XiaoMi-AI文件搜索系统
World File Search Systemraj
比较医学概念表示和患者轨迹预测的神经语言模型
医学概念的有效表示对于电子健康记录的次要分析至关重要。神经语言模型在自动从临床数据中得出医学概念表示方面已显示出希望。但是，尚未对不同语言模型的比较性能，用于创建这些经验表示形式及其编码医学语义的程度，尚未得到广泛的研究。本研究旨在通过评估三种流行语言模型的有效性 - word2vec，fastText和手套 - 在创建捕获其语义含义的医学概念嵌入中的有效性。通过使用大量的数字健康记录数据集，我们创建了患者轨迹，并用它们来训练语言模型。然后，我们通过与生物医学术语进行明确比较来评估学到的嵌入式编码语义的能力，并通过预测具有不同级别可用信息的患者结果和轨迹来隐含。我们的定性分析表明，FastText学到的嵌入的经验簇与从生物医学术语获得的理论聚类模式表现出最高的相似性，分别在0.88、0.80和0.92的经验簇和0.92之间的诊断，过程和医疗代码分别为0.88、0.80和0.92之间。相反，为了预测，Word2Vec和Glove倾向于优于快速文本，而前者的AUROC分别高达0.78、0.62和0.85，分别用于现场长度，再入院和死亡率预测。在预测患者轨迹中的医疗法规时，手套在诊断和药物代码（分别为0.45和0.81）的最高级别上达到了语义层次结构的最高性能（AUPRC分别为0.45和0.81），而FastText优于其他模型的过程代码（AUPRC为0.66）。我们的研究表明，子词信息对于学习医学概念表示至关重要，但是全球嵌入向量更适合于更高级别的下游任务，例如轨迹预测。因此，可以利用这些模型来学习传达临床意义的表示形式，而我们的见解突出了使用机器学习技术来编码医学数据的潜力。
巴黎AI行动峰会，2025年-Kamaraj IAS Academy
巴黎AI行动峰会（2025年）标志着印度和法国共同主持的AI治理的重要里程碑，汇集了90多个国家，以应对与AI相关的全球挑战。印度及其在数字公共基础设施（DPI）和STEM方面的专业知识，在弥合西方技术野心与全球南方需求之间的鸿沟，主张在确保AI安全的同时促进创新的平衡方法。
引用：Rabie，Obj和Selvarajan，S和Hasanin，T和Alshareef，Am和Am和Yogesh，CK和Uddin，M（2024）一种新颖的IoT Intrusion Intrusion检测框架U
物联网（IoT）在现代生活中广泛使用，例如在智能家居，智能运输等中。但是，由于物联网对恶意袭击的脆弱性，目前的安全措施无法完全保护该物联网。入侵检测可以保护物联网设备作为安全工具的最有害攻击。然而，常规入侵检测方法的时间和检测效率需要更准确。本文的主要贡献是开发一个简单的智能安全框架，以保护物联网免受网络攻击。为此，在拟议的工作中开发了决定性的红狐（DRF）优化和描述性背部传播径向函数（DBRF）分类的组合。这项工作的新颖性是，与机器学习算法合并的最近开发的DRF优化方法可用于最大化物联网系统的安全水平。首先，进行数据预处理和归一化操作以生成平衡的物联网数据集，以提高分类的检测准确性。然后，应用DRF优化算法以最佳调整精确入侵检测和分类所需的功能。它还支持提高训练速度并降低分类器的错误率。此外，还部署了DBRF分类模型，以使用优化的功能对正常和攻击数据流进行分类。在这里，建议的DRF-DBRF安全模型的性能使用五个不同且流行的IOT基准测试数据集进行了验证和测试。最后，通过使用各种评估参数将结果与先前的异常检测方法进行比较。
Peter Niraj Nirmalraj-个人资料 - KSSG研究数据库
Schneider T，StöckliL，Felbecker A，NirmalrajP。红细胞上的蛋白质FI鲜明聚集：一种潜在的生物标志物，可将神经退行性疾病与健康衰老区分开。大脑社区2024; 6：FCAE180。
肾功能轨迹和LVAD植入后正确的心力衰竭
方法和结果：我们确定了从2014年7月1日至2017年12月31日在机械辅助循环支持（Intermacs）数据集的机构间注册中，从2014年7月1日到2017年12月31日收到了主要连续流量的植入。使用Intermacs定义在1和3个月时确定了RHF的事件RHF，并归类为瞬态或持久性。肾脏功能轨迹在RHF发作前后，以及基线肾功能与不同时间点的RHF风险的关系。我们确定了符合纳入标准的8076 LVAD接收者。事件RHF在1个月以26.4％出现。有4850名在3个月时随访的人，其中RHF的事件为4.2％。肾脏功能轨迹与RHF类别的LVAD前植入到1个月的随访不同，而发展持续性RHF的基线肾脏功能没有改善。对于3个月的RHF确定时间之前的轨迹，对于患有和没有RHF的人来说，这种形状相似，而开发RHF的人的肾小球过滤率较低。基线估计的肾小球过滤率水平低于正常范围，与1和3个月的RHF风险更高有关。
增强亚最佳轨迹缝线
通过监督学习（RVS）进行的加强学习被称为离线增强学习（RL）的新兴范式。虽然返回条件的RVS（RVS-R）在与离线RL任务有关的广泛数据集中占主导地位，但最近的发现表明，目标条件条件的RVS（RVS-G）优于特定的子最好数据集中的轨迹迹象，其中轨迹插入轨迹可用于实现最新功能性能。但是，这种优势的根本原因仍未得到充分探索。在本文中，采用了教学实验和理论分析，我们揭示了RVS-G在缝线轨迹中的熟练程度源于其在评估过程中概括到未知目标方面的熟练性。在这种见解的基础上，我们引入了一种新颖的RVS-G方法，即空间组成RVS（SC-RVS），以增强其概括为未知目标的能力。此反过来又增强了子最佳数据集上的trajectory缝合性能。具体而言，通过利用优势重量的力量和最大透气正则重量，我们的方法可以与现有的RVS-G方法相比，在行动选择中促进乐观目标采样的促进与维护差异的悲观水平。对D4RL基准测试的广泛实验结果表明，在大多数情况下，我们的SC-RV对基准的表现良好，尤其是在需要轨迹缝线的亚最佳数据集上。
引用：Alaaudeen，KM和Selvarajan，S和Manoharan，H和Jhaveri，RH（2024）智能机器人技术收获系统的水果过程，用于抓住P
本文提出并执行了一种基于深度学习的图像处理方法，用于自摘苹果。该系统包括一个轻巧的一步检测网络，用于水果识别。以及计算机视觉，以分析积分类别，并在抓取之前为每个水果提供正确的方法位置。使用高分辨率摄像头的原始输入，在RGB照片上进行了水果识别和实例分割。计算机视觉分类和抓地力系统是集成的，并提供了种植的食物的结果，作为每个苹果和橙色到机器人手臂执行的输入信息和输出方法的姿势。在从实验室和种植园环境中获取RGB图片数据之前，将评估开发的视觉方法。机器人收获实验是在室内和室外进行的，以评估拟议的收获系统的性能。研究结果表明，拟议的视力技术可以有效地控制机器人收获，而确切的情况下，在预测过程后，鉴定成功率的增加高于95％以上，而重新计算的重新计算不到12％。
合成进化揭示了中和抗体和SARS-COV-2
COVID-19大流行展示了人类免疫系统和SARS-COV-2之间的共同进化种族，反映了进化生物学的红皇后假设。免疫系统产生靶向SARS-COV-2峰值蛋白的受体结合结构域（RBD）的中和抗体，对于宿主细胞的浸润至关重要，而病毒会逃避抗体识别。在这里，我们建立了一个合成的协同进化系统，该系统结合了抗体和RBD变体库的高通量筛选与蛋白质诱变，表面显示和深层测序。此外，我们训练一种蛋白质语言机器学习模型，该模型可以预测抗体逃离RBD变体。合成进化揭示了中和抗体和SARS-COV-2变体的拮抗和补偿性突变轨迹，从而增强了对这种进化冲突的理解。
一个基于自动驾驶汽车决策和轨迹计划的基于互动游戏理论-PSO的综合框架
摘要：自动驾驶汽车和人类驾驶员之间的相互依赖性是自动驾驶安全性和可行性的一个开放问题。本文介绍了游戏理论轨迹计划者和混合人流环境的决策者。我们的解决方案是与周围车辆的相互作用，同时做出决策，并使用用衣架插值方法产生类似人类的轨迹。此处使用的粒子群优化器（PSO）桥梁桥接决策和轨迹生成过程，用于连接执行。我们选择了一个未信号的交叉点，以证明我们方法的可行性。测试结果表明，我们的方法降低了轨迹优化问题的搜索空间的维度，并在路径曲率上实施了几何约束。
国家免疫，过去和未来之间
Noemie Cresto，Isabel Forner-Piquer，Asma Baig，Mousumi Chatterjee，Julie Perroy等。脑边界的农药：对血脑屏障，神经炎症和神经系统风险的影响。化学圈，2023，324，pp.138251。10.1016/j.Chemosphere.2023.138251。hal-04428920