XiaoMi-AI文件搜索系统
World File Search Systemregression
考虑异质性头皮血流动力学时，功能性近红外光谱中的短通道回归更为有效
功能性近红外光谱 (fNIRS) 通过监测血液中氧合血红蛋白 ( O 2 Hb ) 和脱氧血红蛋白 ( HHb ) 的浓度变化，能够无创地测量人类大脑活动。1 – 4 fNIRS 已经从一种基础研究工具发展成为一种广泛用于研究非约束环境中大脑活动的技术。5、6 尽管其用途广泛，但仍存在一些挑战，特别是连续波 fNIRS 对非神经元来源的血流动力学变化的敏感性。 2、7-10 这些通常被称为生理“噪音”或“干扰”，包括全身活动，例如心脏脉动（1 至 2 Hz）、呼吸（0.2 至 0.4 Hz）、低频振荡（约 0.1 Hz）和极低频振荡（0.01 至 0.05 Hz），11 以及通过交感神经活动导致的血流增加。12 这些伪影产生的信号变化可能会模仿或掩盖真实的任务诱发的血流动力学反应（HR），并可能导致假阳性或假阴性。8、10、13 近年来，fNIRS 社区已经承认了这一挑战，并认识到了其重要性。 8 尽管对非神经元信号的敏感性特定于 fNIRS 的测量原理，但所有通过血流动力学变化推断大脑活动的技术，即 fNIRS、功能性磁共振成像和正电子发射断层扫描，都会受到影响。作为低频振荡的主要贡献者，Mayer 波 (MW) 是动脉血压中的节律性血流动力学振荡，14 并且大概是某些受试者无法恢复功能性心率的主要原因。15 当针对特定测量协议和任务/刺激持续时间进行适当选择时，可以使用低通滤波器去除心脏和呼吸信号。16、17 其他系统信号的去除更加困难，并且需要应用更复杂的信号处理，因为它们的频率内容与功能性心率重叠。18 – 20 短通道回归方法已被提出作为将大脑活动与全身活动分离的一种方法。 21 , 22 通过短间隔 (SS) 通道（通常 < 15 毫米，理想长度为 8.4 毫米 23 , 24 ）单独测量头皮血流动力学，可获得主要包含全身和最小脑活动的信号。为了从长间隔 (LS) fNIRS 测量（通常为 30 毫米）中提取大脑的贡献，需要从 LS 信号中减去 SS。短通道回归已被证明可以显著提高恢复的功能性脑活动的质量。18 , 21 , 22 , 25
AI Feynman 2.0：利用图形模块化的帕累托最优符号回归
符号回归之所以很难，是因为符号表达式的组合空间呈指数级增长。传统上，它依赖于人类的直觉，从而发现了一些最著名的科学公式。最近，在完全自动化该过程方面取得了巨大进展 [6-26]，现在已有开源软件可以通过将神经网络与受物理学和信息论启发的技术相结合来发现相当复杂的物理方程 [25]。尽管 [25] 使用未知函数的神经网络近似来发现简化函数属性，取得了最先进的性能，但它是以一种非原则性和临时性的方式实现的，我们用一种通用的、有原则的、更有效的方法取而代之，该方法包含四个主要贡献：
利用多保真高斯过程回归对具有几何不确定性的翼型进行多目标设计优化 ⋆
摘要。本文介绍了 MH114 高升力翼型的多目标优化。我们寻求一组帕累托最优解，使翼型升力最大化，阻力最小化。由于几何不确定性，升力和阻力被认为是不确定的。概率气动力值的不确定性量化需要大量样本。然而，由于 Navier-Stokes 方程的数值解，气动力的预测成本很高。因此，采用多保真替代辅助方法将昂贵的 RANS 模拟与廉价的潜在流量计算相结合。基于多保真度替代方法使我们能够在不确定的情况下经济地优化机翼的气动设计。
考虑异质性头皮血流动力学时，功能性近红外光谱中的短通道回归更为有效
功能性近红外光谱 (fNIRS) 通过监测血液中氧合血红蛋白 ( O 2 Hb ) 和脱氧血红蛋白 ( HHb ) 的浓度变化，能够无创地测量人类大脑活动。1 – 4 fNIRS 已经从一种基础研究工具发展成为一种广泛用于研究非约束环境中大脑活动的技术。5、6 尽管其用途广泛，但仍存在一些挑战，特别是连续波 fNIRS 对非神经元来源的血流动力学变化的敏感性。 2、7-10 这些通常被称为生理“噪音”或“干扰”，包括全身活动，例如心脏脉动（1 至 2 Hz）、呼吸（0.2 至 0.4 Hz）、低频振荡（约 0.1 Hz）和极低频振荡（0.01 至 0.05 Hz），11 以及通过交感神经活动导致的血流增加。12 这些伪影产生的信号变化可能会模仿或掩盖真实的任务诱发的血流动力学反应（HR），并可能导致假阳性或假阴性。8、10、13 近年来，fNIRS 社区已经承认了这一挑战，并认识到了其重要性。 8 尽管对非神经元信号的敏感性特定于 fNIRS 的测量原理，但所有通过血流动力学变化推断大脑活动的技术，即 fNIRS、功能性磁共振成像和正电子发射断层扫描，都会受到影响。作为低频振荡的主要贡献者，Mayer 波 (MW) 是动脉血压中的节律性血流动力学振荡，14 并且大概是某些受试者无法恢复功能性心率的主要原因。15 当针对特定测量协议和任务/刺激持续时间进行适当选择时，可以使用低通滤波器去除心脏和呼吸信号。16、17 其他系统信号的去除更加困难，并且需要应用更复杂的信号处理，因为它们的频率内容与功能性心率重叠。18 – 20 短通道回归方法已被提出作为将大脑活动与全身活动分离的一种方法。 21 , 22 通过短间隔 (SS) 通道（通常 < 15 毫米，理想长度为 8.4 毫米 23 , 24 ）单独测量头皮血流动力学，可获得主要包含全身和最小脑活动的信号。为了从长间隔 (LS) fNIRS 测量（通常为 30 毫米）中提取大脑的贡献，需要从 LS 信号中减去 SS。短通道回归已被证明可以显著提高恢复的功能性脑活动的质量。18 , 21 , 22 , 25
正则化函数回归模型可实现转录组范围内癌症药物反应剂量依赖性关联研究
图 1. 用于识别基因与药物之间剂量依赖性关联的两阶段算法。来自药物筛选研究（例如 GDSC）的基因表达和药物反应数据用于拟合我们的剂量变化系数模型，以估计协变量与药物反应之间的剂量变化效应。应用两阶段变量筛选和选择算法对基因-药物关联进行排序。然后可以使用所选基因来预测目标药物的剂量依赖性反应。
改进的线性回归准确预测药物-靶标相互作用
在开发新药和确定其副作用时 [ 1 ]，制药科学依赖于统计学和计算机科学等相关科学分支的发现。此过程中的一个重要步骤是确定药物与药理靶标之间的相互作用。尽管可以通过体外结合试验可靠地确认相互作用的存在（例如，参见 [ 2 – 5 ]），但此类方法昂贵且耗时 [ 6 ]。为了解决这一瓶颈，已经设计并实施了计算方法来估计相互作用的概率。因此，可以根据计算机方法选择最有希望进行体外实验的候选药物。药物开发的成本进一步强调了预测药物-靶标相互作用的重要性。虽然估计数字各不相同，但他们一致认为，将一种新药推向市场需要花费数亿美元，有关概述例如，参见 [ 7 ]。此外，该过程可能总共需要 10 多年。药物-靶标相互作用预测（DTI）技术有望减少上述成本和时间，并支持药物重新定位[8]，即使用现有药物来治疗尚未用该药物治疗的疾病。
机器学习与回归脑损伤的预后：队列差异主导
2.2。模型规范预测的结果是6个月的死亡率和不利的结果（格拉斯哥成果量表<3或格拉斯哥成果量表 - 扩展<5）。模型中包含的预测因子是影响实验室模型的11个预测因子[25]。连续变量作为连续变量包括在模型中（无分类）。所包含变量及其规格的概述如表1所示。基线GCS得分定义为急诊室的最后一个GC（“稳定后”）。如果缺少此分数，则使用较早时刻的最接近的GC。总共包括11个预测因子，代表19个参数（或自由度[DF]）。在死亡率的情况下，我们的数据库中平均存在3491个事件（或每个参数的184个事件）。变量被标准化或单热编码，因为这是使用梯度下降优化的训练算法的标准实践。
使用相关成分回归 (CCR) 从土地覆盖变化区域的 VIS-NIR-SWIR 光谱中估计土壤有机质和质地
本文已获准发表并经过全面同行评审，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/ldr.3250 本文受版权保护。保留所有权利。
使用相关成分回归 (CCR) 从土地覆盖变化区域的 VIS‐NIR‐SWIR 光谱中估计土壤有机质和质地
本文已接受出版并经过完整的同行评审，但尚未经过编辑、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/ldr.3250 本文受版权保护。保留所有权利。
用于计算小型飞机燃气涡轮发动机重量的相关回归模型
摘要。提出了几种用于小型航空燃气涡轮发动机概念设计阶段的重量计算的新相关回归模型。对获得的重量模型进行了相互比较，并与 Kuz'michev 模型进行了比较。根据获得的结果，得出了关于其可行性和应用范围的结论。新的相关回归模型在输入参数的数量以及预测重量的准确性方面有所不同。在工作过程中，创建了涡扇发动机 (TFE) 的主要数据和热力学参数数据库，该数据库由 92 台推力小于 50 kN 的小型 TFE 组成。根据收集到的统计数据，获得了允许在发动机设计初始阶段计算重量的公式。这些模型计算权重的误差在 10% 到 30% 之间。