XiaoMi-AI文件搜索系统
World File Search Systempred
使用机器学习模型的员工流失预测。
摘要 - 当今的商业格局的特点是竞争和动态，这将人力资源管理转变为组织的基本战略合作伙伴。员工营业额会带来影响生产力和知识管理的风险。本研究的重点是使用机器学习（ML）模型来预测员工的离职。在培训过程中，使用了一个由4410个记录和29个变量组成的数据集，在培训和评估十种模型的过程中，遵循了人工智能（AI）方法。调查结果表明，XG增强分类器（XGBC）和随机森林（RF）模型达到了最佳准确性和性能率，为98.8％和98.7％。Followed by Decision Tree Classifier (DT) with 97.6%, and the other models, such as Gradient Boosting Classifier (GBC), Ada boost Classifier (AC), Logistic Regression (LR), KN Classifier (K-NNC), SGD Classifier (SGDC), Support Vector Classifier (SVC) and Nu Support Vector Classifier (NuSVC), achieved the following费率：分别为88.4％，85.4％，84％，82.2％，83.0％，83.0％，55.0％。最后，可以得出结论，模型在预测中是有用且有效的。建议在人力资源管理策略中实施实际实施，以进行主动干预。
基于机器学习的直接金属沉积中复杂刀具路径的轨道高度预测
模具行业不断要求先进的技术来提高模具在其生命周期内的性能。直接金属沉积 (DMD) 为模具翻新提供了关键机会。然而，通过 DMD 的典型刀具路径由交替的平滑段和尖角组成。在这里，能量密度和粉末数量的波动通常会导致工具恢复部分出现严重的几何偏差。这项工作提出了一种基于机器学习的新型预测方法，该方法使用与工艺参数和执行的几何形状相关的特征来表征路径。该方法的优势已在刀具路径上得到验证，刀具路径通常表征工具翻新过程。© 2022 作者。由 Elsevier Ltd 代表 CIRP 出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）
利用人工神经网络预测定向金属沉积中的高度
定向金属沉积 (DMD) 是一种很有前途的金属增材制造技术，其中零件是通过使用沿预定义轨迹移动的激光束融合注入的金属粉末颗粒来制造的。刀具路径通常包括曲线或边缘部分，机器轴需要相应地减速和加速。因此，局部施加的激光能量和粉末密度在沉积过程中会发生变化，导致局部过度沉积和过热。这些偏差还受到刀具路径几何形状和工艺持续时间的影响：先前的沉积可能会在时间和空间上影响相近的刀具路径段，导致局部热量积聚，并形成与使用相同参数沉积的其他段中产生的轮廓和微观结构不同的轮廓和微观结构，这是由于几何形状和温度相关的集水轮廓所致。为了防止这些现象，需要轻量级和可扩展的模型来预测可变刀具路径的工艺行为。在本文中，我们提出了一种基于人工智能的方法来处理 Inconel 718 的工艺复杂性和多种刀具路径变化。考虑到先前定义的刀具路径，使用人工神经网络 (ANN) 来预测沉积高度。通过打印包含多个曲率和几何形状的随机刀具路径，生成了训练数据。基于训练后的模型，可以成功预测整个刀具路径的显著局部几何偏差，并且可以通过相应地调整工艺参数来预测。
使用各种损失模型的电池损失预测
这项工作比较并量化了带有太阳能光伏（PV）的住宅建筑物的案例研究中三个电池系统损耗表示的年损失。两个损失表示形式考虑了不同的操作条件，并使用电池电力电子转换器（PEC）的测量性能，但使用恒定或依赖电流的内部电池电池电阻的不同。第三表示是无关紧要的，并使用（固定的）往返效率。工作使用负载和PV轮廓的次数测量，包括不同的PV和电池尺寸组合的结果。与具有当前依赖性内部电阻的情况相比，结果表明使用恒定电池内部电阻不足，并将年度损失差异量化为-38.6％。结果还表明了通过固定的往返效率对电池系统的效率进行建模的缺陷，其损失差异在-5％至17％之间，具体取决于情况。此外，突出显示了计算细胞损失的必要性，并且量化了其对转换器加载的依赖性。
利用深度学习预测老化电池放电
电化学电池是我们社会中无处不在的设备。当用于关键任务应用时，在高度变化的操作条件下准确预测其放电终止的能力至关重要，以支持运营决策并充分利用整个电池的使用寿命。虽然有充电和放电阶段潜在过程的准确预测模型，但老化建模仍然是一个悬而未决的挑战。这种缺乏理解通常会导致模型不准确，或者每当电池老化或其条件发生重大变化时，就需要耗时的校准程序。这对在现实世界中部署高效、强大的电池管理系统构成了重大障碍。在本文中，我们介绍了 Dynaformer，这是一种新颖的深度学习架构，它能够同时从有限数量的电压/电流样本推断老化状态，并以高精度预测真实电池的全电压放电曲线。在评估的第一步中，我们调查了所提出的框架在模拟数据上的性能。在第二步中，我们证明了只需进行少量微调，Dynaformer 就能弥补模拟与从一组电池收集的实际数据之间的差距。所提出的方法能够以可控且可预测的方式利用电池供电系统直至放电结束，从而显著延长运行周期并降低成本。
门窦血管疾病的遗传易感性
本文已接受出版并经过完整的同行评审，但尚未经过文字编辑、排版、分页和校对过程，这可能会导致此版本与记录版本之间存在差异。请引用本文 doi: 10.1002/hep.32735
基于锂离子电池的剩余使用寿命预测...
无人管理的水下车辆通常部署在深海环境中，这些环境呈现出独特的工作条件。锂离子电池对于为水下车辆供电至关重要，至关重要的是要准确预测其剩余使用寿命（RUL）以保持系统的可靠性和安全性至关重要。我们提出了一个基于完整集合经验模式分解的残留寿命预测模型框架，并具有自适应噪声 - 时空卷积网（Ceemdan-TCN），该卷积网（Ceemdan-TCN）利用了扩张的因果汇报来提高模型捕获局部容量再生的能力，并增强了整体预测准确性。ceemdan被用来确定数据并防止由局部再生引起的Rul预测错误，并利用特征扩展来扩展原始数据的时间维度。NASA和CALCE电池容量数据集用作训练网络框架的输入。输出是当前预测的剩余容量，它与实际剩余电池容量进行了比较。MAE，RMSE和RE用作RUL预测性能的评估索引。在NASA和CACLE数据集上验证了所提出的网络模型。评估结果表明，我们的方法具有更好的寿命预测性能。同时，证明特征扩展和模态分解都可以提高模型的概括能力，这在工业场景中非常有用。
引文
糖尿病在具有并发症的高收入和低收入国家中越来越普遍（1-3）。它可能导致微血管（肾病，视网膜病和神经病）和宏 - 血管并发症（4-6）。除了管理高血糖外，糖尿病患者还需要临床监测和评估其他危险因素，并管理并发症的潜在预测因素（6-8）。糖尿病神经病的发病率正在增加，即使撒哈拉以南非洲人的现有病例相对降低（9）。糖尿病神经病（DNP）是糖尿病最常见的并发症（10，11）。根据在拉丁美洲进行的系统审查，其患病率在2型DM和1型糖尿病中的患病率在7.0％至34.2％之间的范围为34.5％（6）。尽管大约一半的糖尿病患者无症状对于DNP，但大多数患者都会出现麻木，刺痛，疼痛和无力，导致全世界造成残疾的残疾（12-15）。它会因慢性疼痛，跌倒，肢体截肢和足部溃疡而导致的生活质量。DNP的这些表现进一步导致睡眠障碍，焦虑和抑郁（6，10，15）。糖尿病神经病是低收入和高收入国家的全球医疗保健问题（16，17）。估计每30秒在世界某个地方，由于糖尿病神经病而进行下肢截肢（18）。糖尿病神经病是全球施加社会经济负担和残疾的糖尿病并发症的迅速增长（7，19 - 21）。IT占足迹溃疡的80％，50-60％的非创伤肢体截肢（15）。糖尿病患者中糖尿病神经病的汇总患病率在全球22％至46.5％（6）范围内。在非洲和埃塞俄比亚，它分别在22-66％至52.2 - 53.6％之间，分别患有糖尿病神经病（22-24）。由于诊断迟到，筛查和诊断资源的不足，对血糖的控制不佳，健康支出不足，医疗资源短缺以及缺乏质量糖尿病护理的增加，发展中国家的糖尿病神经病的患病率和发生率很高（20，22）。在黑狮医院进行的一项研究表明，糖尿病神经病是主要的糖尿病并发症，
肥胖和脂质相关指数作为国家队列研究中2型糖尿病的预测指标
1 Department of Graduate School, Wannan Medical College, Wuhu, An Hui, China, 2 Student Health Center, Wannan Medical College, Wuhu, An Hui, China, 3 Department of Surgical Nursing, School of Nursing, Jinzhou Medical University, Linghe District, Jinzhou, Liaoning, China, 4 Department of Occupational and Environmental Health, Key Laboratory of Occupational Health and Safety for Coal Industry in Hebei中国北中国科学技术大学公共卫生学院，坦山，赫比，中国，5个妇产科护理，护理学院，瓦南医学院，瓦州，瓦伊，瓦伊，一个紧急护理护理系，沃南医学院，瓦纳医学院，北部医学院，北部医学院，北部医学院，北部医学院。武豪（Wuhu），华盛公司，中国，武氏8位儿科护理系，瓦南医学院，武豪学院，瓦州，瓦伊，hui，中国，9号手术护理系，护理学院，护理学院，Wannan医学院，22 Wenchang West路22 Wuhu，hui，中国
预测月鱼分布和捕获率的变化
气候变化显着和不利影响了全球环境，生物多样性和可持续的人类发展，主要是通过修改全球温度模式，水文循环和诱导酸性（Habib等，2025）。海洋中的主要反应变量（例如，物理，化学和生物学）可以用作气候变化影响的前哨指标。在当代和即将到来的气候变化情景中，预期的水生生物多样性的灭绝率通常大于陆地物种的灭绝率（Huang等，2021）。小规模的鱼纹（SSFS）显着有助于粮食安全，减轻贫困，就业和维持健康的海洋生态系统（Gatta，2022），因此促进了某些可持续发展的发展目标的实现。尽管是全球数百万的主要生计选择，但SSF遇到了与全球化，气候变化和过度融化相关的不确定性和可变性的升级（Nilsson等，2019）。气候变异性通过影响杂种资源，捕捞者的生计以及更改人口和生产价值来对SSF构成重大危险（Mbaye等人，2023年）。沿海地区尤其容易受到全球变暖的有害影响，这主要是在陆地和海洋因素的收敛中。影响可能是海洋，生态或社会经济。海洋变暖有海洋学的意义包括在杂种季节的改变，弯曲位置的变化以及由于波高和湍流风而引起的与海上活动相关的危险（N'Souvi等，2024）。同时，捕捞收入的不可预测性以及即将来临的气候变化造成的潜在生物多样性损失（Pörtner等人，2023年）分别体现了社会经济和生态经济和生态学的反应。气候变化的其他后果包括沿海水温的变化，降水模式，海平面上升，沿海流量和侵蚀的变化，这显着影响的多样性，分布和丰度，随后影响海洋生物生物系统和生态系统，以及n's sherfculations n s shefivies n's''s''s''''souvient''。例如，海平面的上升通过降低薄壁架的生产力和价值来影响沿海景观和社区的生计（N'Souvi等，2024），从而损害了融化操作的安全性和效率（Bertrand等人，2019年）。此外，降水，暴风雨发生和干旱模式的变化影响了水流量，从而影响了沿海地区的物种运动和招募模式以及盐度水平（Trégarot等，2024）。因此，海温的加速升高（Cheng等，2019），盐度（Cheng等，2020），海平面（Kulp and Strauss，2019），酸性（Cattano等，2018）和脱氧（Kwiatkowski等，2020年），MARRINANT在MARRINANT中，MARRINANT在MARRINANT上，一定的物种和偏移分配，一定的物种和境内迁移。 Venegas等人，2023年），丰度降低（McCauley等，2015），以及生产力的转变（Venegas等，2023），通过改变季节性模式和减少的填充效率和减少的填料（france and france and france and france），从而导致社会经济的影响。