XiaoMi-AI文件搜索系统
World File Search SystemUCI
亚米级精度行人室内导航系统，配备...
Solmaz S. Kia 是加州大学欧文分校 (UCI) 机械与航空航天工程副教授。她于 2009 年获得加州大学欧文分校机械与航空航天工程博士学位，并分别于 2004 年和 2001 年获得伊朗沙里夫理工大学航空航天工程硕士和学士学位。2009 年 6 月至 2010 年 9 月，她担任加州埃尔塞贡多 SySense Inc. 的高级研究工程师。她曾在加州大学圣地亚哥分校和加州大学欧文分校机械与航空航天工程系担任博士后职位。她曾于 2012-2014 年获得加州大学校长博士后奖学金，2017 年获得 NSF CAREER 奖，并于 2021 年获得 IEEE Control Systems Magazine 最佳论文奖。Kia 博士是 IEEE Sensors Letters、IEEE Open Journal of Control Systems、Automatica（IFAC 期刊）和 IEEE Transactions on Control of Network Systems 的副主编。她的主要研究兴趣广泛，包括分布式优化/协调/估计、非线性控制理论和概率机器人技术。
2023-24 年度影响报告 - CDN
为 10 亿美元的“辉煌未来”活动筹集了 9.25 亿美元加州大学欧文分校健康事务部是一个价值 45 亿美元的企业，包括苏珊和亨利·萨缪利健康科学学院 (COHS) 和加州大学欧文分校的临床部门 UCI Health。COHS 设有医学院、护理学院、药学院和公共卫生学院，以及苏珊·萨缪利综合健康研究所和领先的研究中心。我们专注于跨专业教育和协作实践，致力于培养一支致力于全人、数据驱动护理的多元化医疗队伍。作为该地区唯一的学术健康系统，UCI Health 通过奥兰治和欧文的医疗中心、社区医院网络和遍布该地区的相关站点为患者提供服务。在我们独特的“一个健康”方法的支持下，Health Affairs 联合了各个健康学科的 15,000 多名教职员工。这种无缝的集成方法增强了加州大学欧文分校的世界级专业知识，最终造福于我们服务的社区。
可解释的 AI 用于生物医学应用
本文介绍了两种流行的可解释性工具，即局部可解释模型不可知解释 (LIME) 和 Shapley 加性解释 (SHAP)，用于解释经过训练的深度神经网络所做的预测。本研究中使用的深度神经网络是在 UCI 乳腺癌威斯康星数据集上训练的。神经网络用于根据描述肿块的 30 个特征将患者体内发现的肿块分类为良性或恶性。然后使用 LIME 和 SHAP 来解释经过训练的神经网络模型所做的单个预测。这些解释进一步深入了解了输入特征与预测之间的关系。SHAP 方法还提供了输入对输出预测的影响的更全面的视图。结果还展示了使用 LIME 和 SHAP 获得的见解之间的共同点。虽然本文重点介绍了使用 UCI Breast Cancer Wisconsin 数据集训练的深度神经网络，但该方法可以应用于在其他应用程序上训练的其他神经网络和架构。在本研究中训练的深度神经网络提供了高水平的准确性。使用 LIME 和 SHAP 分析模型增加了非常理想的好处，即为训练模型提出的建议提供解释。
使用基于树的模型预测心脏病-UCF星星
摘要 - 本文介绍了一项关于使用机器学习算法预测心脏病的研究，这是全球死亡的主要原因。该研究的重点是决策树算法的使用，该算法具有考虑大量危险因素的优势。心脏病数据集是从UCI机器学习存储库中获得的，并使用决策树分类器进行了分析。数据集有6个丢失的数据点，这些数据点已被删除，留下了279个实例进行分析。对具有两个以上响应的分类变量进行了单次编码。使用5倍交叉验证来优化决策树分类器以选择最佳参数。结果表明，决策树分类器的准确性可以正确预测81％的患者患有心脏病，并且因没有心脏病而明智的82％，这比以前研究中使用的其他机器学习算法高。这项研究证明了决策树算法预测心脏病的潜力，并突出了早期鉴定出患心血管疾病风险的个体的重要性。索引术语 - 机器学习算法，心脏病预测，决策树算法，UCI机器学习存储库，5倍交叉验证
引用：Meng Yz，Lu Y，Zhang PF等。高频增强的超快压缩摄影。 Opto-Electron Adv 8，240180（2025）。
单发超快压缩成像（UCI）是研究物理，化学或材料科学方面的超快动力学的有效工具，因为其高框架速率出色和较大的框架数。但是，由于其不均匀的Sampling间隔，在传统UCI中使用的随机代码（R-代码）将导致覆盖高频信息的低频噪声，这在大型重建的忠诚度中是一个巨大的挑战。在这里，提出了高频增强的压缩活性摄影（H-CAP）。通过统一R代码的采样间隔，H-CAP以随机均匀采样模式捕获超快过程。这种采样模式使高频采样占主导地位，这极大地抑制了由R代码引起的低频噪声模糊，并实现了图像增强的高频信息。分别通过成像光学自我对焦效果和静态对象来验证H-CAP的出色动态性能和大型重建能力。，我们将H-CAP应用于双脉冲诱导的硅表面消融动力学的空间表征，该动力学以300 ps的单次射击在220帧之内进行。H-CAP提供了一种高保真成像方法，用于观察具有大帧的超快不可重复的动态过程。
详细课程大纲 课程分类
3-4 人小组的学生将阅读研究论文，其中利用索引构建、查询处理、容错检索、向量空间建模、概率信息检索、链接分析等信息检索方法来解决研究相关问题。学生将使用从 Kaggle、Github、UCI、KDD 等平台获取的标准数据集来实现研究论文。将这些方法应用于标准数据集将使学生能够增强对信息检索的理解和技能。
全钒液流电池 (VRFB) 及中国境外供应链活动概述
AMG 宣布与 Shell 和 UCI 合作开展多项项目，其中包括一项价值约 2 亿美元的气化灰项目，用于生产高纯度氧化钒和钒电解液 Tdafoq Energy Partners 和 Delectrik Systems 签署了一份 VRFB 分销和制造协议。Tdafoq 将在沙特阿拉伯建立 VRFB 制造厂，到 2025 年，该工厂的产能将达到 GWh。 Schmid 和 Nusaned 成立合资企业，建设 VRFB 设施，“年产能为 3 GWh”
材料科学与工程（辅修）
材料科学与工程这一跨学科领域已成为许多新兴先进技术及其应用领域的关键。因此，工程师和科学家需要接受材料科学与工程方面的教育和培训，也拥有相应的机会。材料科学与工程 (MSE) 辅修课程的目标是为加州大学欧文分校的学生提供此类教育和培训，使他们毕业后不仅能够参与跨学科项目或计划，还能应对具有挑战性的社会需求和复杂的技术进步。
护理与医疗保健杂志
宫颈癌是女性中癌症的第四最常见原因，也是全球癌症与癌症相关的第四最常见原因。在撒哈拉以南非洲地区，宫颈癌在女性癌症中排名最高，年龄特异性率在乌干达和该地区的其他8个国家 /地区的年龄率超过50名妇女[4-6]。对于乌干达，每年报告约6,959例新病例[7-9]。这令人担忧，因为乌干达拥有世界上最年轻的人口，其中50％的年龄15-19岁[10]。大多数女性（80％）在乌干达癌症研究所（UCI）（UCI）与宫颈癌作斗争，40％的宫颈癌患者出现在癌症的晚期阶段（III/IV），预后较差，其5年生存率仅为20％[11,12]。世界卫生组织制定了一项全球战略，以加快到2030年的公共卫生问题来加快宫颈癌的消除，而消除阈值设定为每10万妇女4例。该策略的目标是90％的女孩通过15年的疫苗完全接种HPV疫苗[13,14]。不幸的是，大多数国家尚未达到青少年女孩HPV疫苗接种目标90％。即使是提前引入疫苗的高收入国家，由于几个挑战已经记录在全球范围内，因此仍在落后疫苗接种目标。2018年全球HPV免疫覆盖范围估计为12.2％[15,16]。
混合特征选择和分类技术，用于早期预测和糖尿病的严重程度2
糖尿病预测是一个正在进行的研究主题，医学专家试图以更高的精度预测病情。糖尿病通常保持昏昏欲睡，并且有机会确定患者患有另一种疾病，例如对肾脏的伤害，眼睛的视网膜问题或心脏病问题，它会导致代谢问题和体内各种复杂性。在本评论中应用了各种全球学习程序，包括投票，支持和解雇。使用工程设计的少数族裔过采样程序（被摧毁）以及K跨层互批批准方法，用于实现夜晚的上课并批准发现。PIMA印度糖尿病（PID）数据集是从UCI机器学习（UCI ML）商店中积累的，并选择了此数据集。一种突出的工程技术用于计算生活方式因素的影响。已经开发了一种两相分类模型，以使用顺序最小优化（SMO）和SMOTE方法一起预测胰岛素抵抗。SMOTE技术用于在模型的第一阶段中预处理数据，而SMO类则在第二阶段使用。所有其他分类技术的表现都超过了决策树的错误率，准确性，特异性，精度，召回，F1措施和ROC曲线。使用组合的SMOTE和SMO策略进行了模型，该策略以0.1 ms的运行时获得了99.07％的校正。建议的系统的结果是提高分类器在早期发现疾病方面的表现。