XiaoMi-AI文件搜索系统
World File Search System人工神经网络
与人工神经网络的木聚合物复合材料的机械性能建模Mustafa AltayEroğlu，A， * Suat Altun，B和HasanHüsey
Mechanical properties (tensile strength (TS), modulus of elasticity in tensile (MET), flexural strength (FS), modulus of elasticity (MOE)) of the material to be obtained depending on the production parameters in the production of high-density polyethylene (HDPE) wood-polymer composites with Scots pine wood flour additive were predicted using Artificial Neural Networks (ANN) model and without破坏性测试。在研究的第一阶段，使用来自56种不同研究的有关木材聚合物复合材料的机械性能的不同研究开发了ANN模型。在第二阶段，为了确定模型的可靠性，使用未在模型的训练和测试中使用的输入参数估算输出值。基于相同的输入参数，产生了测试样品，并进行了机械测试。通过考虑平均绝对百分比误差（MAPE）值来比较从实验和ANN模型中获得的结果。在ANN模型的训练和测试阶段获得的测定系数（R 2）值均高于0.90。通过这种方式，ANN模型成功预测了木材聚合物复合材料的机械性能。由于从机械测试获得的大多数MAPE值低于10％，因此该模型被认为是可靠的模型。doi：10.15376/biores.19.3.4468-4485关键字：拉伸强度；弯曲力；弹性模量； HDPE; MAPE联系信息：A：Safranbolu的互助设计系，Safranbolu西YılmazDizdar职业学校，卡拉布克大学，Safranbolu/Karabuk，土耳其； B：土耳其卡拉布克大学卡拉布克大学技术学院工业设计工程系；答：土耳其杜兹克大学的林产品工业工程，杜兹斯大学林业教师； *通讯作者：altayeroglu@karabuk.edu.tr简介
对人工神经网络，机器学习，深度学习和合奏学习方法的系统评价和荟萃分析在岩土工程领域
抽象的人工神经网络（ANN），机器学习（ML），深度学习（DL）和集合学习（EL）是四种出色的方法，可以使算法能够从数据中提取信息并自主做出预测或决策而无需直接指导。ANN，ML，DL和EL模型在预测岩土技术和地理环境参数方面发现了广泛的应用。这项研究旨在对ANN，ML，DL和EL在解决与岩土工程有关的领域的预测中的应用中进行全面评估，包括土壤力学，基金会工程，岩石力学，环境地球技术和运输地球技术。先前的研究尚未集体研究ANN，ML，DL和EL的所有四种算法，也没有探讨其在岩土工程领域的优势和缺点。这项研究旨在系统地对现有文献中的这一差距进行分类和解决。从科学的网络中收集了广泛的相关研究数据集，并根据其方法，主要重点和目标，出版年份，地理分布和结果进行了分析。此外，本研究还包括共同出现的关键字分析，其中涵盖了ANN，ML，DL和EL技术，系统评价，岩土工程和审查文章，该数据通过Elsevier Journal从Scopus数据库中采购的数据，然后使用Vos Viewer进行可视化。但是，当涉及到岩土场景中的行为时，EL技术的表现优于所有其他三种方法。结果表明，尽管ML，DL和EL方法在岩土工程中具有广泛的潜力，但由于需要现实世界和岩土工程师经常遇到的现实世界实验室数据，因此在岩土工程中具有广泛使用。此外，这里讨论的技术有助于岩土工程，以了解ANN，ML，DL和EL在Geo Techniques区域内的好处和缺点。这种理解使岩土实践者能够选择创建确定性和弹性生态系统的最合适技术。
深度学习：人工神经网络，类型和应用
深度学习是基于人工神经网络的机器学习的一个分支。它能够学习数据中的复杂模式和关系。在深度学习中，我们不需要明确解释程序。由于计算能力的进步和大型数据集的可用性，近年来它变得越来越流行。因为它基于人工神经网络（ANN），也称为深神经网络（DNN）。受到生物神经元在人脑中的结构和功能的启发，这些神经网络旨在从大量数据中学习。深度学习的关键特征是使用具有多层互连节点的深神经网络。这些网络可以通过发现数据中的层次模式和功能来学习复杂的数据表示。深度学习算法是一种设计，它们可以自动从数据中学习和改进而无需手动设计功能和指导。
采用人工神经网络控制的可再生能源系统并网摘要
本文重点介绍如何将太阳能光伏系统有效地整合到配电网中。为此，光伏系统采用了基于人工神经网络 (ANN) 的最大功率点跟踪 (MPPT)。为光伏系统与电网的整合，开发了 DC-DC 升压转换器和单相桥式逆变器。使用与太阳辐射相关的历史数据对 ANN 进行训练。分析集中于评估电网以及负载侧的电压和电流，以应对光伏部分遮光条件下的变化。为此，分析了电源、电网和负载侧的电压、电流和功率变化。模拟分析表明，在光伏部分遮光条件下，所提出的 ANN 方法也能够在整合到电网时找到最大功率点 (MPP)。
采用反向传播人工神经网络算法设计基于人工智能的 3.84 kW 货运无人机电池组
尽管在有效载荷和航程方面存在限制，货运无人机在应急物流和远程配送方面仍具有广阔的应用前景。在本研究中，我们通过开发一种高容量 3.84 kW 电池来应对这些挑战，该电池专为在苛刻地形中运行的 50 公斤有效载荷货运无人机而设计。我们专注于应急货物的运输，研究无人机设计的关键方面和电池组开发的细节，包括电池选择、内部配置以及用于电池平衡、充电/放电和高级电池管理的关键电路。一项关键创新是集成反向传播人工神经网络 (BPANN) 算法来预测放电深度 (DoD) 和充电状态 (SoC)。研究结果表明，BPANN 提供高度准确的预测，DoD 的误差百分比低至 0.12%，SoC 的误差百分比低至 0.02%，确保电池运行优化和安全。进行了全面的现场测试，以评估所提出的电池平衡策略、强大的电池管理系统 (BMS) 和 BPANN 实施的有效性。我们研究了无人机在 DoD、SoC 和使用设计的电池组的整体现场操作方面的性能，并证明了其在实际应用中的可行性和潜力。
东亚人的年轻糖尿病 褐变特性，抗氧化活性和 肠道菌群在雄激素脱发中的作用 aosma-MLP：一种新型混合元启发式人工神经网络的新方法，以及一种预测地热储层温度的新方法 肠道微生物组与不同类型的动脉瘤之间的因果关系：孟德尔随机研究 基于区块链的数字公证系统提供... TCP家族的全基因组表征及其在燕麦的非生物应激抗性中的潜在作用（Avena sativa L.） o r i g i n a l r e s a r c h fbl通过激活NF-κB信号通路
精确诊断是临床医学的基石。在东亚人中，经典1型糖尿病在40岁之前诊断出的年轻糖尿病患者中并不常见，其中家族史，肥胖，β细胞和肾脏功能障碍是关键特征。年轻发作的糖尿病会影响诊所环境中患有糖尿病的五分之一的亚洲成年人；但是，它通常被错误分类，从而导致脱靶治疗。复杂的病因，较长的疾病持续时间，积极的临床过程以及缺乏循证指南，导致了这些年轻患者的可变护理标准和过早死亡。合并症的高负担，尤其是精神疾病，突出了与这个沉默的杀手有关的众多知识差距。大多数年轻糖尿病患者的大多数成年患者是作为各种诊断年龄的异质群体的一部分。由对年轻糖尿病特别感兴趣的医生领导的多学科护理团队将有助于提高诊断的精度并解决其身体，精神和行为健康。为此，付款人，计划者和提供者需要在常规实践中系统地收集和重新设计实践环境，以阐明年轻发病的糖尿病的多症，对这些易受伤害的人进行多种焦油，并改善结果。
人工神经网络语言模型可以预测人类大脑对语言的反应，即使经过一定量的训练
人工神经网络已成为人类语言处理的计算上可行的模型。对这些模型的一个主要批评是，它们接收的训练数据量远远超过人类在语言学习过程中接收的数据量。在这里，我们使用两种互补的方法来探究训练数据量如何影响模型捕捉人类对句子的 fMRI 反应的能力。首先，我们根据 fMRI 基准评估了用 100 万、1000 万、1 亿或 10 亿个单词训练的 GPT-2 模型。我们认为 1 亿个单词的模型在训练数据量方面在发展上是可行的，因为这个数量与儿童在生命的前 10 年估计接触到的数据量相似。其次，我们测试了在 90 亿个标记数据集上训练的 GPT-2 模型的性能，以在训练的不同阶段达到人类基准上最先进的下一个单词预测性能。通过这两种方法，我们发现：(i) 在发展上可行的数据量上训练的模型在捕捉句子的 fMRI 反应方面已经实现了接近最大的性能。此外，(ii) 较低的困惑度（衡量下一个单词预测性能的指标）与与人类数据的更强的一致性相关，这表明经过足够训练以实现足够高的下一个单词预测性能的模型也会获得可以预测人类 fMRI 反应的句子表征。同时，这些发现表明，尽管一些训练对于模型的预测能力是必要的，但发展上可行的训练量（约 1 亿个单词）可能就足够了。
aosma-MLP：一种新型混合元启发式人工神经网络的新方法，以及一种预测地热储层温度的新方法
方法：进行了两样本的孟德尔随机化，以研究肠道微生物组是否对脑脑内动脉瘤（IA），胸部主动脉瘤（TAA）和腹部主动脉瘤和腹部主动脉瘤（AAAA）和主动脉瘤的风险有因果影响。单核苷酸多态性（SNP）小于范围范围的显着性水平（1×10-5）作为仪器变量。我们使用反相反加权（IVW）测试作为因果关系评估的主要方法。MR-EGGER，加权中值，加权模式和MR多效性残留总和和离群值（MR-Presso）方法进行了敏感分析。通过错误的发现率（FDR）调整了P值，该发现率（FDR）调整了多个比较的结果，P <0.05和Q <0.1被认为是显着的因果关系。此外，P <0.05和Q> 0.1被认为是暗示性的因果效应。此外，还进行了反向MR，以排除反向因果关系的可能性。
MetalHawk：通过人工神经网络增强金属配位几何的分类
摘要：金属配合物的化学性质在很大程度上取决于与金属中心配位的配体的数量和几何排列。现有的确定配位数或几何形状的方法依赖于准确性和计算成本之间的权衡，这阻碍了它们在大型结构数据集研究中的应用。在此，我们提出了 MetalHawk ( https://github.com/vrettasm/MetalHawk )，这是一种基于机器学习的方法，通过人工神经网络 (ANN) 同时对金属位点的配位数和几何形状进行分类，这些网络使用剑桥结构数据库 (CSD) 和金属蛋白数据库 (MetalPDB) 进行训练。我们证明，CSD 训练的模型可用于对属于最常见配位数和几何形状类别的位点进行分类，对于 CSD 沉积的金属位点，平衡准确度等于 96.51%。我们还发现，CSD 训练模型能够对 MetalPDB 数据库中的生物无机金属位点进行分类，在整个 PDB 数据集上的平衡准确度为 84.29%，在 PDB 验证集中手动审核的位点上的平衡准确度为 91.66%。此外，我们报告的证据表明，CSD 训练模型的输出向量可以被视为金属位点扭曲的代理指标，表明这些可以解释为金属位点结构中存在的细微几何特征的低维表示。
探索生物和人工神经网络在建筑环境中的交叉点，并研究支持设计过程演进的算法
摘要。本篇评论探讨了神经网络与建筑之间的关系，特别是在外观设计、室内设计和建筑施工领域。它研究了两种类型的神经网络：生物神经网络，代表人类大脑的神经系统；人工智能，受大脑结构和功能启发的计算系统。本研究对这些神经网络及其在各个领域的应用进行了描述性概述。它进一步研究了这些网络如何在不同层面与建筑相结合。该研究强调了“神经架构”的概念，它将人工神经网络 (ANN) 与建筑相结合，以产生多种设计可能性并揭示隐藏的模式。ANN 用于创建智能建筑和优化结构设计流程以降低成本。此外，该研究还探索了“神经架构”，它探索了生物神经网络 (BNN) 与建筑的相互作用，重点关注建筑环境对大脑和行为的影响。它结合了神经科学、建筑和环境心理学的原理。案例研究分析表明，“pix2pix”、GCNN、DCGAN、CycleGAN 和 StyleGAN 等 AI 工具在通过融合传统和现代风格以及增强创作过程来实现建筑设计的现代化方面的重要性。