XiaoMi-AI文件搜索系统
World File Search SystemWolpert
在Stata中堆叠概括和机器学习
面对新的预测或分类任务时，最明显的是哪种机器学习算法最适合。一种常见的方法是评估一组机器学习者在数据的保留分区或通过交叉验证的性能，然后选择最小化所选损失指标的机器学习者。但是，这种方法是不完整的，因为将多个学习者组合为一个最终预测可能会导致与每个学习者相比，可能会导致卓越的表现。这种可能性激发了堆积的概括，或者只是“堆叠”（参见Wolpert [1992]和Breiman [1996]）。堆叠是模型平均形式。Van der Laan，Polley和Hubbard（2007）的理论结果支持堆叠的使用，因为它至少是渐近的，并且只要基础学习者的数量不大。
奶牛选择中的基因组分析，进度和未来观点：评论
摘要：信息是现代经济学中的核心概念，但其定义和经验规范却难以捉摸。一个原因是香农范式的智力抓地力，它使语义信息边缘化。但是，经济信息的确切概念必须基于语义理论，因为经济上重要的是信息的含义，功能和使用。本文介绍了一种新的原则方法，以采用生物元素范式，植根于查尔斯·皮尔斯（Charles S. Peirce）的哲学，并建立在信息热力学的最新发展。自主剂的信息处理，定义为自动热发动机，被认为是根据基本的热力学处理原理运行的物理症，如科尔钦斯基和沃尔珀特（KW）最近的工作中所阐明的那样。i将KW方法插入生理症的基本概念模型，并提出进化解释。这种方法对经济学具有深远的影响，例如暗示经济剂，选择和行为的进化观点，这是通过在大脑上统计热力学的应用所告知的。
人工智能：澄清误解，......
人工智能 (AI) 有着数十年的悠久传统。1956 年，麦卡锡在达特茅斯会议上首次提出了“人工智能”这个名称，从此开启了这一研究领域的热潮，并一直延续至今 (McCarthy et al., 2006)。人工智能最初的重点是符号模型和推理，随后出现了第一波神经网络 (NN) 和专家系统 (ES) 的浪潮 (Rosenblatt, 1957; Newel and Simon, 1976; Crevier, 1993)。当明斯基和帕普特 (Minsky and Papert, 1969) 证明感知器在学习非线性可分函数（例如异或 (XOR)）时存在问题时，该领域遭受了严重挫折。这极大地影响了人工智能在随后几年的发展，尤其是在神经网络领域。然而，在 20 世纪 80 年代，神经网络通过反向传播算法的发明而卷土重来（Rumelhart 等人，1986 年）。后来在 20 世纪 90 年代，关于智能代理的研究引起了广泛的兴趣（Wooldridge 和 Jennings，1995 年），例如探索感知和行为的耦合效应（Wolpert 和 Kawato，1998 年；Emmert-Streib，2003 年）。最后，在 21 世纪初，大数据的出现，导致了神经网络以深度神经网络 (DNN) 的形式再次复兴（Hochreiter 和 Schmidhuber，1997 年；Hinton 等人，2006 年；O'Leary，2013 年；LeCun 等人，2015 年）。这些年来，人工智能在机器人、语音识别、面部识别、医疗保健和金融等许多领域取得了巨大成功（Bahrammirzaee，2010；Brooks，1991；Krizhevsky 等人，2012；Hochreiter 和 Schmidhuber，1997；Thrun，2002；Yu 等人，2018）。重要的是，这些问题并不都属于一个领域，例如计算机科学，而是涉及心理学、神经科学、经济学和医学等多个学科。鉴于人工智能应用的广泛性和所用方法的多样性，毫不奇怪，看似
201.pdf - GuanHua Chen Group
[1] A. Saeki, K. Kranthiraja, Jpn. J. Appl. Phys. 2019 , 59 , SD0801。[2] L. Paterson, F. May, D. Andrienko, J. Appl. Phys. 2020 , 128 , 160901。[3] G. Hong, X. Gan, C. Leonhardt, Z. Zhang, J. Seibert, JM Busch, S. Bräse, Adv. Mater. 2021 , 33 , 2005630。[4] G. Li, Y. She, 用于高效稳定有机发光二极管的四齿环金属化铂(II)配合物, IntechOpen, London 2018。[5] K. Li, GSM Tong, Q. Wan, G. Cheng, W.-Y.童，W.-H。 Ang，W.-L。邝，C.-M。切，化学。科学。 2016, 7, 1653. [6] H. Li, T.-L. Lam, X. Tan, L. Dai, C.-M. Che, SID Symp Digest Techn Pap 2021, 52, 328。 [7] J. Sun, H. Ahn, S. Kang, S.-B. Ko，D. Song，HA Um，S. Kim，Y. Lee，P. Jeon，S.-H。 Hwang, Y. You, C. Chu, S. Kim, Nat。光子。 2022, 16, 212. [8] H. Li, T.-L.林丽欣、戴丽、蔡碧生、Y.-S。 Cho, Y. Kwak, C.-M. Che, 四齿铂 (II) 发射体：设计策略、光物理和 OLED 应用, IntechOpen, 伦敦 2020。[9] J.-L. Calais, Int. J. Quantum Chem. 1993, 47, 101。[10] M. Marques、A. Rubio、EK Gross、K. Burke、F. Nogueira、CA Ullrich, 时间相关密度泛函理论, Springer Science & Business Media, Dordrecht 2006。[11] S. DiLuzio、V. Mdluli、TU Connell、J. Lewis、V. VanBenschoten、S. Bernhard, J. Am. Chem. Soc. 2021, 143, 1179. [12] 孙建, 吴建, 宋涛, 胡丽, 单桂, 陈国, 物理学报.化学。 A 2014, 118, 9120。 [13] JA Keith、V. Vassilev-Galindo、B. Cheng、S. Chmiela、M. Gastegger、K.-R。 Müller，A. Tkatchenko，化学。 Rev. 2021, 121, 9816. [14] L. Hu, X. Wang, L. Wong, G. Chen, J. Chem。物理。 2003, 119, 11501. [15] M. Quir os, S. Gra ˇ zulis, S. Girdzijauskait ė, A. Merkys, A. Vaitkus, J. Cheminform 2018, 10, 23. [16] GR Schleder, ACM Padilha, CM Acosta, M. Costa, A.法齐奥，J.物理学。马特。 2019 , 2 , 032001。 [17] R. Gomez-Bombarelli, J. Aguilera-Iparraguirre, TD Hirzel, D. Duvenaud, D. Maclaurin, MA Blood-Forsythe, HS Chae, M. Einzinger, D.-G. Ha, T. Wu, G. Markopoulos, S. Jeon, H. Kang, H. Miyazaki, M. Numata, S. Kim, W. Huang, SI Hong, M. Baldo, RP Adams, A. Aspuru-Guzik, Nat Mater 2016, 15, 1120。 [18] MAB Janai, KL Woon, CS Chan, Org。电子。 2018 , 63 , 257. [19] Y. 赵, C. Fu, L. Fu, Y. Liu, Z. Lu, X. Pu, Mater Today Chem 2021 , 22 , 100625. [20] L. Breiman, Mach Learn 2001 , 45 , 5. [21] I. Palit, CK Reddy, IEEE Trans. 2021 , 22 , 100625.知道。数据工程2012 , 24 , 1904. [22] G. Ke, Q. Meng, T. Finley, T. Wang, W. Chen, W. Ma, Q. Ye, 神经信息处理系统的发展 (编辑：T.-Y. Liu), Curran Associates, New York 2017。[23] T. Chen, C. Guestrin, 在第 22 届 ACM SIGKDD 国际知识发现和数据挖掘会议论文集, 计算机协会, 纽约, NY 2016, 第 785 页。[24] DH Wolpert, Neural Netw 1992 , 5 , 241。[25] K. Li, G. Cheng, C. Ma, X. Guan, W.-M. Kwok, Y. Chen, W. Lu, C.-M. Che, Chem. Sci. 2013，4，2630。[26]RW肯纳德，LA斯通，技术计量学 1969，11，137。
皮层内脑-心脏相互作用：交感迷走神经变化的 EEG 模型源研究
希望，H.（2010）。 Holm 的顺序 Bonferroni 程序。 Antonacci , Y.、Barà , C.、Zaccaro , A.、Ferri , F.、Pernice , R. 和 Faes , L. (2023)。时变信息测量：应用于脑心相互作用的信息存储的自适应估计。网络生理学前沿，3，1242505。Asadzadeh, S., Rezaii, T., Beheshti, S., Delpak, A., & Meshgini, S. (2020)。系统评价卵源定位技术及其在脑异常诊断中的应用。神经科学方法杂志，339，108740。Averta, G.、Barontini, F.、Catrambone, S.、Haddadin, G.、Held, JP、Hu, T.、Jakubowitz, E.、Kanzler, CM、Kühn, J.、Lambarcy, O.、Leo, A.、Obermeier, E. 和 Ricciardi, E. (1999)。.、Schwarz, A.、Valenza, G.、Bicchi, A. 和 Bianchi, M. (2021)。 U-limb：关于健康和中风后手臂运动控制的多模式、多中心数据库。 GigaScience，10(6)，giab043。 Babo-Rebelo、M.、Wolpert、N.、Adam、C.、Hasboun、D. 和 Tallon-Baudry、C. (2016)。心脏监测功能是否与默认网络和右前岛叶中的自我相关？伦敦皇家学会哲学学报。 B 系列，生物科学，371 (1708)，20160004。Bagur, S., Lefort, J. M., Lacroix, M. M., de Lavilléon, G., Herry, C., Chouvaeff, M., Billand, C., Geoffroy, H., & Benchenane, K. (2021)。呼吸驱动的前额叶振荡可以独立于启动而调节由条件性恐惧引起的冻结的维持。自然通讯, 12(1), 2605. Barà, C., Zaccaro, A., Antonacci, Y., Dalla Riva, M., Busacca, A., Ferri, F., Faes, L., & Pernice, R. (2023)。用于评估心跳引起的皮质反应的信息存储的局部和整体测量。生物医学信号处理和控制，86，105315。Benarroch，EE（1993）。中央自主神经网络：功能组织、功能障碍和观点。在《梅奥诊所学报》（第 68 卷，第 988-1001 页）。爱思唯尔。 Benarroch，EE（2012）。中枢自主神经控制。在自主神经系统入门书中（第 9 - 12 页）。爱思唯尔。 Candia-Rivera，D.（2023 年）。根据庞加莱图得出的交感神经-迷走神经活动测量值来模拟大脑-心脏的相互作用。方法X、10、102116。Candia-Rivera, D.、Catrambone, V.、Barbieri, R. 和 Valenza, G. (2022)。双向皮质和周围神经控制对心跳动力学的功能评估：热应力的脑心研究。神经图像, 251, 119023。Candia-Rivera, D., Catrambone, V., Thayer, J. F., Gentili, C., & Valenza, G. (2022)。心脏交感迷走神经活动引发大脑 - 身体对情绪唤起的功能性反应。美国国家科学院院刊，119(21)，e2119599119。 Candia-Rivera、D.、Catrambone、V. 和 Valenza、G. (2021 年)。脑电图电参考在评估脑-心功能相互作用中的作用：从方法论到用户指南。《神经科学方法杂志》，360，109269。Candia-Rivera, D.、Norouzi, K.、Ramsøy, TZ 和 Valenza, G. (2023)。精神压力下上升式心脑通讯的动态波动。《美国生理学-调节、整合和比较生理学杂志》，324 (4)，R513 – R525。Catrambone, V.、Averta, G.、Bianchi, M. 和 Valenza, G. (2021)。走向脑-心计算机接口：使用多系统方向估计对上肢运动进行分类的研究。神经工程杂志，18 (4)，046002。Catrambone, V.、Greco, A.、Vanello, N.、Scilingo, EP 和 Valenza, G. (2019)。通过合成数据生成模型进行时间分辨的定向脑-心脏相互作用测量。生物医学工程年鉴，47，1479 – 1489。Catrambone, V.、Talebi, A.、Barbieri, R. 和 Valenza, G. (2021)。时间分辨的脑-心脏概率信息传递估计