XiaoMi-AI文件搜索系统
World File Search SystemTechnique
基础分子遗传技术和生物信息学...
在过去十年中，SAAPBT 开展了 20 多个分子遗传技术和生物信息学工具培训项目。这些项目使 200 多名参与者受益，包括来自兽医、农业、医学和纯科学研究和教学领域的教职员工、研究生和博士学者。基于这一经验，SAAPBT 目前正在 Thrissur 的 Mannuthy 兽医和动物科学学院 SAAPBT 组织一项名为“生命科学研究的基本分子遗传技术和生物信息学工具”的培训项目。该项目专为参与生物科学研究或教学的政府和私人机构的教职员工、研究人员和专业人士而设计。对于那些在分子遗传学实验室工作的人来说，它尤其有价值。培训涉及广泛的学科，包括兽医学、农业、医学和基础科学研究。培训分为两个模块，参与者可以选择其中一个模块或两个模块。每个模块都提供有针对性的培训，参与者完成每个模块后都会获得证书。
使用机器学习技术的假新闻检测
摘要 - 社交媒体中的人们传播了许多信息，以更新其状态并与他人分享关键新闻。但是，这些平台中的大多数并未迅速验证个人或其帖子，人们无法手动识别假新闻。因此，需要一个能够检测假新闻的自动化系统。这项研究提出了使用四种机器学习算法构建模型。实验中采用的数据集是两个数据集的综合，其中包含几乎相等数量的有关政治的真实和虚假新闻文章。预处理阶段首先要通过删除标点符号，令牌化，特殊字符，白色空间，冗余单词消除，数字和英文字母，然后启动并停止数据离散化。然后，我们分析了收集到的数据，其中80％的数据最初用于训练每个模型。之后，应用四种明显的分类算法。使用新闻文章中的虚假新闻，诸如逻辑回归，决策树，随机森林和梯度提升分类器之类的方法。使用其余20％的数据评估了受过训练的分类器的精度。结果表明，决策树模型的最佳精度为99.60％，梯度提升为99.55％。此外，随机森林显示99.10％，逻辑回归98.99％。此外，我们还探索了根据混乱矩阵的结果获得最高精度，回忆，F1得分的最佳模型。索引术语 - 社会媒体，虚假新闻检测，机器学习，分类器，逻辑回归，决策树，随机森林，梯度提升。
基于人工智能的 COVID-19 检测药物发现技术 ■ 120
药物发现是寻找治疗新疾病的药物的过程。它涉及靶标识别、靶标验证、先导化合物识别和先导化合物优化。识别对疾病有特定功能的蛋白质称为靶标识别。根据发明人的思维过程验证靶标称为靶标验证。针对靶标蛋白识别最佳化合物的过程称为先导化合物识别。先导化合物优化是确保化合物具有与药物相关的特性的过程。发明人必须确保所识别化合物的生物利用度、特异性和毒性。用动物测试化合物以检查化合物反应的过程称为临床前测试。图 1 解释了药物发现和开发时间表。
物联网（IoT）基于风能收获的机器学习技术
摘要 - 物联网（IOT）是可再生能源研究的重要途径，尤其是在增强风车性能，降低风能成本以及减轻风能风险的方面。本文集中于利用物联网评估风能和太阳能以及估计模块寿命。物联网已改进了评估方法，监视精度和产品测试，绿色能源中的电力网络可靠性和库存管理影响。预测绿色能源输出至关重要，但由于风速爆发而具有挑战性。机器学习（ML）技术用于预测基于风能的电力输出，并对预测方法进行比较评估。物联网技术和算法可实现能源消耗预测，得出更准确的预测和较低的均方根误差（RMSE）。准确的气象预测至关重要，在绿色能源部门中，需要对真实风力发电机数据进行预测模型。该研究旨在开发用于精确预测的技术，重点是针对光伏系统的全面风预测算法。各种ML技术和绿色能源预测软件在这项工作中的准确性评估。
单元 — I — 航空航天应用的传热技术 — SAE1306
参数 尺寸 单位 质量 M 千克，kg 长度 L 米，m 时间 T 秒，s 温度 Ϫ 开尔文，K，摄氏度 速度 L/T 米/秒，m/s 密度 ML –3 千克/米 3 力 ML –1 T –2 牛顿，N = 1 千克·米/秒 2 压力 ML 2 T –2 N/米 2 ，帕斯卡，Pa 能量，功 ML 2 T –3 Nm，= 焦耳，J 功率 ML 2 T –3 J/s，瓦特，W 绝对粘度 ML –1 T –1 Ns/米 2 ，Pa-s 运动粘度 L 2 T –1 米 2 /s 热导率 MLT –3 Ϫ –1 W/mK，W/mo C
采用机器学习技术来分析交叉销售的客户记录
这项研究深入研究了健康保险交叉销售，其中将其他保险产品促进了现有保单持有人，建议对拥有基本健康保险的人进行补充保险，例如牙科或人寿保险。这项研究的重点是应用机器学习来预测南非客户之间的交叉销售机会。目的是开发一种预测模型，以帮助健康保险公司确定潜在的交叉销售客户。利用定量研究方法，使用各种机器学习算法（包括随机森林，k-nearest邻居，Xgboost分类器和python中的逻辑回归）分析了健康保险消费者信息的全面数据集。结果表明，逻辑回归是表现最佳的模型，当在1,000,000个健康保险客户的数据集中接受17个功能，包括健康保险客户信息，因此获得了0.83的准确得分，F1得分为0.91。发现的分析表明，以前的保险和更长的服务历史的客户更有可能购买其他健康保险产品。这些见解使健康保险公司通过改善客户的目标和保留策略来增强收入，从而为行业对有效的交叉销售方法的理解提供了宝贵的信息。该方法包括定量数据提取和机器学习应用，因此有助于交叉销售策略理解的进步。
一种预测心脏病的新方法：机器学习技术
抽象的心脏病和机器学习是两个不同的词，其中一个与医学领域有关，另一个与人工智能有关。在医疗中，大多数人都面临着心脏病的问题，机器学习正在发展计算机科学领域。心脏病被称为心脏病，它提供了更多的数据或信息，应收集它以提供患者的报告，并且机器学习还需要用于预测和解决问题的数据。机器学习技术用于预测心脏病的预测，在这种预测中，它以更少的计算时间和更高的准确性来促进其健康。心脏病预测需要大量的数据来预测，在云计算中，我们也有更多数据，并且在云中可用的数据很难分析。因此，我们使用机器学习算法或技术来预测心脏病，并且以相似的方式应用了这些算法或技术来预测或分析云中可用的数据。在本文中，我们将使用称为Backpropagation算法的机器学习算法，后来我们以后使用优化算法。反向传播算法涉及人工神经网络。反向传播是一种方法，用于计算一批数据后每个神经元的误差贡献（在图像识别，多个图像中）。这是由包围优化算法使用的，以调整每个神经元的重量，从而完成该情况的学习过程。机器学习算法和技术用于识别人类风险问题的强度，它可以帮助患者采取安全措施，以挽救患者的生命。关键字：机器学习，云计算，心脏，反向传播，优化
探索 DNA 操作的先进技术
DNA 测序：DNA 测序是一种用于确定 DNA 分子中核苷酸顺序的技术。DNA 测序有几种方法，包括桑格测序、下一代测序 (NGS) 和单分子实时 (SMRT) 测序。桑格测序是一种广泛使用的方法，涉及使用荧光标记的脱氧核苷酸，当其掺入生长的 DNA 链中时会终止 DNA 合成。终止的片段通过凝胶电泳分离，并通过分析荧光信号的颜色来确定序列。NGS 是一种高通量方法，可以同时对数百万个 DNA 片段进行测序。SMRT 测序涉及使用单个 DNA 分子，对其进行实时测序。