代数、实数和复数代数、实数和复数分析、几何与分析、几何与拓扑、概率与拓扑、概率与统计、模糊统计、模糊数学、随机数学、随机过程、微分过程、微分方程、运算方程、运筹学、金融研究、金融数学、离散数学、离散数学、软数学、软计算、人工智能、算法、智能、算法、数据库管理数据库管理系统、机器学习、系统、机器学习、云计算、云计算、动力系统、动力系统、数学物理、数学物理、量子计算、量子计算、工程经济学、工程经济学与会计、计算数学、生物数学、生物数学
摘要 气温(Tair)是气候研究和气候影响管理中的一个基本变量。由于气象站分布稀疏且不均匀,传统的实地观测无法准确捕捉其空间分布,尤其是在局部变异性较高的偏远地区。为了解决这个问题,本研究利用遥感和气象站数据估算了摩洛哥苏斯流域的 Tair。采用两种统计方法(包括线性回归和偏最小二乘 (PLS))和四种机器学习算法(即 k-最近邻、随机森林 (RF)、极端梯度提升和立体主义)对 Tair 进行建模和预测,并使用随机子集和交叉验证评估其性能。中分辨率成像光谱仪预测因子包括 Terra 波段 32 发射率、Terra 夜间地表温度、Terra 当地夜间观测时间、Aqua 波段 31 发射率、Aqua 白天地表温度和 Aqua 夜间地表温度 (ALSTN),以及辅助输入包括天空视野、海拔、坡度和山体阴影,被用作建模的输入。结果表明,Cubist 和 RF 是最准确的模型(RMSE = 2.09°C 和 2.13°C,R 2 = 0.91 和 0.90),而 PLS 的预测能力最低(RMSE = 2.71°C;R 2 = 0.83)。模型在研究区域估算 Tair 的整体性能普遍令人满意,所有模型的 RMSE 都在 3°C 以下。尽管如此,站点数据的可靠性仍然是一个问题,七个站点中只有四个站点拥有完整的气象数据。
! “# $ % !"#%& # ' ( # ) !"#%& * $ + , - . ! # /0 !, . 1 . # )
抽象的混乱可能会使学习得到解决或部分解决。元认知策略(MS)可以帮助学习者在学习和解决问题期间发生混乱。这项研究研究了学生在贝蒂的大脑中引起的混乱与MS之间的关系,贝蒂的大脑是一个基于计算机的学习环境,小学和中学生通过建造因果图来学习科学。参与者是六年级学生。情绪数据是由训练有素的研究人员从实时观察中收集的。MS和任务性能信息是通过分析操作日志来确定的。使用预测试和后测试来评估学习收益。结果表明,MS的使用是学生混淆状态的函数。但是,混乱解决方案与MS行为无关,MS并没有减轻混乱对贝蒂大脑中学生任务表现或学习成就的影响。
从莱顿大学医学中心的正在进行的患者的注册表中研究人群和数据收集,有616例有症状的严重AS患者使用2D斑点跟踪超声心动图(即在2000年至2017年之间,选择了有症状的Severe诊断为有症状的诊断后的首次可用超声心动图。是最近指南的建议,严重定义为平均主动脉阀梯度> _40mmHg和/或主动脉阀区域(AVA)<1.0 cm 2 [或索引主动脉阀区域(AVAI)<0.6 cm 2/m 2]和/或峰值主动脉射流velocity> _4 m/s> _4 m/m/s。 14 - 16所有超声心动图数据均在临床上获取,并由经验丰富的观察者分析。排除标准是先前的主动脉瓣置换(AVR),缺乏症状以及由于声窗不良或数据不足而导致的斑点跟踪分析不足。患者人口统计和临床数据(例如心血管药物使用和合并症)和临床随访数据是从部门患者信息系统(EPD-Vision 11.8.4.0;尼德兰莱顿大学医学中心)和医院记录(Hix; Hips; Hips; Chipsoft; Chipsoft,Amsterdam,Netherlands)收集的,并进行了回顾。由于此分析的回顾性质,机构审查委员会放弃了对知情同意书的需求(CME 10.053)。支持本研究结果的数据可根据合理的要求提供给相应的作者。
人工智能 (AI) 在计算机科学领域已经发展了 50 多年。不知何故,直到最近几千年来,当测试思维本质假设的必要工具出现时,AI 才开始受到重视。不幸的是,由于缺乏对 AI 的法律监管,AI 处于监管真空中,而自然界厌恶真空。关于谁应该为 AI 造成的损害负责,法律处于混乱状态。这一问题的普遍性引发了这篇评论文章对必须监管的 AI 范围的阐述。本文的目的是建议将具有某些能力的 AI 置于法律领域。本文将首先强调与 AI 相关的问题,然后将讨论的重点引向证明 AI 受到监管的各种理由。本文将探讨政府在监管人工智能方面可以采用的各种方法。这些方法可以成为一种可行的方案,以实现马来西亚监管人工智能的两级方法。本文设计的方法是基于理论研究,其中大部分材料来自教科书、在线
随着机器人让每个人的生活变得轻松舒适,人机交互也日益广泛。在这项工作中,我们分析了各种类型机器人的行为和特性。我们还研究了机器人与人类之间日益增长的关系。在我们的分析中,我们还选择了该领域的一些方面,这些方面由众多技术专家和科学家完成。我们有兴趣通过生成一个可以解决问题并给出令人满意结果的功能系统来探索人脑的功能。人工智能是一个广阔的领域,它也在医疗保健、商业和质量保证领域中向前迈进。各种研究表明,企业部门正在加入人工智能来评估供需概念并实现人力资源系统的自动化。公共部门也在开发不同的智能机器,用于安全监控和关键系统(如核反应堆)的故障检测。人工智能和机器人技术对于无危险地执行法律和秩序执法也非常有用。随着人工智能的发展,由于全球各个行业对智能机器的需求很高,该领域的就业机会也在增加。我们的主要重点是深入研究人类与机器人之间的关系。
加快变化速度的一种方法是使用人工智能。与CE一样,AI的经济潜力通常被描述得非常大。普华永道的报告《Sizing the Prize》估计,到 2030 年,人工智能可以提高生产力,并增加对产品和服务的需求,相当于 15.7 万亿美元。2 随着越来越多的人试图清楚地了解人工智能是什么,也出现了大量不同的定义和解释。因此,AI 没有明确的定义或普遍接受的界限。从根本上来说,人工智能是能够实现先前假定人类思维的自动化信息处理和决策的数字技术和工具。为了避免陷入关于什么是人工智能和什么不是人工智能的详细讨论中,本报告使用了一个非常简单而广泛的定义,基于 Vinnova 在《瑞典商业和社会中的人工智能》报告中的定义:
摘要:本研究旨在从教师的角度确定阿杰隆省智障学生的攻击行为水平。样本包括学年第一学期(2018-2019)在特殊教育中心就读的所有(94)名智力低下和中等水平的学生。我们构建并开发了三十段量表作为研究工具。该量表包括攻击行为的三个维度:自我攻击、针对他人的攻击以及针对财产和物体的攻击。结果表明,从教师的角度来看,阿杰隆省智障学生的攻击行为水平较高。由于残疾程度偏向中等,因此在(α=0.05)处存在统计学上的显着差异。由于性别,在(α=0.05)处没有统计学上的显着差异。关键词:攻击行为,智障。
本文介绍了一种寻找配平飞行条件的方法,同时最大化一个或多个运动轴的可用控制权限。最大俯仰或升力控制权限可以在中止着陆情况下找到有趣的应用,而所有运动轴的最大平衡控制权限则是经典最小控制力概念的重新表述。配平问题以约束优化问题的形式提出。约束和目标函数是通过利用可达到力矩集的几何特性获得的,可达到力矩集是一个凸多面体,包含飞机控制效应器可达到的力和力矩。该方法应用于一种名为 PrandtlPlane 的创新型箱翼飞机配置,其双翼系统可以容纳大量控制面,因此可以实现纯扭矩和直接升力控制。在对称和非对称飞行中,比较了配平条件下的控制面偏转,其中俯仰轴、升力轴具有最大控制权限,平衡控制权限最大。结果表明,该方法能够利用攻角或油门设定来获得控制面偏转,从而最大化指定方向上的控制权。