XiaoMi-AI文件搜索系统
World File Search System主成分
Psych.pdf
最初是针对人格，心理学理论和经验心理学开发的通用工具箱。功能主要用于多变量分析和规模构建US的分析，主成分分析，群集分析和可靠性分析，尽管其他功能提供了基本的描述性统计。项目响应理论是通过对四位型和多choric相关性分析进行的。用于分析多个PLE级别数据的功能包括组统计和之间的函数，包括相关性和因子分析。提供了使用基本的机器学习算法 - 重新启动开发的量表的验证和交叉验证，以及用于模拟和测试特定项目和测试结构的功能。几个功能是结构方程建模的有用前端。使用基本图形创建路径图的图形显示，包括中介模型，因子分析和结构方程模型。写的一些功能是为了支持心理学理论以及人格研究的出版物的书籍。有关更多构建，请参见网页。
对...
各种应用程序生成的大量数据需要高级计算功能来处理，分析和提取洞察力。量子计算具有并行执行复杂操作的能力，对云环境中的数据挖掘具有巨大的希望。本文研究了使用量子计算进行数据挖掘的尖端方法。本文分析了几种关键的量子算法，包括Grover的搜索算法，量子主成分分析（QPCA）和量子支持向量机（QSVM）。它深入研究了这些算法的细节，探索了它们的原理，应用和在各个领域的潜在益处。我们还对各种算法进行了比较分析，并讨论了将量子计算用于数据挖掘的困难，例如对专业知识，可伸缩性问题和硬件约束的要求。总体而言，这项工作证明了量子计算在云系统中可扩展有效的数据挖掘的能力，并提出了未来的研究途径，以调查量子计算在数据挖掘中的使用。
商业信息系统学士学位
在越来越多的数字业务环境中，“大数据”已成为获得业务见解和支持战略决策的宝贵资源。该模块向学生介绍了从聚类和预测到人工智能的各种分析技术。它还提供了这些技术如何通过改进决策，营销和关系建设来帮助组织实现竞争优势的示例。该模块可以讨论组织决策的基本原理以及组织中通常可用的数据类型。这是对数据探索通常使用的数据仓库和基本分析技术的概述。更高级的主题包括集群标识；主成分分析；协会规则和社交网络分析；回归分析；最近的邻居和异常检测；预测和预测技术；和神经网络。学生将通过基于随附数据集的案例研究进行一系列实践练习来获得一些实践经验。还讨论了与使用大数据相关的潜在风险。在模块结束时，学生将对如何使用数据科学来支持组织的战略目标有深入的了解。
主动学习和分子动力学模拟来寻找......
主动学习 (AL) 可以大大加速材料的发现；它的威力已经在各类材料和目标特性中得到了体现。之前的努力已经使用机器学习模型来最佳地选择物理实验或基于物理的模拟。然而，后者的努力大多局限于使用可以在晶胞水平上获得的电子结构计算和特性，并且噪音可忽略不计。我们将 AL 与分子动力学模拟结合起来，以识别具有高熔点的多主成分合金 (MPCA)。通过 nanoHUB 构建云计算服务，我们提出了一个完全自主的工作流程，以有效探索 MPCA 的高维组成空间。我们描述了由模拟的随机性质和用于选择模拟的获取函数引起的不确定性如何影响该方法的收敛性。有趣的是，我们发现，由于用于 AL 的随机森林模型可以平均波动，因此可以使用具有显著不确定性的相对较短的模拟来有效地找到所需的合金。
经济：SVAR A
本研究首次通过结构向量自回归分析，实证检验了 1992 年第一季度至 2018 年第三季度期间全球经济、政治和地缘政治不确定性 (GEPGU) 对土耳其经济的同步影响。本研究的证据表明，GEPGU 在短期和/或长期内对土耳其经济的主要宏观经济指标（通货膨胀率、利率、失业率、汇率、经常账户余额和经济增长）具有负面且量化显著的影响。这些发现表明，GEPGU 是一个潜在的重要外部因素，可能会破坏土耳其经济的复苏进程。因此，除了积极主动和温和的外交政策外，土耳其政策制定者还应扩大或重新设计传统的财政和货币政策，以立即应对外部不稳定因素，并减少经济必须承受的现有 GEPGU。关键词：经济不确定性、政策不确定性、地缘政治不确定性、土耳其经济、SVAR 分析、主成分分析 JEL 分类：C22、D81、E60、O50
原创文章 基于脑电图的情绪状态分类降维技术的比较分析
摘要：目的：本研究旨在评估各种降维方法（包括主成分分析 (PCA)、拉普拉斯评分和卡方特征选择）对脑电图 (EEG) 数据集分类性能的影响。方法：我们应用了降维技术，包括 PCA、拉普拉斯评分和卡方特征选择，并使用线性回归、K 最近邻 (KNN) 和朴素贝叶斯分类器评估了它们对 EEG 数据分类性能的影响。对模型的分类准确性和计算效率进行了评估。结果：我们的研究结果表明，所有降维策略通常都能提高或保持分类准确性，同时减少计算负荷。值得注意的是，PCA 和 Autofeat 技术可提高模型的准确性。结论：使用降维技术可以通过减少计算需求而不影响准确性来增强 EEG 数据分类。这些结果表明，这些技术有可能应用于既需要计算效率又需要高精度的场景。本研究中使用的代码可在https://github.com/movahedso/Emotion-analysis找到。
研究声明 - GitHub 页面
我的研究生工作重点是了解人类在自行车上保持平衡时使用的控制机制。由于自行车是一种动态复杂的车辆[1,15,36,18]，充当人类与环境之间的中介，因此它是了解平衡和手动控制的理想车辆平台。我早期的研究生工作重点是将主成分分析应用于跑步机上稳定骑行期间的大量运动捕捉数据，从而确定了主要运动模式并揭示了低速时用于保持平衡的细微腿部运动[17,35]。我们通过对城市周围和跑步机上更自然的骑行行为进行视频分析，进一步证实了这种低速行为[13]。此后，这项工作在运动研究文献中被广泛引用。在那些初步实验之后，我设计并制作了一辆装有独特仪器的自行车，能够准确测量骑车人-车辆系统的完整动态状态[21,32]，包括最
金融业的机遇与挑战
AI – 人工智能 API – 应用程序编程接口 DARPA – 国防高级研究计划局 ES – 专家系统 EU – 欧盟 FCA – 金融行为监管局 FINRA – 金融业监管局 GAN – 生成对抗网络 GDPR – 通用数据保护条例 IDE – 集成开发环境 LDA – 潜在狄利克雷分配 LLM – 大型语言模型 LSE – 伦敦证券交易所 MDP – 马尔可夫决策过程 MiFID – 金融工具市场指令 ML – 机器学习 NER – 命名实体识别 NLP – 自然语言处理 NMF – 非负矩阵分解 NMT – 神经机器翻译 NN – 神经网络 PCS – 主成分分析 RegTech – 监管技术 RL – 强化学习 RPA – 机器人过程自动化 SME – 中小企业 SMT – 统计机器翻译 SVM – 支持向量机 VAE – 变分自动编码器 XAI – 可解释人工智能
评估水稻品种混合物的产量变化（VarMix®）...
传统上，水稻种植严重依赖于针对特定性状而定制的单一品种，但这些方法在恢复力和稳定性方面表现出局限性。采用品种混合（VarMix）使我们能够利用遗传多样性，从而提高产量稳定性，加强病虫害管理，优化资源效率，最终促进更可持续、更具恢复力的水稻生产系统。本研究使用加性主效应和乘性相互作用（AMMI）方法，结合方差和主成分分析（PCA），研究了 12 个不同环境中 12 个水稻品种混合物和单一品种的表现。分析表明，环境因素是遗传变异的主要驱动因素，对水稻产量动态有重大贡献。值得注意的是，NSIC Rc298 (A)、NSIC Rc298: NSIC Rc214: NSIC Rc216 (ABC) 和 NSIC Rc214: PSB Rc82: NSIC Rc238 等基因型
使用深度学习技术从ECG图像检测的心血管疾病检测 将数字创新用于社会变革-IJRPR 心脏病发作检测系统-IJRPR
心电图（ECG）是用于识别心血管问题的关键诊断工具，评估心脏的电和肌肉功能。虽然测试本身易于执行，但解释ECG读数需要大量的专业知识。传统上，ECG记录以纸质形式保持，使手动审查劳动密集型。通过数字化这些记录，可以改善自动诊断和分析。this project aims to use machine learning techniques to transform ECG paper records into a onedimensional signal, focusing on the P, QRS, and T waves that reflect heart activity.该过程涉及将ECG报告分割为13个线索，将数据转换为信号，应用平滑并通过阈值生成二进制图像。降低尺寸降低，例如主成分分析，将增强数据理解。机器学习模型，包括KNN，Logistic回归，SVM和集成分类器，将实现。最终模型将诊断诸如心肌梗塞或心律不齐之类的疾病，有助于有效的心脏健康评估。