XiaoMi-AI文件搜索系统
World File Search System位置预测
超级金属：一种生成的AI框架，用于蛋白质中的快速，精确的金属离子位置预测
最初的计算方法用于mRNA定位是单个标签分类任务，其中每个mRNA被预测仅定位为一个特定的隔室。rnatracker采用了深层复发的神经网络来预测mRNA定位[6]。iloc-mRNA，利用支持载体机（SVM）来预测在同性恋中的mRNA定位，[7]。sublocep通过集中在特定的细胞室，同时保留在单标签分类框架内[8]，进一步完善了预测。但是，它们本质上受到这样的假设，即每个mRNA仅定位到一个与生物学现实不符的隔间。许多mRNA众所周知，可以定位在多个隔间中，从而在细胞内履行各种作用[9，8]。
数据分析，以通过位置预测前12名幻想足球运动员
幻想足球是一场比赛，参与者可以管理足球阵容并一对一踢球。这大约50年前使用铅笔和纸（Shipman，2009）开始。幻想足球的过程是通过起草来建立我们的团队，这是参与者一次选择一个球员，直到名册完成为止。这项研究的主要目标是确定即将到来的赛季的每个位置的前12名幻想足球运动员。对于幻想足球（四分卫，后卫，接球手，紧身，防守和踢球者）的每个位置），它们包括每个球员的排名，从本质上预测了该球员得分的积分总数，并创建了总数的下降列表。这些要点取决于玩家在游戏中的真实表现。因此，预计该赛季得分最高的球员将是该位置排名第一的球员。但是，这个排名从未最终变得准确，因为在赛季结束时，我们发现实际排名包含的球员表现优于Yahoo的预计总数，反之亦然。依靠他们的季前排名并不是最好的主意。最好找到一种方法，以更准确地预测一个排名，该排名可以超越依靠雅虎预测的竞争对手。
人工智能驱动的有效镜片位置预测提高了现有镜片公式的准确性 Tingyang Li，BS 1；Joshua D. Stein，MD，MS 2,3,4； Nambi Nallasamy，医学博士 1,2 1 密歇根大学计算医学和生物信息学系 2 密歇根大学凯洛格眼科中心眼科和视觉科学系 3 密歇根大学眼科政策与创新中心，密歇根州安娜堡 4 密歇根大学公共卫生学院卫生管理与政策系，密歇根州安娜堡 通讯作者：Nambi Nallasamy，医学博士 密歇根大学凯洛格眼科中心 1000 Wall St Ann Arbor, MI 48105 电话：(734) 763-5506 传真：(734) 936-2340 字数：2589
摘要 目的：评估结合机器学习 (ML) 方法准确预测术后前房深度 (ACD) 是否能提高现有人工晶状体 (IOL) 计算公式的屈光预测性能。方法：密歇根大学凯洛格眼科中心收集了 4806 名白内障患者的数据集，并将其分为训练集（80% 的患者，5761 只眼睛）和测试集（20% 的患者，961 只眼睛）。使用先前开发的基于 ML 的方法根据术前生物测量预测术后 ACD。使用回归模型将这种基于 ML 的术后 ACD 集成到新的有效晶状体位置 (ELP) 预测中，以重新调整四个现有公式（Haigis、Hoffer Q、Holladay 和 SRK/T）中的每一个的 ML 输出。使用测试数据集比较了具有 ML 修改的 ELP 的公式的性能。通过屈光预测中的平均绝对误差 (MAE) 来衡量性能。结果：当用原始 ELP 和 ML 预测的 ELP 的线性组合替换 ELP 时，测试集中的 MAE ± SD（以屈光度为单位）为：Haigis 为 0.356 ± 0.329，Hoffer Q 为 0.352 ± 0.319，Holladay 为 0.371 ± 0.336，SRK/T 为 0.361 ± 0.331，明显低于原始公式的 MAE ± 0.328：Haigis 为 0.408 ± 0.337，Holladay 为 0.384 ± 0.341，SRK/T 为 0.394 ± 0.351。结论：使用更准确的预测术后 ACD 可显著提高现有四种 IOL 度数公式的预测准确性。