XiaoMi-AI文件搜索系统
World File Search Systemclassifying
解码性别：一种用于将印度名称分类为高级功能提取的机器学习方法
根据印度名字对性别进行分类，这对国家的巨大文化，语言和地区多样性提出了独特的挑战。现有的方法经常难以解决由宗教，家族和语言影响塑造的命名惯例的复杂性，从而导致不一致和不准确的分类。为了应对这些挑战，这项研究开发了一种文化多样的数据集，分别是313万名男性和女性名称以及杠杆先进的机器学习（ML）和性别分类的深度学习（DL）技术。这些名称来自印度选举数据，使用自定义脚本生成的合成名称以及网站上的公开名称以确保多样性。评估了十二个ML模型，并具有前四个卷积神经网络（CNN），长期短期记忆（LSTM），门控复发单元（GRU）和XGBOOST，以详细分析。
人工智能、机器学习和书目控制。DDC 短号码 – 迈向基于机器的分类
德国国家图书馆 (Deutsche Nationalbibliothek / DNB) 使用口头和分类主题编目进行主题索引。在引入自动化主题编目程序的过程中，还开展了杜威十进制分类号自动分配工作。为此，正在开发一套基于（但不限于）DDC 简编版 15 的简编 DDC 编号，以下称为 DDC 短编号。医学领域 (DDC 610) 首次获得了自动分配简编编号的经验。自 2005 年以来，医学论文已使用一套 140 个 DDC 短编号进行分类。自 2015 年以来，这些短编号已利用人工智能自动分配。目前正在开发其他 DDC 领域的短编号集。计划将自动分配短编号扩展到所有学科，并不断审查该过程及其结果。
使用自适应克隆选择根据 sMRI 数据对阿尔茨海默病阶段进行分类
摘要 — 结构磁共振成像 (sMRI) 已研究了多种神经系统疾病，并且已将其映射到大脑的不健康区域。必须尽快确定阿尔茨海默病 (AD) 患者，以便开始治疗。最近的研究集中于应用机器学习 (ML) 技术来分割大脑结构并对 AD 进行分类。克隆选择 (CS) 理论有效地实现了分类和优化的目标。自适应克隆选择 (ACS) 技术用于将 sMRI 扫描分为多个类别，例如认知正常 (CN)、轻度认知障碍 (MCI) 和纯 AD 类别。提出的 ACS 描述了免疫反应的基本特征。这为抗原只能在接收它的细胞子集内成熟而不是在身体其他部分成熟的假设提供了支持。与依赖突变的进化计算相比，这种方法擅长关注克隆扩增和亲和力的发展。所提出的 ACS 技术从克隆扩增概念中引入了基本标准，有助于创建用于识别上述 CN、MCI 和 AD 模板匹配的高效策略。所提出的 ACS 方法在分类和检测准确度方面比最先进的方法高出约 99%。关键词 — 阿尔茨海默病 (AD)、磁共振成像 (sMRI)、人工免疫系统 (AIS)、增强模糊 K 最近邻 (EFKNN)、自适应神经模糊推理系统 (ANFIS)
c-journal：使用基于众包数据集的深度学习来检测和分类认知扭曲的日记应用程序
抽象的认知扭曲是负偏见的思维模式和错误的自我污点，这是由于自己的内部推理而导致并导致逻辑错误。认知畸变会对心理健康产生不利影响，并可能导致心理健康障碍。本文属于一个更大的项目，该项目旨在提供用于检测和分类文本中认知扭曲的应用程序。由于没有用于该任务的公共数据集，因此拟议的工作的首次贡献在于提供一个开源标签的数据集，该数据集的14个认知畸变，该数据集由34370个条目组成，该数据集由34370个条目通过人群来源，用户调查表和从社交媒体中重新播放情绪数据集收集。数据集是与持牌心理学家合作收集的。我们使用幼稚的贝叶斯和count vectorizer以及不同的CNN，LSTM和DNN分类器实现了基线模型，以基于数据集对认知失真进行分类。我们使用表现最好的模型研究了不同单词嵌入的用法。依靠CNN的表现最好的模型，其嵌入式句子嵌入，F1得分为84％，用于分类认知扭曲。表现最佳的模型是在C- Journal中内置的，这是一种免费的日记帐和心情跟踪移动应用程序，可指出向用户的潜在思维扭曲。
在分类结直肠癌或肺癌患者死亡的多伴病因
患者多酸性生存结果的分类对于个性化的癌症治疗很重要。机器学习（ML）算法越来越多地用于为医疗保健的决策提供信息，但是这些模型容易受到数据收集和创建算法的偏见。ML模型以前已显示出表现出种族偏见，但他们对不同年龄和性别群体的患者的公平性尚未研究。因此，当对结直肠癌患者（n = 515）分类时，使用TCGA数据进行分类时，我们比较了5个ML模型（随机森林，多项式逻辑回归，线性支持矢量分类器，线性判别分析和多层感知）的多项性表现。所有五个模型均对这些社会人口统计学群体表现出偏见。然后，我们在肺腺癌（n = 589）上重复了相同的过程，以验证我们的发现。令人惊讶的是，对于最大的社会人口统计学组，大多数模型的总体趋势往往较差。优化模型性能的方法，包括在合并年龄，性别或种族群体上测试模型，以及创建经过培训并用于个人或合并的社会人口统计学群体的模型，显示出减少不同群体模型绩效差异的潜力。值得注意的是，这些方法可用于提高ML公平性，同时避免对表现出偏见的模型进行惩罚，从而牺牲整体性能。
电容趋势概念以及有监督的机器学习，以分类电池和伪电容器材料的电化学行为
近几十年来，已有100,000多种科学文章专门用于开发超级电容器和电池的电极材料。但是，关于确定法拉达反应所涉及的电化学行为的标准，仍然存在激烈的争论，因为各种电子材料及其不同物理化学特性产生的电解学信号通常使问题复杂化。困难在于无法确定这些材料属于哪种电极类型（电池与伪库）。为了过分困难，我们将监督的机器学习应用于电化学形状分析（超过5500个环状电压曲线和2900个镀锌电荷电荷 - 充电 - 充电曲线），并以预测的限制百分比反映了趋势的趋势，从而将其变形为趋势，并定义为制造商。称为“电容趋势”。该预测因子不仅超越了基于人类的分类的局限性，而且还提供了有关电化学行为的统计趋势。对电化学储能社区的重要性以及每周发表一百多篇文章的部分重要性，我们创建了一个在线工具，可以轻松地对其数据进行分类。
对跨媒体剧院中的当代人工智能应用进行分类：一些案例的概述和分析 Luca Befera 1、Livio Bioglio 1
摘要 近年来，一些艺术家开始使用人工智能领域的工具和软件来创作艺术品。关于这个主题最著名的合作涉及视觉艺术、绘画、情节写作和音乐创作领域，但人工智能在戏剧表演中也有一些实验性用途。在这里，我们提出了一个当代戏剧作品的理论框架，其中人工智能成为舞台表演不可或缺的一部分。我们研究人工智能作为一种非确定性元素的相关性，它促进了即兴输出，其中舞台表演意味着影响戏剧创作并定义特殊艺术方法的独立算法。对 13 件作品进行横截面分析，以分析最新的应用并提供全面的分类。具体而言，该框架涉及艺术实践的两个主要阶段：1）算法的初步设置； 2）它们在舞台上的功能和表现。前者涉及数据集定义和训练过程，并强调作者在构建软件以进行进一步的舞台表演方面的观点；提供了算法架构的描述，以深入研究一些实现。后者与戏剧概念中对人工智能的场景诠释有关；场面调度的例子被认为是描述软件与人类代理关系的作用。该分析提出了一个相当广泛和通用的初步模型，可用于艺术和学术目的，可以扩展到人工智能的未来应用。关键词 1 人工智能；算法剧场；中间表演
使用 3D 卷积神经网络评估 fMRI 数据中增强方法对自闭症谱系障碍进行分类的效果
摘要：在过去的 10 年中，使用神经影像数据将受试者分类为健康或患病引起了广泛关注，最近，人们使用了不同的深度学习方法。尽管如此，还没有任何研究关于 3D 增强如何帮助创建更大的数据集，而这需要训练具有数百万个参数的深度网络。在本研究中，深度学习被应用于静息状态功能 MRI 数据的导数，以研究不同的 3D 增强技术如何影响测试准确性。具体来说，ABIDE（自闭症脑成像数据交换）预处理中的 1112 名受试者的静息状态导数被用于训练 3D 卷积神经网络 (CNN)，以根据自闭症谱系障碍的存在与否对每个受试者进行分类。结果表明，增强只能为测试准确性提供微小的改进。
Fondazione Don Gnocchi的临床并发症量表用于对严重获得性脑损伤患者的临床并发症进行分类：发育和多中心验证
严重获得性脑损伤（SABI）的患者由于共存的认知运动残疾而表现出很高的临床复杂性，并且对日常生活活动的专业护理和依赖性很高（1，2）。此外，这些患者患临床并发症的风险很高，这可能导致急性护理病房重新院长的发生率很高（3），并使急性后的康复治疗变得困难（1）。Some patients with sABI can evolve from the comatose state to the prolonged Disorders of Consciousness (pDoC), which include patients in Vegetative State/Unresponsive Wakefulness Syndrome (VS/UWS; i.e., awake patients, but no evidence of conscious behaviors) ( 4 ), and patients in Minimally Conscious State (MCS; i.e., patients with minimal but reproducible intentional behaviors) ( 5 ）。对于患有SABI和PDOC的患者，最常见的临床并发症包括癫痫，呼吸道和生殖器尿液感染，Bedsores，Hypertonia，Heterotopic Ossifienation，Deep静脉血栓形成，心脏心脏和内分泌 - 代谢功能障碍（6-9）。这些临床并发症中的某些并发症会对生存率（例如，代谢性疾病），意识恢复（即癫痫）（6，10）和运动障碍的恢复（11）产生负面影响。基于这一证据，美国学院神经病学指南强烈建议识别临床并发症，以适当治疗它们并防止其恶化（12）。