XiaoMi-AI文件搜索系统
World File Search SystemXG
空间栖息地ECLSS的资源分配算法
随着太空栖息地的复杂性和与地球的距离增加，需要新的方法来处理意外干扰，以保证机组人员的安全和系统性能。这项工作开发了一种实施资源分配算法的方法，以管理环境控制和生命支持系统的子系统。开发了一种算法来控制氧气生成组件 (OGA)，同时对尿液处理器组件 (UPA) 产生各种干扰。在使用该算法和不使用该算法的情况下，对栖息地系统的弹性进行了评估和评价。为了测试该方法的有效性，在有限的用例中实施了该方法，针对 UPA 中的 100 种不同类型的退化。退化基于国际空间站提供的可用数据。进行优化过程以找到对 OGA 的最佳控制。然后将具有最佳控制的栖息地的性能与基线基于逻辑的控制器进行比较。为了在发现故障时自动执行子系统控制以最大程度地提高生命支持系统的整体弹性，三种监督机器学习算法（高斯过程、随机森林和 XG Boost）针对优化数据进行训练，并相互比较其准确性。尽管 UPA 性能下降对全体机组人员安全影响不大，但我们发现最佳 OGA 控制的弹性中位数增加量是逻辑控制器的弹性中位数下降量的 14 倍。根据故障场景对弹性改进进行了额外的分析和比较。在三种机器学习算法中，XG Boost 被确定为在这些情况下近似优化器表现最好的算法，R 2 值为 0.84。
8985医疗多重
EDTA Plasma Antibody Screen and Identification to detect: Rh – anti-D, anti-C, anti-c, anti- E, anti-e, anti-V, anti-C W Kell – anti-K, anti-k, anti-Kp a , anti-Kp b , anti-Js a , anti-Js b Duffy – anti-Fy a , anti-Fy b Kidd – anti-Jk a , anti-Jk b Lewis –抗LE A，抗LE B抗P1，Anti-M，Anti-N，Anti-S，Anti-S Lutheran - 抗LU A，抗LU B抗XG A
在衰老和老年疾病的测量中，机器学习的应用：系统评价
在NCD，糖尿病，高血压，慢性肾脏疾病，癌症和心血管疾病中。 糖尿病在老年人群中非常普遍，机器学习已被广泛应用于检测，预测和识别疾病的危险因素。 研究已经基于有监督的ML（逻辑回归，XG提升，决策树等）开发了预测模型（39,40） 和一些研究使用聚类算法（如主成分分析），逻辑回归分类器和其他受监督的ML算法确定了相关的风险因素（41,42）。 通过使用基于人群的数据集（43）与高腰围（44），认知障碍（45）和睡眠和肺措施（46）等危险因素的关联开发育种模型（43）。糖尿病在老年人群中非常普遍，机器学习已被广泛应用于检测，预测和识别疾病的危险因素。研究已经基于有监督的ML（逻辑回归，XG提升，决策树等）开发了预测模型（39,40）和一些研究使用聚类算法（如主成分分析），逻辑回归分类器和其他受监督的ML算法确定了相关的风险因素（41,42）。通过使用基于人群的数据集（43）与高腰围（44），认知障碍（45）和睡眠和肺措施（46）等危险因素的关联开发育种模型（43）育种模型（43）
使用机器学习的伪造资料识别
像Instagram和Facebook这样的社交媒体对我们的数字生活产生了很大的影响，但它们也受到传播有害内容的虚假概况的困扰。解决此问题的当前方法不是很准确。我们的数字生活受到Instagram和Facebook等社交网站的极大影响，但它们也受到共享破坏性内容的虚假角色困扰。当前解决此问题的方法不是特别有效。为了更好地识别欺诈性概况，我们采用了监督的学习，尤其是极端的梯度提升（XG Boost）。为了帮助识别和突出显示这些假货，我们还制作了一个网页。通过这种方式处理社交媒体上的假冒资料问题是更容易的。在当今的数字时代，社交媒体平台和在线团体上虚假概况的普遍性越来越大。
锂金属固体中的枝晶萌生和扩展...
ZN、GL 和 DLRM 为研究的各个方面做出了贡献。ZN、DLRM、DSJ、SDP、GOH 和 AB 进行了原位同步加速器 XCT。ZN 和 DLRM 进行了电解质盘的制备和电池组装。ZN、DLRM、CG 和 XG 进行了在线质谱分析。ZN、DLRM、BH、BL 和 JB 进行了等离子体 FIB 成像。DLRM 和 JB 使用 SIMS 进行了等离子体 FIB 成像。ZN、DLRM、JP、JL 和 DEJA 进行了微悬臂和机械测试的准备。GL、YC 和 CWM 进行了建模。ZN、GL、DLRM、DSJ、RIT、PSG、DEJA、TJM、CWM 和 PGB 讨论了数据。所有作者都对数据的解释做出了贡献。ZN、DLRM、GL、CWM 和 PGB 撰写了
关注晶圆故障检测和预测
1计算机科学与工程，1海得拉巴技术与管理学院，印度海得拉巴。 摘要：晶圆，薄的半导体切片对于微电子设备至关重要，尤其是在综合电路（ICS）中，在各种行业（例如计算，太阳能电池和光学）中起着基本作用。 我们创建了一种使用Python，Flask和Pycharm的机器学习模型，以及随机的森林和XG增强分类器，以预测需要基于传感器输入来替换Wafers。 晶圆故障检测对于半导体产生至关重要，通过识别非功能晶圆来提高制造产量。 数据集包括晶圆名称和590个传感器值列，最后一列指示“好/坏”状态，以批量进行分析。 两个类别+1和-1分别表示工作条件和更换的需求，从而确保有效识别和预测有故障的晶圆，而不会影响其他资源。 索引项 - 晶圆，集成电路，计算，机器学习模型，故障检测，传感器输入，分类，替换。1计算机科学与工程，1海得拉巴技术与管理学院，印度海得拉巴。摘要：晶圆，薄的半导体切片对于微电子设备至关重要，尤其是在综合电路（ICS）中，在各种行业（例如计算，太阳能电池和光学）中起着基本作用。我们创建了一种使用Python，Flask和Pycharm的机器学习模型，以及随机的森林和XG增强分类器，以预测需要基于传感器输入来替换Wafers。晶圆故障检测对于半导体产生至关重要，通过识别非功能晶圆来提高制造产量。数据集包括晶圆名称和590个传感器值列，最后一列指示“好/坏”状态，以批量进行分析。两个类别+1和-1分别表示工作条件和更换的需求，从而确保有效识别和预测有故障的晶圆，而不会影响其他资源。索引项 - 晶圆，集成电路，计算，机器学习模型，故障检测，传感器输入，分类，替换。
327 Gbps Thz硅光子光子互连与子弯曲
在Terahertz（THZ）频段的微型光子设备设想，可以为计算和未来无线通信的数据传输能力和集成密度带来显着增强。宽带硅波引物技术已不断成熟，以推动低损坏平台的集成解决方案。然而，在实现弯曲引起的损失和模式失真引起的弯曲程度不同的紧凑型波形平台时面临挑战。在这里，我们演示了用于多层芯片传输的多个弯曲的光子晶体波导平台。我们的硅互连设备表现出优化的弯曲半径与自由空间波长比为0.74，没有信号失真和透射带宽为90 GHz，代表355 GHz时的25.4％分数带宽。宽带波导互连通过通过多个载体发送复杂的调制数据来实现327 Gbps的汇总数据传输速率。这项工作增强了未来子孙后代的THZ光子集成电路的开发，高数据速率互连和无线通信，范围从第六到X代（6G到XG）。
使用集合机学习技术的糖尿病预测
D. Madhu Sudhana Rao，D。Sai。Sridhathri信息技术部，Vignan科学技术与研究基金会，印度Guntur，Madhudontha@gmail.com，sridhathri.1021@gmail.com摘要。 糖尿病最称为糖尿病是一种急性内分泌慢性疾病，这是许多人通过遗传性或从人类生活方式的趋势中的主要问题。 由于内分泌问题，它会提高体内的血糖。 血糖的这种增加不仅会影响其水平，甚至会导致许多与肾脏，肝功能，血压和眼睛损害相关的健康问题。 这在较小的年龄组中最常见，对于45岁以上的年龄组。 我国将近68％的人患有这些糖尿病患者。 当预测靠近水平时，可以避免或消除它。 在情况下，它被认为存在严重的问题，并且需要以任何代价控制它。 结合了计算机科学的技术，我们使用机器学习技术在早期阶段预测糖尿病，以更高的准确性。 在这里，我们使用不同的分类器，即k-nearest，幼稚的贝叶斯（NB），XG提升，决策树（DT）和随机森林（RF），并从提供的数据集中检测其准确性。 与其他不同技术相比，我们发现随机森林更适合于更高的精度计算。Sridhathri信息技术部，Vignan科学技术与研究基金会，印度Guntur，Madhudontha@gmail.com，sridhathri.1021@gmail.com摘要。糖尿病最称为糖尿病是一种急性内分泌慢性疾病，这是许多人通过遗传性或从人类生活方式的趋势中的主要问题。由于内分泌问题，它会提高体内的血糖。血糖的这种增加不仅会影响其水平，甚至会导致许多与肾脏，肝功能，血压和眼睛损害相关的健康问题。这在较小的年龄组中最常见，对于45岁以上的年龄组。我国将近68％的人患有这些糖尿病患者。当预测靠近水平时，可以避免或消除它。在情况下，它被认为存在严重的问题，并且需要以任何代价控制它。结合了计算机科学的技术，我们使用机器学习技术在早期阶段预测糖尿病，以更高的准确性。在这里，我们使用不同的分类器，即k-nearest，幼稚的贝叶斯（NB），XG提升，决策树（DT）和随机森林（RF），并从提供的数据集中检测其准确性。与其他不同技术相比，我们发现随机森林更适合于更高的精度计算。
使用...
乳腺癌是一种危及生命的疾病，影响了全世界数百万的疾病，由于其耗时的手动确定过程，潜在的风险和人类错误，构成了重大挑战。这是乳房细胞不自然，无法控制的，导致肿块称为肿瘤。如果未解决乳房的肿块，它们可以扩散到身体的其他区域，包括骨骼，肝脏和肺部。早期诊断对于有效治疗和改善患者预后至关重要。在本研究论文中，我们专注于采用机器学习模型，以快速鉴定乳腺癌肿瘤为良性或恶性肿瘤。主要目标是使用群和热图开发决策可视化模式。为了实现这一目标，我们利用了Light GBM（梯度增强机）算法，并将其性能与其他已建立的机器学习模型进行了比较，即逻辑回归，梯度增强算法，随机森林算法和XG Boost Boost Boost Algorithm。最终，我们的研究表明，光GBM算法在区分良性和恶性乳腺肿瘤方面的精度最高96.98％。
足球守门员定位的定量分析
名称定义实际GK位置守门员在射门时的实际位置。球线将球与射程中心连接起来。双配音器射击角度的分配器。保守的守门员保持接近目标。数据驱动的GKP模型GKP模型需要数据以实现。潜水半径是潜水阴影的半径。潜水阴影守门员可以潜水覆盖的圆形区域。事件数据点来自已使用的数据集。足球协会足球。几何GKP模型GKP模型，可以使用几何规则实现。GK守门员。 GKP模型守门员定位模型。 守门员到达守门员可以覆盖的线。 实现了已在代码中实现的GKP模型GKP模型。 刻有圆形圆锥圆锥的刻有圆圈的圆圈。 男士数据集过滤了男士欧洲欧洲能欧盟2020年数据集。 Messi测试一种评估方法，该方法分析了最佳的守门员。 建模GK位置GKP模型建议的GK位置。 非开枪射击，除守门员以外的球员在射门中。 开枪射击，射门锥中唯一的球员是守门员。 射击角度从射击位置到球门柱的线打开的角度。 射击三角形由射击位置和两个球门柱产生。 射门在射门时的位置。 Statsbomb 360数据集数据集，可捕获电视镜头上每个玩家的位置。 XG预期目标。GK守门员。GKP模型守门员定位模型。守门员到达守门员可以覆盖的线。实现了已在代码中实现的GKP模型GKP模型。刻有圆形圆锥圆锥的刻有圆圈的圆圈。男士数据集过滤了男士欧洲欧洲能欧盟2020年数据集。Messi测试一种评估方法，该方法分析了最佳的守门员。建模GK位置GKP模型建议的GK位置。非开枪射击，除守门员以外的球员在射门中。开枪射击，射门锥中唯一的球员是守门员。射击角度从射击位置到球门柱的线打开的角度。射击三角形由射击位置和两个球门柱产生。射门在射门时的位置。Statsbomb 360数据集数据集，可捕获电视镜头上每个玩家的位置。XG预期目标。未固定的区域区域，某些GKP模型无法建议GK位置。妇女数据集过滤了妇女欧洲欧洲橄榄球联盟2022年数据集。拍摄前的目标概率。XGOT在目标上的预期目标。与psxg相同。PSXG弹出后的预期目标。拍摄后的目标概率。