XiaoMi-AI文件搜索系统
World File Search System人工神经网络
人类脑电图和人工神经网络揭示了自然图像中物体真实世界大小的解耦表征
。CC-BY-NC-ND 4.0 国际许可证下可用（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2024 年 3 月 21 日发布。；https://doi.org/10.1101/2023.08.19.553999 doi：bioRxiv 预印本
与Hopfield人工神经网络算法的梅丹市的天气预报
摘要：许多方面对印尼社会的连续性，尤其是梅德人的连续性非常有影响力。影响梅丹人民连续性的方面之一是天气。天气在各个部门（例如农业，航空和许多其他部门）中起着重要作用。印度尼西亚气象，气候学和地球物理机构。（BMKG）一直试图开发其创新，以便能够向公众提供准确的天气信息。为了协助向梅丹市的公众传播天气信息的过程，我们需要使用基于网站的计算机技术的天气预报应用程序，以便可以通过将应用程序与BMKG数据连接到Hopfield方法来轻松有效地传播天气信息。基于本研究的结果，首先要应用Hopfield算法与人工神经网络进行分析，因此成功地构建了天气预报的应用程序，以帮助将梅丹市的天气信息传播到所有希望获取有关天气信息的梅丹城市的天气信息。关键字：BMKG，天气，人工神经网络，Hopfield，网站
用于脑机接口的人工神经网络始终能够产生比线性方法更自然的手指运动
脑机接口 (BMI) 旨在通过将神经信号“解码”为行为来恢复脊髓损伤患者的功能。最近，非线性 BMI 解码器的表现优于之前最先进的线性解码器，但很少有研究调查这些非线性方法提供了哪些具体改进。在本研究中，我们比较了时间卷积前馈神经网络 (tcFNN) 和线性方法在开环和闭环设置中如何预测个体手指运动。我们表明，非线性解码器可以生成更自然的运动，产生的速度分布比线性解码器更接近真正的手部控制 85.3%。针对神经网络可能得出不一致解决方案的担忧，我们发现正则化技术将 tcFNN 收敛的一致性提高了 194.6%，同时提高了平均性能和训练速度。最后，我们表明 28 tcFNN 可以利用来自多个任务变体的训练数据来提高泛化能力。这项研究的结果表明，非线性方法可以产生更自然的运动，并显示出在约束较少的任务上进行泛化的潜力。31
使用具有系统的网格搜索的人工神经网络对急诊科的重大不良心脏事件进行预测
摘要背景我们的研究目的是使用系统性的网格搜索对急诊科分类的患者的重大不良心脏事件（MACE）的早期预测，设计和评估人工神经网络（ANN）模型。方法这是一项使用电子健康记录从2017年1月到1220年的单中心横断面研究。研究人群由成年人组成，来到我们在阿加汗大学医院的急诊科分类。住院期间的狼牙棒是主要结果。使用分诊数据增强ANN的体系结构，我们使用了系统的网格搜索策略。使用了四个隐藏的ANN层，然后使用外层。遵循每个隐藏层是返回归一化和辍学层。mace：ANN，随机森林（RF）和逻辑回归（LR）。检查了这些模型的总体准确性，灵敏度，特异性，精度和回忆。使用接收器操作特征曲线（ROC）和具有95％置信区间的F1分数评估每个模型。结果在研究期间总共记录了97,333次急诊就诊，其中33％的患有心血管症状的患者。平均年龄为54.08（19.18）岁。在23,052例（23.7％）的患者中观察到了狼牙棒，在10,888例（11.2％）患者中，住院（长达30天）的死亡率和5483例（5.6％）患者的心脏骤停。用于培训和验证的数据分别为80:20的比例为77,866和19,467。ANN的MACE的AUC分数为0.97，大于RF（0.96）和LR（0.96）。同样，使用ANN的MACE的Precision-Recall曲线更大（RF为0.94 vs. 0.93，LR为0.93）。使用ANN，RF和LR分类器对MACE预测的敏感性分别为99.3％，99.4％和99.2％，特异性分别为94.5％，94.2％和94.2％。结论何时使用分类数据来预测MACE，死亡和心脏骤停时，具有全身网格搜索的ANN可以提供精确而有效的结果，并将受益于预测具有有限资源的急诊室中必须处理大量患者的MACE。关键词人工智能，急诊医学，心脏骤停，主要不良心血管事件，验证研究
引用：Verma, S., Chugh, S., Ghosh, S. 和 Rahman, BM (2022)。用于优化等离子体配对纳米结构光学参数的人工神经网络建模。纳米材料 (巴塞尔)，12(1)，170。doi：10.3390/nano12010170
摘要：人工神经网络 (ANN) 已成为机器学习 (ML) 中一种分析复杂数据驱动问题的有效方法。由于其时间效率高，它在物理学、光学和材料科学等许多科学领域都很受欢迎。本文提出了一种基于 ANN 的计算高效方法来设计和优化电磁等离子体纳米结构的新方法。在本研究中，首先使用有限元法 (FEM) 模拟纳米结构，然后使用人工智能 (AI) 对不同配对纳米结构的相关灵敏度 (S)、半峰全宽 (FWHM)、品质因数 (FOM) 和等离子体波长 (PW) 进行预测。首先，使用有限元法 (FEM) 开发计算模型来准备数据集。输入参数被视为长轴 a 、短轴 b 和分离间隙 g ，它们已用于计算相应的灵敏度（nm/RIU）、FWHM（nm）、FOM 和等离子体波长（nm）以准备数据集。其次，设计了神经网络，其中优化了隐藏层和神经元的数量，作为综合分析的一部分，以提高 ML 模型的效率。成功优化神经网络后，该模型用于对特定输入及其对应的输出进行预测。本文还比较了预测结果和模拟结果之间的误差。该方法优于直接数值模拟方法，可用于预测各种输入设备参数的输出。
设计人工神经网络的混合方法和...
摘要背景：由于结直肠癌是世界上最重要的癌症类型之一，常常导致死亡，因此计算机辅助诊断 (CAD) 系统是一种有前途的早期诊断该疾病的解决方案，并且比传统结肠镜检查副作用更少。因此，本研究的目的是设计一个 CAD 系统，用于使用人工神经网络和粒子群优化器的组合来处理结直肠计算机断层扫描 (CT) 图像。方法：首先，研究的数据集是根据德黑兰 Loghman‑e Hakim 医院和伊斯法罕 Al‑Zahra 医院的患者的结直肠 CT 图像创建的，这些患者接受了结直肠 CT 成像，并在之后最多一个月内接受了常规结肠镜检查。然后执行模型实施步骤，包括图像的电子清洗、分割、样本标记、特征提取以及使用粒子群优化器训练和优化人工神经网络 (ANN)。使用二项统计检验和混淆矩阵计算来评估模型。结果：McNemar 检验结果显示，模型的准确度、灵敏度和特异性分别为 0.9354、0.9298 和 0.9889，P 值为 0.000。此外，模型与 Loqman Hakim 医院和 Al-Zahra 医院放射科医生诊断比率的二项式检验 P 值分别为 0.044 和 0.021。结论：统计检验和研究变量的结果表明，与放射科医生的意见相比，基于 ANN 和粒子群优化混合创建的 CTC-CAD 系统在根据 CTC 图像诊断结肠息肉方面是有效的。
使用人工神经网络预测钒氧化还原液流电池的电压和过电位
摘要：本文探讨了经过训练的人工神经网络 (ANN) 在预测钒氧化还原液流电池行为方面的新应用，并将其性能与二维数值模型进行了比较。目的是评估两个 ANN 的能力，一个用于预测电池电位，一个用于预测各种操作条件下的过电位。先前用实验数据验证过的二维模型用于生成数据来训练和测试 ANN。结果表明，第一个 ANN 可以在充电和放电模式下精确预测不同充电状态和电流密度条件下的电池电压。负责过电位计算的第二个 ANN 可以准确预测整个电池域的过电位，在电极膜和域边界等高梯度区域附近的置信度最低。此外，计算时间大幅减少，使 ANN 成为快速理解和优化 VRFB 的合适选择。
使用人工神经网络在心脏肿瘤领域的突破
使用人工神经网络CO在心脏肿瘤学领域进行突破的概述是该界面，其界面是新兴的心血管医学临床领域的界面。传统，有针对性和免疫治疗的癌症治疗方法通过将杀伤癌转化为慢性病来彻底改变肿瘤学[1]。CO是研究心血管疾病与癌症相互作用的领域，由于癌症治疗提高了生存率并可能引起心脏病[2]。已经证明了一种潜在的针对口腔癌的新疗法可以选择性地杀死癌细胞而不会损害健康。但是，动物和实验室测试表明该药物的有害作用最少[3]。促进成功的癌症治疗，同时减少心血管后遗症是心脏肿瘤学家的重点。为此，必须仔细评估各种治疗方案的风险和收益[4]。解释心电图，超声心动图，大脑皮层扫描和心脏磁共振成像的ANN已对心血管系统的了解做出了很大贡献[5]。ANN用于评估心电图，测试扫描和磁共振成像的心脏图像，以检测预警信号和心血管疾病的可预防风险因素[6]。CO专注于由于癌症治疗而引起的定位，跟踪和治疗循环条件。癌症治疗减少的心血管系统不良反应是主要目标。CO协助接受最佳的心脏损伤的最佳癌症治疗[7]。co不等式的特征是增加
使用人工神经网络 (ANN) 预测心脏病发作
参考文献 1.Zaid, A.A., 等。(2020)。“全面质量管理和感知服务质量对巴勒斯坦医疗机构患者满意度和行为意图的影响。”关西大学技术报告 62(03): 221-232。2.Sultan, Y. S. A., 等。(2018)。“领导风格及其在确定大学行政沟通模式中的作用——以加沙伊斯兰大学为例。”国际学术管理科学研究杂志 (IJAMSR) 2(6): 26-42。3.Salman, F. M. 和 S. S. Abu-Naser (2019)。“蓖麻病和诊断专家系统。”国际工程与信息系统杂志 (IJEAIS) 3(3): 1-10。4.Saleh, A., 等人。(2020)。使用深度学习进行脑肿瘤分类。2020 年国际辅助和康复技术会议 (iCareTech)，IEEE。5.Salama, A.A., 等人。(2018)。“行政程序和法规在提高教育机构绩效方面的作用——加沙伊斯兰大学是一个典范。”国际学术多学科研究杂志 (IJAMR) 2(2): 14-27。6.Nassr, M. S. 和 S. S. Abu Naser (2018)。“基于知识的菠萝疾病诊断系统。”国际学术教育研究杂志 (IJAPR) 2(7): 12-19。7.Nasser, I. M., 等人。(2019)。“用于诊断自闭症谱系障碍的人工神经网络。”国际学术信息系统研究杂志 (IJAISR) 3(2): 27-32。8.Nasser, I. M. 和 S. S. Abu-Naser (2019)。“使用人工神经网络预测肿瘤类别。”国际学术健康和医学研究杂志 (IJAHMR) 3(2): 1-7。9.Musleh, M. M., 等人。(2019)。“使用人工神经网络预测肝病患者。”国际学术信息系统研究杂志 (IJAISR) 3(10): 1-11。10.Musleh, M. M. 和 S. S. Abu-Naser (2018)。“基于规则的马铃薯问题诊断和治疗系统。”国际学术工程研究杂志 (IJAER) 2(8): 1-9。11.Mettleq, A. S. A., 等人。(2020)。12.13.“使用深度学习进行芒果分类。”国际学术工程研究杂志 (IJAER) 3(12): 22-29。Mettleq, A. S. A. 和 S. S. Abu-Naser (2019)。“基于规则的咖啡病害诊断系统。”国际学术信息系统研究杂志 (IJAISR) 3(3): 1-8。Masri, N., 等人。(2019)。“基于规则的系统调查。”国际学术信息系统研究杂志 (IJAISR) 3(7): 1-23。14.Madi, S. A., et al.(2018).“组织结构及其对巴勒斯坦大学领导模式的影响。”国际学术管理科学研究杂志 (IJAMSR) 2(6): 1-26.15.Madi, S. A., et al.(2018).“巴勒斯坦大学领导的主导模式及其与行政人员参与决策程度的关系。”国际学术管理科学研究杂志 (IJAMSR) 2(7): 20-43.16.Kashkash, K.，等人。(2005)。“专家系统方法和应用——1995 年至 2004 年的十年回顾。”人工智能杂志 1(2): 9-26。17.Hilles, M. M. 和 S. S. Abu Naser (2017)。“用于教授 Mongo 数据库的基于知识的智能辅导系统。”欧洲学术研究 6(10): 8783-8794。18.Elzamly, A.，等人。(2015)。“在软件规划开发过程中使用判别分析技术对软件风险进行分类。”国际先进科学技术杂志 81：35-48。19。Elsharif，A。A. 和 S. S. Abu-Naser (2019)。“用于诊断甘蔗疾病的专家系统。”国际学术工程研究杂志 (IJAER) 3(3)：19-27。20。Elqassas，R。 和 S. S. Abu-Naser (2018)。“用于诊断芒果疾病的专家系统。”国际学术工程研究杂志 (IJAER) 2(8): 10-18。21.El-Mashharawi, H. Q., 等人。(2020)。“使用深度学习进行葡萄类型分类。”国际学术工程研究杂志 (IJAER) 3(12): 41-45。22.El Talla, S. A., 等人。(2018)。国际学术多学科研究杂志 (IJAMR) 2(5): 15-31。23.“巴勒斯坦政府大学组织结构的性质——以阿克萨大学为例。”El Talla, S. A., 等人。(2018)。“组织结构及其与巴勒斯坦大学普遍的沟通模式的关系。”国际工程与信息系统杂志 (IJEAIS) 2(5): 22-43。24。Dheir, I. 和 S. S. Abu-Naser (2019)。“用于诊断番石榴问题的基于知识的系统。”国际学术信息系统研究杂志 (IJAISR) 3(3): 9-15。25.Dahouk, A. W. 和 S. S. Abu-Naser (2018)。“一种用于台式电脑故障排除的知识库系统。”国际学术教育研究杂志 (IJAPR) 2(6): 1-8。26.Barhoom, A. M. 和 S. S. Abu-Naser (2018)。“黑胡椒专家系统。”国际学术信息系统研究杂志 (IJAISR) 2(8): 9-16。27.Ashqar, B.A. M. 和 S. S. Abu-Naser (2019)。“使用预训练的深度卷积神经网络识别入侵绣球花的图像。”国际学术工程研究杂志 (IJAER) 3(3): 28-36。28.Anderson, J., 等人。(2005)。“智能数学导师中问题呈现和反馈的适应性。”信息技术杂志 5(5): 167-207。29.AlZamily, J. Y. 和 S. S. Abu-Naser (2018)。“一种用于诊断 Musa Acuminata 疾病的认知系统。”国际学术信息系统研究杂志 (IJAISR) 2(8): 1-8。30.Al-Shawwa, M. 和 S. S. Abu-Naser (2019)。“使用 CLIPS 解决苹果问题的知识库系统。”国际学术工程研究杂志 (IJAER) 3(3): 1-11。31.Alshawwa, I.A., 等人。(2020)。“使用深度学习分析樱桃类型。”国际学术工程研究杂志 (IJAER) 4(1): 1-5。32.Al-Nakhal, M. A. 和 S. S. Abu Naser (2017)。“用于学习计算机理论的自适应智能辅导系统。”欧洲学术研究 6(10): 8770-8782。33.Almurshidi, S. H. 和 S. S. Abu Naser (2017)。“糖尿病智能辅导系统的设计和开发。”欧洲学术研究 6(9): 8117-8128。34.Almasri, A., 等人。(2019)。“2000-2018 年智能辅导系统调查。”国际学术工程研究杂志 (IJAER) 3(5): 21-37。35。Almasri, A.，等人。(2018)。“巴勒斯坦大学信息技术应用的组织结构及其作用——艾资哈尔大学与伊斯兰大学的比较研究。”国际学术与应用研究杂志 (IJAAR) 2(6): 1-22。36。Al-Habil, W. I.，等人。(2017)。“从员工角度看银行服务质量对提高加沙省银行营销绩效的影响。”国际工程与信息系统杂志 (IJEAIS) 1(7): 197-217。37。Alhabbash, M. I., 等人。(2016)。“用于教授语法英语时态的智能辅导系统。”欧洲学术研究 6(9): 7743-7757。38。AlFerjany, A.A. M., 等人。(2018)。“纠正绩效衡量偏差与实现控制目标之间的关系——以伊斯兰大学为例。”国际工程与信息系统杂志 (IJEAIS) 2(1): 74-89。39。Al-Bastami, B. G. 和 S. S. Abu Naser (2017)。“C# 语言智能辅导系统的设计和开发。”欧洲学术研究 6(10): 8795。40。Alajrami, M. A. 和 S. S. Abu-Naser (2018)。“基于洋葱规则的疾病诊断和治疗系统。”国际学术教育研究杂志 (IJAPR) 2(8): 1-9。41。Al Shobaki, M., 等人。(2018)。“巴勒斯坦大学行政人员的绩效现实。”国际学术信息系统研究杂志 (IJAISR) 2(4): 1-17。42。Al Shobaki, M. J., 等人。(2018)。“从行政人员的角度看巴勒斯坦大学的组织氛围水平。”国际学术管理科学研究杂志 (IJAMSR) 2(5): 33-58。43。Al Shobaki, M. J.，等人。(2017)。“学习型组织及其在巴勒斯坦大学实现组织卓越方面的作用。”国际数字出版技术杂志 1(2): 40-85。44。(2017)。Al Shobaki, M. J.，等人。“电子人力资源管理对大学电子教育服务发展的影响。”国际工程与信息系统杂志 1(1): 1-19。45。Al Shobaki, M. J.，等人。(2016)。“高层管理人员对战略规划的支持对危机管理的影响：以联合国近东巴勒斯坦难民救济和工程处加沙地带为例。”国际学术研究与发展杂志 1(10): 20-25。46。Al Shobaki, M. J. 和 S. S. Abu Naser (2016)。“加沙地带市政当局员工绩效评估过程中应用的现代方法的现实情况。”国际先进科学研究杂志 1(7): 14-23。47。Al Shobaki, M. J. 和 S. S. Abu Naser (2016)。“加沙电力配送公司计算机化管理信息系统用户的绩效发展及其与人口变量的关系。”国际人文和社会科学研究杂志 2(10): 21-30。48。Al Shobaki, M. J. 和 S. S. Abu Naser (2016)。“决策支持系统及其在发展大学战略管理中的作用：以加沙伊斯兰大学为例。”国际先进研究与发展杂志 1(10): 33-47。49。Ahmed, A.A.，等人。(2018)。“信息技术对加沙艾资哈尔大学管理人员工作性质的影响。”国际学术信息系统研究杂志 (IJAISR) 2(6): 1-20。50。Abu-Saqer, M. M.，等人。(2020)。“使用深度学习对葡萄柚类型进行分类。”国际学术信息系统研究杂志 (IJAISR) 4(1): 1-5。51.Abu-Saqer, M. M. 和 S. S. Abu-Naser (2019)。“开发木瓜植物病害诊断专家系统。”国际学术工程研究杂志 (IJAER) 3(4): 14-21。52.Abu-Nasser, B. S. 和 S. S. Abu Naser (2018)。“基于规则的西瓜病害及治疗系统。”国际学术信息系统研究杂志 (IJAISR) 2(7): 1-7。53.Abu-Naser, S. S.，等人。(2011)。“用于学习 Java 对象的智能辅导系统。”国际人工智能与应用杂志 (IJAIA) 2(2): 86-77。54.Abu-Naser, S. S. 和 M. J. Al Shobaki (2016)。“计算机化管理信息系统资源及其与加沙电力配送公司绩效发展的关系。”欧洲学术研究 6(8): 6969-7002。55.Abu-Naser, S. S. 和 M. A. Al-Nakhal (2016)。“基于规则的耳部问题诊断和治疗系统。”世界多学科研究与发展杂志 2(4): 25-31。56.Abu-Naser, S. S. (2016)。“ITSB：一种智能辅导系统创作工具。”科学与工程研究杂志 3(5): 63-71。57.Abu-Naser, S. S. (2009)。“评估 CPP-Tutor 的有效性，这是一种针对学习使用 C++ 编程的学生的智能辅导系统。”应用科学研究杂志 5(1): 109-114。58.Abu-Naser, S. S. (2008)。“JEE-Tutor：一种用于 Java 表达式评估的智能辅导系统。”信息技术杂志 7(3): 528-532。59.AbuEloun, N. N. 和 S. S. Abu Naser (2017)。“数学智能辅导系统。”国际先进科学研究杂志 2(1): 11-16。60.Abu Naser, S. S., 等人。(2017)。“加沙地带巴勒斯坦高等教育机构作为学习型组织的趋势。”国际数字出版技术杂志 1(1): 1-42。61.Abu Naser, S. S., 等人。(2016)。“衡量高等教育机构的知识管理成熟度以提高绩效——巴勒斯坦艾资哈尔大学的一项实证研究。”国际商业与管理研究杂志 2(5): 55-62。62。Abu Naser, S. S. 和 M. J. Al Shobaki (2016)。管理要求和计算机化管理信息系统操作对提高绩效的影响（对加沙电力配送公司员工的实践研究）。第一届社区发展科学会议。63。Abu Naser, S. S. (2008)。“为学习使用 C++ 编程的学生开发智能辅导系统。”信息技术杂志 7(7): 1055-1060。64。Abu Naser, S. S. (2006)。“用于向加沙二年级学生教授数据库的智能辅导系统及其对他们成绩的影响。”信息技术杂志 5(5): 916-922。65.Abu Naser, S. S. (1999)。“用于测量专家系统复杂性的大 O 符号。”伊斯兰大学期刊加沙 7(1): 57-70。66.Abu Naser, S. S. (1993)。一种专家系统测试和调试方法，美国北达科他州立大学。67.Abu Nada, A. M.，等人。(2020)。“使用提取文本摘要方法的 AraBERT 模型进行阿拉伯语文本摘要。”国际学术信息系统研究杂志 (IJAISR) 4(8): 6-9。68。Abu Nada, A. M., 等人。(2020)。“使用 CNN 通过单个用户图像进行年龄和性别预测和验证。”国际学术工程研究杂志 (IJAER) 4(8): 21-24。69。Abu Amuna, Y. M., 等人。(2017)。“从员工角度了解高等教育机构客户关系管理的关键变量。”国际信息技术与电气工程杂志 6(1): 10-16。70。Abu Amuna, Y. M.，等人。(2017)。“战略环境扫描：一种危机管理方法。”国际信息技术与电气工程杂志 6(3): 28-34
评估人脑和人工神经网络之间的分层对应关系：评论
简单的摘要：受人脑启发的人工神经网络已在多个任务领域表现出人类水平的表现，这使他们令人兴奋地将他们恢复了有关人脑的神经科学家的可能性。但是，由于结构和计算的固有差异，人工神经网络无法直接与大脑进行比较。在这里，我们回顾了迄今为止研究人员所采取的多种方法来评估两者之间的对应关系，该方法跨越了多个分析（节点，层，网络和行为）。在调查这些方法时，我们注意到了一些发现的见解，它们的局限性以及未来的研究领域，这些研究领域正在迅速发展，几乎没有建立的标准和实践。我们的目的是提供系统化的概述和指导，以在此新兴领域建立一个纯粹的理论和方法论框架。