XiaoMi-AI文件搜索系统
World File Search Systemaccuracy
LLM医疗保健计算精度RARETECH预印本。 ...
抽象的大语言模型（LLM）已成为医疗保健领域的变革性工具，在自然语言理解和产生中表现出了显着的能力。然而，它们在数值推理方面的熟练程度，尤其是在临床应用中的高风险领域，仍然没有得到充实的态度。数值推理在医疗保健应用中至关重要，影响患者的结果，治疗计划和资源分配。本研究研究了在医疗保健环境中数值推理任务中LLM的计算准确性。使用1,000个数值问题的策划数据集，包括诸如剂量计算和实验室结果解释之类的现实世界情景，根据GPT-3体系结构进行了精制LLM的性能。该方法包括及时的工程，事实检查管道的集成以及正规化技术以增强模型的准确性和泛化。关键指标（例如精度，回忆和F1得分）用于评估模型的功效。结果表明总体准确性为84.10％，在多步推理中直接的数值任务和挑战方面的性能提高了。事实检查管道的整合提高了准确性11％，强调了验证机制的重要性。这项研究强调了LLM在医疗保健数值推理中的潜力，并确定了进一步完善的途径，以支持临床环境中的关键决策。当它们成为这些发现旨在为医疗保健的可靠，可解释和上下文相关的AI工具做出贡献。关键字大语言模型（LLMS）·变压器架构·及时工程·精确度·精确·回忆·F1-SCORE 1简介大语言模型（LLMS）已成为人工智能领域的重大进步，证明了在处理和生成人类语言中的显着能力。这些模型由深度学习技术提供支持，在广泛的数据集上进行了培训，并有可能了解语言，细微差别和语言的复杂性。
使用机器学习提高ADA的精度...
本文研究了机器学习在增强高级驾驶员辅助系统（ADA）中传感器融合准确性方面的作用。通过利用来自相机和雷达等多个传感器的数据，ML算法可以改善车辆定位，实时数据处理和决策精度。评论重点介绍了最近的研究，包括使用基于云的数字双胞胎信息和深度学习方法，从而减少了对象检测和分类的错误。此外，它解决了ADA中假积极和负面因素的持续挑战，并讨论了先进的ML技术对优化系统性能的影响。调查结果表明，ML驱动的传感器融合具有增强自主驾驶环境中ADA可靠性和安全性的巨大潜力。
通过生成的...
精确且可靠的贷款状况预测是金融机构的本质，但是，该数据中缺乏现实世界中的数据和偏见会极大地影响机器学习模型的准确性。贷款状况预测模型面临的另一个挑战是阶级失衡，其中一个类别（例如批准的贷款）比另一个类别（例如批准的贷款）（例如违约贷款）更普遍，从而导致对多数类的预测偏差。这项研究检查了生成的对抗网络（GAN），以增强数据并改善机器学习模型的性能。在Kaggle贷款数据集（380个样本）上使用了几种机器学习（ML）模型，包括但不限于支持向量机（SVM）和集合袋树。基线训练和测试精度为86.9％和86.3％（SVM），84.5％和82.1％（集合）。actgan（激活生成网络）来生成被接受和拒绝贷款的合成数据点。使用新的增强数据进行重新培训显示出显着的改进：训练和测试的SVM精度上升至94.4％和93.4％，而集成模型分别达到97.4％和95.8％。还探索了其他ML模型，例如KNN，决策树和逻辑回归，并在准确性方面表现出了令人鼓舞的结果。这些发现提出，基于GAN的数据增强可以增强贷款状况预测的性能。未来的研究可以探索Gan对不同架构的影响，并评估这种方法的一般适用性。
GPT-3 人工智能模型的诊断和分类准确性
重要性：医疗保健中的人工智能 (AI) 应用已在医学的许多领域中有效发挥作用，但它们通常使用标记数据进行单一任务训练，这使得部署和普遍性具有挑战性。通用 AI 语言模型是否可以执行诊断和分类尚不得而知。目标：将通用生成式预训练 Transformer 3 (GPT-3) AI 模型的诊断和分类性能与使用互联网的主治医生和非专业成年人进行比较。设计：我们比较了 GPT-3 对 48 个经过验证的常见（例如病毒性疾病）和严重（例如心脏病发作）病例小插图的诊断和分类能力与非专业人士和执业医师的准确性。最后，我们检查了 GPT-3 对诊断和分类的信心校准程度。设置和参与者：GPT-3 模型，一个具有全国代表性的非专业人士和执业医师样本。接触：经过验证的案例小插图（<60 字；<6 年级阅读水平）。主要结果和测量：正确诊断，正确分类。结果：在所有病例中，GPT-3 对 88%（95% CI，75% 至 94%）的病例的前 3 位做出了正确诊断，而普通人为 54%（95% CI，53% 至 55%）（p<0.001），医生为 96%（95% CI，94% 至 97%）（p=0.0354）。GPT-3 的分类（71% 正确；95% CI，57% 至 82%）与普通人（74%；95% CI，73% 至 75%；p=0.73）相似；两者都明显差于医生（91%；95% CI，89% 至 93%；p<0.001）。根据 Brier 评分，GPT-3 对其最佳预测的信心在诊断（Brier 评分 = 0.18）和分类（Brier 评分 = 0.22）方面相当准确。结论和相关性：通用 AI 语言模型无需任何内容特定训练即可执行接近但低于医生的诊断水平，并且优于普通人。该模型在分类方面的表现较差，其表现更接近普通人。
典型精度为 ±0.25°C 的数字温度传感器
MCP9804 带有用户可编程寄存器，可为温度传感应用提供灵活性。寄存器允许用户选择设置，例如关断或低功耗模式以及温度警报窗口限制和临界输出限制的规范。当温度变化超出指定的边界限制时，MCP9804 会输出警报信号。用户可以选择将警报输出信号极性设置为低电平有效或高电平有效比较器输出（用于恒温器操作），或设置为温度警报中断输出（用于基于微处理器的系统）。警报输出也可以配置为仅临界温度输出。
源自...的数字地图的几何精度评估
使用 49 个独立检查点 (ICP) 对正射 QuickBird 高分辨率卫星图像 (HRSI) 产品（地面采样距离 (GSD) 约为 70 厘米）的几何精度进行了评估。在 QuickBird HRSI 上选择的 ICP 表示为独特的点特征，有利于在 HRSI 和地面上进行高精度测量，并广泛分布在研究区域。这些 ICP 是使用基于与 QuickBird HRSI 相同的坐标参考和投影的南差分全球定位系统 (DGPS) 测量的，以获得其相应的地面控制点 (GCP) 坐标。所得结果表明，差异幅度很小且具有随机性。计算得出的均方根误差（RMSE 2D 为 0.722481 米）和调整后的 R 2（0.999999）表明，获得的精度符合正射校正 QuickBird HRSI 的分辨率。因此，正射校正 QuikBird HRSI 可用于地图创建、变化检测、图像分析，以及在不使用地面控制点的情况下对偏远地区的特征进行地理定位以及其他相关的测绘应用。
成像软件对上呼吸道进行三维分析的精度
简介：本研究旨在比较 6 种成像软件程序在锥形束计算机断层扫描数据中测量上呼吸道体积的精度和准确度。方法：样本包括 33 名成长中的患者和一个口咽丙烯酸幻影，用 i-CAT 扫描仪（Imaging Sciences International，宾夕法尼亚州哈特菲尔德）扫描。已知的口咽丙烯酸幻影体积被用作黄金标准。使用 Mimics（Materialise，比利时鲁汶）、ITK-Snap（www.itksnap.org）、OsiriX（Pixmeo，瑞士日内瓦）、Dolphin3D（Dolphin Imaging & Management Solutions，加利福尼亚州查茨沃斯）、InVivo Dental（Anatomage，加利福尼亚州圣何塞）和 Ondemand3D（CyberMed，韩国首尔）软件程序对患者的口咽部和口咽部丙烯酸模型进行半自动分割，并采用交互式和固定阈值协议。可靠性测试使用了类内相关系数。使用重复测量方差分析 (ANOVA) 检验和事后检验 (Bonferroni) 来比较软件程序。结果：所有程序的可靠性都很高。使用交互式阈值协议，与黄金标准相比，使用 Mimics、Dolphin3D、OsiriX 和 ITK-Snap 进行的口咽丙烯酸模型分割的体积误差小于 2%。与黄金标准相比，Ondemand3D 和 InVivo Dental 的误差超过 5%。使用固定阈值协议，各程序的体积误差相似（-11.1% 至 -11.7%）。在使用交互式协议进行的口咽分割中，ITK-Snap、Mimics、OsiriX 和 Dolphin3D 与 InVivo Dental 有统计学上显著差异（P \ 0.05）。InVivo Dental 和 OnDemand3D 之间无统计学差异（P .0.05）。结论：所有 6 个成像软件程序都是可靠的，但在口咽体积分割方面存在错误。Mimics、Dolphin3D、ITK-Snap 和 OsiriX 与 InVivo Dental 和 Ondemand3D 相似，并且在上呼吸道评估方面更准确。(Am J Orthod Dentofacial Orthop 2012;142:801-13)
使用Chebyshev插值提高了Trotter模拟的精度
量子计量学允许在最佳的海森堡极限下测量量子系统的性能。但是，当使用数字汉密尔顿模拟制备相关的量子状态时，应计算的错误错误将导致与此基本限制的偏差。在这项工作中，我们展示了如何通过使用标准多项式插值技术来减轻由于时间演化而引起的算法错误。我们的方法是推断到零小猪的步长大小，类似于用于减轻硬件错误的零噪声外推技术。我们对插值方法进行了严格的误差分析，用于估计特征值和随时间推动的期望值，并证明在误差中达到了heisenberg的限制，以达到多种类因素。我们的工作表明，仅使用Trotter和经典资源来实现许多相关算法任务，可以实现接近最先进模拟的精度。
生物地球化学信息的神经网络（BINN），以提高模型的准确性
Haodi Xu 1, † , Joshua Fan 2, † , Feng Tao 3, † , Lifen Jiang 1 , Fengqi You 4 , Benjamin Houlton 3 , Ying
Thales Eric Belhaire
•100Gbit Rosa（接收器光学子组件）x，y <2,5µm•网络可插入，长距离，100Gbit，（SMF准备，fer子，fer子）•收发器 - 纤维到数据中心的GBIT耦合，数据中心的链接，MMF•高度精确•精确键•精确•除精度•除精度•除