XiaoMi-AI文件搜索系统
World File Search Systempredicting
预测变异新冠病毒 (COVID-19) 的疗效......
图 1 使用基于祖先的疫苗和变体修饰的疫苗加强接种的汇总中和数据。（A）使用基于祖先的疫苗加强接种后中和滴度的倍数变化。不同测试变体的滴度变化以不同的颜色表示。（B）与基于祖先的疫苗相比，使用变体修饰的疫苗加强接种时中和滴度有所改善（显示为倍数增加）。在体外针对祖先 SARS-CoV-2 变体进行测试（左）和在体外针对其他变体进行测试（右）时均显示出改善。（C）与基于祖先的疫苗相比，使用变体修饰的疫苗加强接种后中和滴度的倍数增加，具体取决于体外测试的变体是否与疫苗免疫原匹配（红色，左）或不匹配（蓝色，右）。对于图 B 和 C，对 log10 转换值进行了 t 检验。
1 一种用于预测的集成 MCDM-ML 方法......
政策制定者和利益相关者可以通过环境认证（EMAS、LEED、ISO14001、碳信托标准等）对能源排放进行测试，从而规范对能源消耗和温室气体排放的定期检查。这些监管检查是实现净零排放所必需的。
预测杂化后...
COVID-19大流行导致了全球广泛的健康挑战。在这些挑战中，COVID-19的并发症（尤其是心血管并发症）的出现引起了极大的关注。这项研究解决了通过使用数据驱动的机器学习模型来预测从Covid-19的个体中心血管并发症的紧迫问题。进行了全面的分析，其中包括来自伊拉克各个地区的352例COVID后352例。相关临床数据，包括人口统计信息，合并症，实验室发现和成像结果。机器学习算法（包括[指定所采用的算法]）被利用以构建预测模型。数据集分层为培训和测试子集，以严格评估模型性能。该研究的结果阐明了几个关键见解，例如鉴定特定合并症与发生后-19后心血管并发症发生的实质性关联。预测模型实现了值得称赞的准确率，灵敏度，特异性和其他相关性能指标，从而证明了他们在识别患者患上这种并发症风险增加的个人方面的功效。这种早期检测能力有望促进及时的干预措施，最终导致患者的预后改善。调查结果强调了对患者（尤其是具有可识别危险因素的患者）保持警惕的必要性。总而言之，这项调查强调了数据驱动的机器学习模型的潜力是预测Covid-19康复的个体心血管并发症的宝贵工具。此外，本研究提倡继续进行研究工作和验证研究，以完善这些模型，从而提高其在各种临床环境中的准确性和普遍性。
预测术后右心室衰竭
† 作者对这项工作的贡献相同摘要在这项研究中，我们描述了一种新颖的“放射组学”方法，用于超声心动图人工智能系统，该系统能够从每个超声心动图视频中提取数十万个运动参数。我们将该人工智能系统应用于预测接受植入式循环生命支持系统的心力衰竭患者术后右心室衰竭（RV 衰竭）的临床问题。术后右心室衰竭是左心室辅助装置 (LVAD) 患者短期死亡的最大单一因素；然而，预测哪些患者在术前有发生这种并发症的风险，仍然超出了该领域专家的能力。我们使用标准 10 倍交叉验证报告测试数据集的结果。仅使用术前超声心动图，使用斯坦福 LVAD 数据集训练的人工智能系统的 AUC 为 0.860（95% CI 0.815-0.905；n = 290 名患者）。我们进一步表明，我们的系统表现优于配备当代风险评分（AUC 0.502 - 0.584）和独立测量的超声心动图指标（0.519 - 0.598）的委员会认证临床医生。
预测 IRT 难度的解释力
等式 1 的群体性质在 AI 的许多领域都很方便，因为我们在选择要部署的系统之前通常会应用各种技术。所有这些被丢弃的次优系统都可以重新用于计算难度，正如我们将在本文中看到的那样。然而，使用系统群体也会带来一些风险。例如，如果群体包含一个不符合要求的系统（在简单实例上失败，在一些困难实例上成功），则可能导致非常不稳定的难度指标。如果我们只是计算一组系统对每个实例的平均误差作为难度的代理，可能会发生这种情况（Mart´ınez-Plumed 等人，2019 年）。几十年前提出了一种解决这个问题的方法，称为项目反应理论 (IRT)，其中难度是从项目（实例）和受访者（系统）矩阵中推断出来的，这使得符合要求的系统更具相关性。此外，IRT 给出了一个遵循正态分布的难度缩放指标，可以直接与系统的能力进行比较。然而，IRT 和其他难度指标都是从之前的性能结果中得出的，但不依赖于实例空间，因此我们无法预测新实例的难度。我们为这个重要问题提出了一个相对简单的解决方案：以问题特征作为输入、以难度作为输出来训练回归模型。本文涵盖了人工智能中的一系列问题，推导了它们的 IRT 难度，并为每个领域训练了一个回归模型——难度估算器，我们对其进行了系统性的评估。对于许多领域，根据 RMSE 和 Spearman 相关性，对 IRT 难度的估计非常好。我们在一系列应用上说明了这些难度模型的解释能力：
预测飞机的周转时间过程...
飞机的周转包括一系列地面处理活动，如登机、加油和行李装卸，这些活动需要在起飞前完成。对于维戈埃因霍温机场 (VEA) 的周转地面处理操作，使用预定义的开始和完成时间来安排这些周转活动及其资源。预定义的流程时间不考虑导致时间表混乱的任何变化。此外，通常不清楚哪些活动构成了总周转时间，这使得难以有效分配资源。从业务角度来看，希望预测执行周转及其活动所需的时间，以使运营决策更加智能。本文提出了一种流程结构感知预测 (PSAP) 方法来高质量地预测飞机在机场的周转时间。作为案例研究，我们为瑞安航空波音 737 在埃因霍温机场的周转开发了一个模型。所提出的 PSAP 模型的主要特点是它能够将周转时间预测分解为其“关键”活动的周期时间，而这些周期时间可以通过先进的机器学习算法（如人工神经网络 (ANN) 和随机森林 (RF)）准确预测。通过明确定义周转过程结构，可以获得准确且透明的模型，可用于（实时）决策目的
验证预测行为的分析方法...
本报告总结了协调研究项目 (CRP) 下开展的工作，该项目名为“核结构抗震性能预测分析方法验证”。该项目由国际原子能机构根据其快堆技术工作组 (TWGFR) 的建议组织实施，于 1996 年至 1999 年间开展。核电站和设施的主要要求之一是确保安全，并在地震等强外部动态载荷下不发生损坏。液态金属冷却快堆 (LMFR) 的设计包括在低压下运行的系统，并包括薄壁和柔性部件。这些系统和部件可能会受到地震区地震的严重影响。因此，国际原子能机构通过其先进反应堆技术开发计划支持成员国将抗震技术应用于 LMFR 的活动。将该技术应用于 LMFR 和其他核电站及相关设施将带来优势，即在存在地震风险的地区可以安全地使用标准设计。该技术还可以提供一种抗震升级核设施的方法。应用于此类关键结构的设计分析需要牢固确立，而 CRP 为评估其可靠性提供了宝贵的工具。来自印度、意大利、日本、韩国、俄罗斯联邦、美国的十个组织
空间外推：预测生态的科学...
外推法既可以用于原始范围（即观测范围）之外，也可以用于原始范围之内，如插值法或“填充”一系列数据。外推法以某种形式一直都是生态学的一部分，但在 20 世纪后半叶，它成为必不可少的条件。这反映了科学哲学的普遍范式转变（Popper 1959），以及随后罗伯特·麦克阿瑟等生态学家为将其学科转变为预测科学而做出的努力（Cody and Diamond 1975）。紧随这一转变之后，在蓬勃发展的环境运动中，人们期望生态学家能够提供公共政策制定所需的科学知识（McIntosh 1985）。过去几十年的技术创新，尤其是遥感和地理信息系统 (GIS) 领域的技术创新，大大增强了科学家应对这一挑战的能力，使他们能够以比以往更广阔的空间尺度和更详细的程度描述自然界的模式。