XiaoMi-AI文件搜索系统
World File Search Systemalgorithms
再生混凝土力学性能预测与灵敏度分析的人工智能算法综述
使用从拆除废物中产生的再生骨料来生产混凝土是减少建筑环境对环境影响的一种有希望的选择。然而，预测再生骨料混凝土的硬化性能是其在建筑领域大规模部署的主要障碍之一。由于传统的经验方法对于预测新的再生骨料配方的性能不太可靠，近年来，人工智能方法已得到广泛发展，以实现这一目标。在本文中，我们对预测再生骨料混凝土的机械性能和进行敏感性分析的人工智能 (AI) 方法进行了广泛的文献综述。本研究对文献中发现的主要方法和算法的适用性、准确性和计算要求进行了详尽的描述、检查和讨论。此外，还强调了各种算法的优点和缺点。人工智能算法已在各种预测应用中取得了成功，并且准确率很高。虽然这些算法是用于估计再生骨料混凝土混合物成分和机械性能的强大预测工具，但它们的性能高度依赖于数据结构和超参数选择。这项研究可以帮助工程师和研究人员更好地决策使用人工智能算法进行机械性能预测和/或优化再生骨料混凝土的配方。
机器学习算法预测中国老年人的抑郁症：一项横断面研究
方法：这项研究通过利用2020年中国卫生和退休纵向研究的数据选择了7,880名老年人。此后，数据集以6：4的比例分类为训练和测试集。使用六种ML算法，即逻辑回归，k-neart邻居，支持向量机，决策树，LightGBM和随机森林，用于构建老年人抑郁症的预测模型。比较了不同模型的ROC曲线中的差异，进行了DELONG检验。同时，为了评估模型的性能，这项研究执行了决策曲线分析（DCA）。此后，将构图的解释值用于模型解释，以预测结果的实质性贡献。
提高量子误差校正的变异量子算法的速度
我们考虑为作用在量子电路上的通用量子噪声设计合适的量子误差校正程序（QEC）程序的问题。通常，没有分析通用程序来获得编码和校正统一门，如果噪声未知并且必须重建噪声，问题甚至更难。现有过程依赖于变分的量子算法（VQA），并且由于成本函数的梯度的大小随量子数而衰减，因此很难训练。我们使用基于量子1（QW 1）的量子Wasserstein距离的成本函数来解决此问题。在量子信息处理中通常采用的其他量子距离方面，QW 1缺少单一不变性属性，这使其成为避免被困在本地最小值中的合适工具。专注于一个简单的噪声模型，该模型已知确切的QEC解决方案，并且可以用作理论基准，我们进行了一系列数值测试，这些测试表明如何通过QW 1指导VQA搜索，确实可以显着提高成功培训的可能性，并在使用恢复状态的情况下，以实现的态度来实现会议的方法。
空间物体分类选定算法的分析
摘要 随着来自世界各地众多设施的天文数据的增加，对更快、更复杂的数据分析方法的需求也随之出现。对天空中大量物体的大量观察所捕获的数据可以非常快地达到很大的体积，这使得科学家无法手动分析。这就需要快速可靠的自动化数据处理方法，这可以在计算机科学研究中找到。利用不同研究领域使用的算法对于处理有关天体的信息至关重要。在这项工作中，我们将计算机科学领域的机器学习方法应用于天文学问题。我们列出了三种不同的机器学习算法及其内部工作原理，并展示了如何将它们应用于天文学问题。我们展示了如何使用这些算法来加速大量数据的处理，以及它们如何帮助科学家对天体进行分类。我们研究了每种算法的表现，并尝试根据不同物体的特征，在分类问题中找到表现最佳的算法。关键词 knn、朴素贝叶斯、决策树
量子算法.pdf
一个 — — 也许很肤浅 — — 原因是通过研究如何使用量子力学系统进行计算来满足我们的好奇心，并挑战自己找到比经典算法更快的算法。研究量子计算也可能揭示出处理信息的新方法的深刻见解。例如，它可以为我们提供以安全方式处理数据的想法（尽管这些笔记中没有讨论量子密码学）。更好地理解量子计算可能导致理解自然的计算极限：这个世界上可以计算什么？用经典计算机可以计算什么？例如，由于经典计算和量子计算研究的相互作用，许多新的经典算法已经被发明（即量子机器学习算法的反量化、吉布斯采样的新经典算法、量子电路的经典模拟等）。这反过来又提高了我们对物理学的理解，并最终提高了对世界本身的理解。研究量子算法的最后一个原因（计算机科学家肯定能理解）是量子计算机对扩展的丘奇-图灵论题构成了重大挑战，该论题指出，任何“合理”的计算模型都可以在概率图灵机上有效模拟。然而，有很多物理过程我们不知道如何在传统计算机上有效模拟，但我们有有效的量子算法！这有力地证明了强丘奇-图灵论题可能是错误的！
基于机器学习的算法，用于虚拟的早期检测和筛选神经退行性和神经认知疾病：系统性评估
1伊朗德黑兰Shahid Beheshti大学认知和脑科学研究所伊朗，伊朗5名学生研究委员会，艾哈瓦斯，伊朗艾哈瓦兹，伊朗，伊朗六号医学院，艾哈华达邦医学院医学院6校Shahid Beheshti医学科学大学放射学，伊朗，伊朗，10个神经科学系，Bahçeşehir大学，伊斯坦布尔，伊斯坦布尔，Türkiye，萨哈鲁德医学科学大学医学院11学院，医学院夏鲁德大学医学院夏鲁德大学，伊兰夏鲁德学院，伊兰，伊兰，什拉兹12学院。医学科学，德黑兰，伊朗，
基于机器学习的算法，用于虚拟的早期检测和筛选神经退行性和神经认知疾病：系统性评估
1伊朗德黑兰Shahid Beheshti大学认知和脑科学研究所伊朗，伊朗5名学生研究委员会，艾哈瓦斯，伊朗艾哈瓦兹，伊朗，伊朗六号医学院，艾哈华达邦医学院医学院6校Shahid Beheshti医学科学大学放射学，伊朗，伊朗，10个神经科学系，Bahçeşehir大学，伊斯坦布尔，伊斯坦布尔，Türkiye，萨哈鲁德医学科学大学医学院11学院，医学院夏鲁德大学医学院夏鲁德大学，伊兰夏鲁德学院，伊兰，伊兰，什拉兹12学院。医学科学，德黑兰，伊朗，
基于线性回归的算法仍可以成功识别微生物官能团，尽管生态函数的非线性
微生物群落在各种环境中起关键作用。预测它们的功能和动力学是微生物生态学的关键目标，但是这些系统的详细描述可能是非常复杂的。一种处理这种复杂性的方法是诉诸于更粗糙的表示。几种方法试图以数据驱动的方式识别微生物物种的有用群体。最近的工作在从头发现时，使用像线性回归这样简单的方法来预测给定功能的粗略表示，对多个物种甚至单个这样的群体（Ensemble-Biterient优化（EQO）方法）进行了一些经验成功。将社区功能建模为单个物种贡献的线性组合似乎很重要。但是，确定生态系统的预测性过度的任务与预测功能的任务不同，并且可以想象，前者可以通过比后者更简单的方法来完成。在这里，我们使用资源竞争框架来设计一个模型，在该模型中，要发现的“正确”分组是良好的定义，并使用合成数据来评估和比较基于回归的三种方法，即先前提出的两个和我们介绍的两个方法。我们发现，即使函数明显非线性，基于回归的方法也可以恢复分组。该多组方法比单组EQO具有优势。至关重要的是，模拟器（线性）方法的表现可以胜过更复杂的方法。
强大的机器学习算法用于文本分析
我们研究了潜在的Dirichlet分配模型，这是一种流行的贝叶斯算法，用于文本分析。我们表明，未识别模型的参数，这表明了先前事项的选择。我们表征了模型参数的给定功能的后均值范围可以在对先前的变化的反应中实现，我们建议两种报告此范围的算法。我们的两种算法都依赖于获得多个非负矩阵的构造，这是语料库人口项术语频率矩阵的后绘制或其最大似然估计器的。关键思想是在所有这些非负矩阵因子上的最大化/最小化感兴趣的功能。为了说明我们的结果的适用性，我们重新审视了透明度提高对美国企业政策讨论的沟通结构的影响。
乳制品业务供应链中学习算法的有效性研究
摘要目的：开发一个控制系统，以防止对乳制品业务的供应链的过度响应。方法：使用了以下方法：DQN，Double DQN，Dueling DQN和Dueling Double DQN以确定需求的分布：正常和均匀。结果：根据学习稳定性（最后10,000集）计算结果。观察到DQN和DDQN的平均值非常相似。为了验证DQN算法的性能是否比DQN算法的性能更好，进行了非参数测试以比较两个相关样本的平均等级，并确定它们之间是否存在差异。对于正常和均匀分布的P值分别为5.83e -38和0.000。结论：最佳结果的算法是DUELing DQN，需求的平均总成本为151.27单位，正态分布，平均为155.3个单位，需求均匀分布。一旦达到收敛性，此方法的可变性就会降低。