XiaoMi-AI文件搜索系统
World File Search Systempredict
混合热建模以预测LED ...
摘要 - 杂化结构电子（HSE）由印刷的电子设备，常规的刚性电子设备和负载轴承支撑一部分设备的部分（塑料，玻璃等）。超大区域和带有嵌入的光发射二极管（LED）的柔性照明元件是此类应用的一个例子。可以使用LED，例如作为用于建筑或汽车行业的智能表面的光源。一旦LED嵌入到结构中，就无法更换它们。为了使可持续的HSE产品具有长寿，需要新的设计类型。HSE的元素在运行时经历具有升高热应力的条件。众所周知，这会影响其性能和寿命，从而对LED至关重要。由于新型的添加剂制造方法，结构和非常规的材料组合，许多与热管理相关的方面尚不清楚。在这项研究中，一种两步混合方法，包括热建模和测量，用于估计在HSE中使用的聚合物底物上固定的表面固定的LED的热行为。该模型是在Comsol多物理学中创建和模拟的。通过用热瞬态测量测量测量，模型热行为的有效性和准确性得到了验证。基于实验验证，与测量相比，提出的仿真模型仅具有小（小于2％）的温度变化。因此，开发的模型可以用作设计结构LED元素并在不同用户案例中预测其性能特征的基础。
预测森林的机器学习技术
Gurunanak机构技术校园，海得拉巴，Telangana，印度摘要：自然资源计划是任何社会的重要方面。 知道森林覆盖类型是开发生态系统管理的森林土地之一。 应仔细注意生态系统中发生的任何变化，以避免进一步的损失。 该模型有助于注意到由于严重的洪水或影响森林土地的任何其他灾难而发生的变化。 一种机器学习算法用于使用制图变量预测森林覆盖类型。 该方法是使用诸如斜面，坡度，土壤类型，荒野区域等制图变量预测森林覆盖类型等。 使用各种数据挖掘技术，例如决策，随机森林，回归树和梯度提升机，用于预测森林覆盖类型。Gurunanak机构技术校园，海得拉巴，Telangana，印度摘要：自然资源计划是任何社会的重要方面。知道森林覆盖类型是开发生态系统管理的森林土地之一。应仔细注意生态系统中发生的任何变化，以避免进一步的损失。该模型有助于注意到由于严重的洪水或影响森林土地的任何其他灾难而发生的变化。一种机器学习算法用于使用制图变量预测森林覆盖类型。该方法是使用诸如斜面，坡度，土壤类型，荒野区域等制图变量预测森林覆盖类型等。使用各种数据挖掘技术，例如决策，随机森林，回归树和梯度提升机，用于预测森林覆盖类型。
使用机器学习算法来预测...
近年来，全球香蕉贸易已扩大到前所未有的水平，2019年出口估计为2100万吨。这是由于出口国的供应量大幅增加以及进口需求的大幅增长。在2022年，伊拉克的进口量达到15,300吨香蕉（粮农组织，2022年）。香蕉在增加能量水平，支持心脏健康，帮助消化，提供必需的营养素，协助体重管理以及支持抗氧化剂保护方面很重要，这使它们成为均衡饮食的宝贵补充（Apostolo Poulos等人，2017年）。为了在更长的时间内保存香蕉，进行干燥过程，这使它们成为方便且便携式的小吃，不会迅速变质。干燥甲基元素可改善食品营养含量的可持续性，延长保质期并降低
一种预测航空公司运营绩效的方法...
本论文提出了一种根据航班时刻表和飞机分配预测航空公司运营绩效的方法。该方法使用飞机分配属性的综合指标，称为飞机分配关键绩效指标 (KPI)，旨在找到它们与航空公司运营绩效之间的相关性。准备进行模拟实验以收集大量数据点进行分析。给出了在航空公司运营中使用控制理论方法的动机，以利用 KPI 作为初步规划和纠正措施的基础。
通过建模退化来预测使用寿命
到 2030 年，全球电池产量可能达到 5 TWh，以 100 美元/千瓦时计算，这是一个价值 5000 亿美元的产业。任何影响的假设，无论多小，数字都很容易变得巨大。• 如果一家电动汽车制造商生产 100 万辆汽车，
使用机器学习预测患者
摘要传统上，医疗保健部门是技术进步的早期采用者，获得了很大的优势，尤其是在诸如疾病预测之类的机器学习应用中。最重要的疾病之一是中风。早期对脑部的发现对于挽救人类生命至关重要。脑部中风是一种疾病，当血液流向大脑的流动受到干扰或减少，导致脑细胞死亡并导致损伤或死亡。此外，世界卫生组织（WHO）将大脑中风归类为世界上第二个最致命的疾病。脑部中风仍然是医疗保健部门的重要因素。控制脑部中风的风险对于患者的存活很重要。在这种情况下，机器学习用于各种与健康相关的领域，尤其是“大脑中风”。为此，创建了一个自动化模型，用于识别和提供有用的脑冲程预测信息。它可以在早期阶段以很高的精度预测大脑中风。拟议的模型旨在检查患者有效的决策。这项研究采用了可自由访问的数据集以及机器学习方法的组合，例如随机森林，逻辑回归和决策树。此外，实施了抽样技术（SMOTE）的合成少数群体来处理不平衡的数据。该结果在预测脑冲程时表现出99％的高精度。关键字：机器学习，决策树，逻辑回归，随机森林，smote。
用于预测大脑的分类技术比较...
摘要：基于 P300 的脑机接口 (BCI) 性能易受延迟抖动影响。为了研究延迟抖动对 BCI 系统性能的影响，我们提出了基于分类器的延迟估计 (CBLE) 方法。在我们之前的研究中，CBLE 基于最小二乘 (LS) 和逐步线性判别分析 (SWLDA) 分类器。在这里，我们旨在使用稀疏自动编码器 (SAE) 扩展 CBLE 方法，以将基于 SAE 的 CBLE 方法与基于 LS 和 SWLDA 的 CBLE 进行比较。新开发的基于 SAE 的 CBLE 和以前使用的方法也应用于新收集的数据集，以降低出现虚假相关的可能性。我们的结果显示，BCI 准确度和估计的延迟抖动之间存在显着 (p < 0.001) 负相关性。此外，我们还研究了电极数量对每种分类技术的影响。我们的结果表明，总体而言，无论分类方法和电极数量如何，CBLE 都能发挥作用；相比之下，电极数量对 BCI 性能的影响则取决于分类器。
使用 BERT 预测生理信号
人类大脑如何处理语言一直是认知神经科学和心理语言学研究的中心课题。研究这个课题的典型方法是学习一个模型来预测受试者在做语言任务时的大脑活动。我们给受试者提供一些刺激——单词、短语、句子等，同时收集他们的生理数据——EEG、MEG、fMRI。这个计算模型背后的理论是语言表征的神经基础与广泛的语言语料库中神经表征的分布特性有关。学习这类预测模型的局限性在于大多数机器学习模型都需要大量数据。然而，在实践中很难获得足够的生理数据。在本研究中，我们利用预训练语言模型——BERT（一种近期广泛使用的预训练语言模型）的优势来缓解数据不足的限制。近年来，预训练语言模型极大地促进了NLP研究的各个方面。得益于预训练模型，几乎所有的NLP下游任务都达到了SOTA性能。语言模型学习预测单词序列的概率。预训练语言模型是使用大型语料库（例如Wikipedia）进行训练，从而编码广泛而一般的语言属性。然后可以通过少量特定于任务的数据集对预训练语言模型进行微调，将其用于下游NLP任务。结果表明，使用BERT和微调后的BERT可以预测EEG和一些凝视特征。这项研究证实了NLP预训练语言模型与人类之间的联系。它也为相关研究打开了一扇窗户。
通过 fea 和 doe 分析来预测变形和...
本研究主要关注翘曲如何影响盖子变形以及表征翘曲的技术。FEA 用于创建与实际产品相似的原型。实验设计考虑了不同的变量，例如盖子的设计和材料。DOE 和随后的统计分析用于了解这些参数之间的相关性。解决了翘曲变形方面最重要的参数。基于这项研究，建议在封装上开发盖子时采用适当的设计和材料。当光电封装承受热机械载荷时，这会很有帮助；翘曲不仅会对焊点产生不利影响，还会对封装的其他部分产生不利影响。因此，在这项工作中，重点关注受翘曲影响的封装盖子的表征。分析表明，预计会影响盖子翘曲的两个参数之间没有显著的相互作用。与本研究中引入的盖子设计中的变量相比，盖子的材料特性对盖子翘曲的影响更大。这项研究将有助于开发与光电子相关的技术先进的封装。
1核调节性干扰先于...
隶属关系1。人口和全球健康，新加坡南南技术大学的李基安医学院2.英国帝国学院公共卫生学院流行病学和生物统计学系3.精确健康研究（精确），新加坡4。新加坡基因组研究所，科学，技术与研究机构，新加坡5。 新加坡国家心脏中心新加坡6。 看到新加坡国立大学和新加坡国立大学卫生系统的Swee Hock公共卫生学院7。 个性化医学服务，新加坡Tan Tock Seng医院8. 新加坡新加坡新加坡新加坡新加坡的新加坡眼科研究所9。 眼科与视觉科学学术临床计划，新加坡公爵医学院10. 印度新德里的Max Healthcare Institute 11. Kelaniya大学，Kelaniya，Sri Lanka 12。 科伦坡大学，科伦坡，斯里兰卡13。 巴基斯坦拉合尔的医学科学研究所14。 Singhealth Duke-Nus精密医学研究所，新加坡15。 Singhealth Duke-Nus基因组医学中心，新加坡16。 新加坡杜克 - 纳斯医学院的癌症与干细胞生物学计划新加坡基因组研究所，科学，技术与研究机构，新加坡5。新加坡国家心脏中心新加坡6。看到新加坡国立大学和新加坡国立大学卫生系统的Swee Hock公共卫生学院7。个性化医学服务，新加坡Tan Tock Seng医院8.新加坡新加坡新加坡新加坡新加坡的新加坡眼科研究所9。 眼科与视觉科学学术临床计划，新加坡公爵医学院10. 印度新德里的Max Healthcare Institute 11. Kelaniya大学，Kelaniya，Sri Lanka 12。 科伦坡大学，科伦坡，斯里兰卡13。 巴基斯坦拉合尔的医学科学研究所14。 Singhealth Duke-Nus精密医学研究所，新加坡15。 Singhealth Duke-Nus基因组医学中心，新加坡16。 新加坡杜克 - 纳斯医学院的癌症与干细胞生物学计划新加坡新加坡新加坡新加坡新加坡的新加坡眼科研究所9。眼科与视觉科学学术临床计划，新加坡公爵医学院10.印度新德里的Max Healthcare Institute 11.Kelaniya大学，Kelaniya，Sri Lanka 12。 科伦坡大学，科伦坡，斯里兰卡13。 巴基斯坦拉合尔的医学科学研究所14。 Singhealth Duke-Nus精密医学研究所，新加坡15。 Singhealth Duke-Nus基因组医学中心，新加坡16。 新加坡杜克 - 纳斯医学院的癌症与干细胞生物学计划Kelaniya大学，Kelaniya，Sri Lanka 12。科伦坡大学，科伦坡，斯里兰卡13。巴基斯坦拉合尔的医学科学研究所14。Singhealth Duke-Nus精密医学研究所，新加坡15。Singhealth Duke-Nus基因组医学中心，新加坡16。新加坡杜克 - 纳斯医学院的癌症与干细胞生物学计划