XiaoMi-AI文件搜索系统
World File Search System准确
新的可穿戴传感器准确跟踪呼吸过程的微小变化
“我们的传感器就像呼吸的高度准确的麦克风，”曼彻斯特大学研究员Cinzia Casiraghi教授说。“它可以在气流中最微小的变化，从而为个人提供有价值的生理信息，例如，与他们的心脏，神经和肺部状况以及某些类型的疾病有关。”
人工智能语言模型 ChatGPT 能否提供准确、高质量的前列腺癌患者信息？
目的 评估人工智能 (AI) 语言模型 ChatGPT 在提供前列腺癌患者信息方面的表现，并将信息的准确性、相似性和质量与参考源进行比较。方法 以欧洲泌尿外科患者信息协会网站上的前列腺癌患者信息材料为参考来源。这用于生成 59 个查询。使用 F1、精确度和召回率得分确定模型内容的准确性。使用余弦相似度评估相似度，并使用名为一般质量评分 (GQS) 的 5 点李克特量表评估质量。结果 ChatGPT 能够响应所有与前列腺癌相关的查询。平均 F1 得分为 0.426（范围：0-1），准确率得分为 0.349（范围：0-1），召回率得分为 0.549（范围：0-1），余弦相似度为 0.609（范围：0-1）。平均 GQS 为 3.62 ± 0.49（范围：1-5），没有答案达到最高 GQS 5。虽然 ChatGPT 与参考相比产生了更多的信息，但内容的准确性和质量并不理想，所有分数都表明模型的性能需要改进。结论 由于 ChatGPT 性能有限，在使用其作为前列腺癌患者信息来源时应谨慎，这可能会导致不准确和潜在的误解。需要使用不同的主题和语言模型进行进一步研究，以充分了解人工智能生成的患者信息的能力上限和局限性。UROLOGY 180：35–58，2023 年。© 2023 Elsevier Inc. 保留所有权利。
通过POP提高自主驾驶安全性：准确观察到的轨迹预测的框架
摘要 - 准确的轨迹预测对于安全有效的自主驾驶至关重要，但是处理部分观察的驾驶提出了重大挑战。为了解决这个问题，我们提出了一个新颖的轨迹预测框架，称为拥挤的城市道路场景，称为部分观测预测（POP）。该框架由两个关键阶段组成：自我监督学习（SSL）和特征蒸馏。POP首先采用SLL来帮助模型学习重建历史记录表示形式，然后将功能蒸馏作为微调任务来从教师模型中转移知识，该教师模型已通过完整的观察进行了预先训练，该模型只有很少的观察结果。POP取得了与开环实验中最高表现方法的可比结果，并且在包括安全指标在内的闭环模拟中优于基线方法。定性结果说明了POP在提供合理和安全的轨迹预测中的优越性。演示视频和代码可在https://chantss.github.io/pop/上找到。
生成机器学习产生的动力学模型，可以准确地表征细胞内代谢状态
。cc-by 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他已授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权所有，该版本于2024年4月25日发布。 https://doi.org/10.1101/2023.02.21.529387 doi：biorxiv preprint
探索 VGG-16 架构利用深度学习准确检测脑肿瘤的潜力
1 纽约大学坦登工程学院电气与计算机工程系，纽约大学坦登工程学院，纽约，美国 11201 2 马尼帕尔理工学院电子与通信系，马尼帕尔高等教育学院，马尼帕尔，卡纳塔克邦，印度 576104 3 GITAM 大学电子与通信系，Gandhi Nagar，Rushi Konda，维沙卡帕特南，安得拉邦，印度 530045 4 梅奥诊所神经外科系神经信息学实验室，美国明尼苏达州罗切斯特 55905 5 哈佛医学院麻省总医院放射肿瘤学系，美国马萨诸塞州波士顿 02115 6 GLA 大学药物研究所生药学系，马图拉 281406，北方邦，印度 281406
国际货币基金组织的短期预测有多准确？对世界经济前景的又一次审视
《世界经济展望》预测每年出版两次，涵盖范围广泛，既包括国家，也包括经济变量，本文仅分析其中的一部分。评估针对的是七个主要工业国（G-7）和发展中国家区域总量的主要经济变量的短期预测准确性。本文重点关注预测的价值，这遵循了本文作者（Artis，1988）先前研究的先例，该研究本身以 Kenen 和 Schwarz（1986）的先前分析为基础，随后由 Barrionuevo（1993）更新和补充。对预测的事后分析需要注意两点。首先，对于许多评论家来说，《世界经济展望》的主要价值可能在于它对形势的分析、对世界经济形势的诊断以及对世界政策制定者可用选项的评估，而不是其短期预测的细节。第二，从加强全球经济政策制定和长期绩效的角度来看，IMF 的中期预测和情景分析可能比短期预测更为重要。然而，IMF 分析的质量仍然不容乐观。
利用机器学习，以准确处理一般循环模型中重叠的不透明度物种
要了解系外行星和棕色矮人的高精度观察结果，我们需要详细且复杂的一般循环模型（GCM），这些模型（GCM）结合了水动力学，化学和辐射。在这项研究中，我们专门研究了GCMS中化学和辐射之间的耦合，并比较了相关化学中不同化学物种在相关性假设中混合的不同方法，当无法假设平衡化学时。我们提出了一种基于DeepSet（DS）的快速机器学习方法，该方法有效地结合了单个相关性-K的不相差（K-table）。我们与其他已发表的方法（例如自适应等效灭绝（AEE））以及与重新融资和求职（RORR）的随机重叠一起评估了DS方法。我们将这些混合方法集成到我们的GCM（Expert/MitGCM）中，并评估了它们的准确性和性能，以热木星HD 209458 b的示例。我们的发现表明，DS方法既适合GCM使用率准确又有效，而RORR太慢了。此外，我们观察到AEE的准确性取决于其特定的实现，并可能在实现辐射转移解决方案收敛时引入数值问题。然后，我们在简化的化学不平衡情况下应用了DS混合方法，在那里我们建模了Tio和Vo的雨水，并确认TIO和VO的雨水会阻碍平流层的形成。为了进一步加快GCM中一致的不平衡化学计算的发展，我们提供了文档和代码，用于将DS混合方法与相关-K辐射传递求解器耦合。DS方法已进行了广泛的测试，足以适合GCM。但是，可能需要加速大气检索的其他方法。
paras：非核糖体肽合成酶的底物特异性的高准确机器学习
非核糖体肽是化学和功能多样的天然产物，具有重要的医学和农业应用。细菌和真菌基因组包含数千种非知名功能的非核糖体肽生物合成基因簇（BGC），为肽发现提供了有希望的资源。可以通过预测非透射体肽合成酶（NRPSS）中腺苷酸（a）结构域的底物（a）结构域来推断这种肽的核心结构特征。但是，现有的域预测方法依赖于有限的数据集，并且经常与选择大型基材或较少研究的域中的域斗争。在这里，我们系统地策划和计算分析了3,254个域，并介绍了两个新的高准确性特异性预测指标，Paras和Parasect。通过应用PARAS鉴定出具有异常高的L- tryptophan特异性的一种新型域，并且在相应的NRP上进行完整的蛋白质质谱法表明它可以指导链霉菌物种中与色氨酸肽相关的代谢产物的产生。在一起，这些技术将加速新型NRPS及其代谢产物的表征。Paras和Parasect可在https://paras.bioinformatics.nl上找到。