上记录的 fNIRS 氧合血红蛋白和脱氧血红蛋白浓度以及受 alpha 频带调制的 EEG beta 和 gamma 波段（分别为 beta-m-alpha 和 gamma-m-alpha）用于估计来自每种神经成像模式的功能连接。对于每个连接矩阵，采用留一法选择相关边，将其汇总为“连接汇总分数”（CSS），并作为输入提交给支持向量回归器（SVR）。然后，使用训练后的 SVR 模型预测被排除在外的受试者的表现。使用 Pearson 相关性评估两种模态的 CSS 之间的线性关系。预测模型显示平均绝对误差小于 20%，fNIRS 氧合血红蛋白 CSS 与 EEG gamma-m-alpha CSS 显著相关（r = -0.456，p = 0.030）。这些结果支持了任务前电生理和血流动力学静息态连接是神经反馈表现的潜在预测因子，并且是耦合的。这项研究促使使用联合 EEG-fNIRS 连接作为结果预测因子，以及作为功能连接耦合研究的工具。