XiaoMi-AI文件搜索系统
World File Search System合奏
电影推荐系统的合奏机器学习模型
摘要本文致力于评估电影推荐系统中集合机器学习模型的有效性。它探讨了各种集合方法，包括随机森林，adaboost，XGBoost，LightGBM，Catboost和梯度提升机，以增强预测用户偏好的准确性。该研究基于Movielens 100K数据集，该数据集包含1,682部电影中943位用户的100,000个评级。功能工程，数据归一化方法和迭代功能选择的应用提高了模型准确预测用户兴趣的能力。分析表明，XGBoost模型的最佳结果为0.902，与所考虑的其他模型相比，预测准确性更高。LightGBM和Catboost还显示了竞争结果，RMSE值分别为0.910和0.919。这项研究强调了综合方法在开发适应用户各种偏好和环境的建议系统中的重要性，并在该领域开辟了广泛的观点，以进一步研究。
对病原体驱动的合奏模型的开发和解释，用于预测胃癌免疫疗法的反应
抽象背景只有一部分患有胃癌的患者从免疫检查点抑制剂（ICIS）中经历了长期益处。当前，ICI功效的精确预测生物标志物缺乏。这项研究的目的是使用H＆E染色的整个幻灯片图像（WSI）开发和验证病原体驱动的集合模型，以预测胃癌ICI的反应。方法回顾性地收集并分析了584例胃癌患者的H＆E染色WSI和临床数据。使用病原体特征开发和验证了一个集成四个分类器的合奏模型：最低绝对收缩和选择操作员，k-nearest邻居，决策树和随机森林。模型性能。此外，Shap（Shapley添加说明）分析还用于解释该模型的预测值作为每个输入特征的归因值的总和。病原体分析被用来解释模型预测的基础分子机制。结果我们的病原体驱动的集合模型有效地分层了训练队列中对ICI的响应（AUC 0.985（95％CI 0.971至0.999）），这在内部验证队列中得到了进一步验证（AUC 0.921（AUC 0.921（95％CI 0.839至0.9999999999999999），以及外部验证CORET cohort in Outsheral Valsice cohort in uc cohort in uc cohort in uc cohort in uc cohort in uc cohort cohort cohort cohort cohort cohort cosemess。至0.990）和外部验证队列2（0.927（95％CI 0.802至0.999））。单变量的COX回归分析表明，病原体驱动的集合模型的预测特征是对胃癌患者进行无进展生存的预后因素，这些因素接受了免疫疗法的胃癌患者的预测因素（P <0.001，HR 0.35，HR 0.35（95％CI 0.24至0.50至0.50至0.50至0.50），并且在多种多样的范围内进行了多变的调节，并且是可行的cox concoia coxArtiver coxARTARTARTARTARTARTARTARTARS，并且是可行的。性别，年龄，癌症抗原，碳水化合物抗原19-9，治疗方法，分化，位置和程序性死亡配体1（PD-L1）在所有患者中的表达（p <0.001，HR 0.34（95％CI 0.24至0.50））病原体分析表明，整体模型是由分子水平的免疫，癌症，代谢相关的途径驱动的，并且相关
亮雪干旱：长矛大合奏中的美国西部雪带的未来
美国西部的抽象季节性积雪（WUS）对于满足夏季水文需求，降低野火的强度和频率以及支持雪道经济体至关重要。虽然积雪（SD）的频率和严重程度（即，在持续的全球变暖下都会增加雪的雪带，但内部气候变异性的不确定性仅通过观察结果来量化。使用30人的大型集合，来自现状的全球气候模型，预测和地球系统研究（SPEAR）的无缝系统以及基于观测的数据集，我们发现WUS SD的变化已经很大。到2100年，Spear Project SDS在共享的社会经济途径5-8.5（SSP5-8.5）下的频率近9倍，而SSP2-4.5的频率则高出5倍，而1921- 2011年的平均平均水平则高出5倍。通过研究SD的两个主要驱动因素，温度和降水量的影响，我们发现平均WUS SD会变得更温暖和潮湿。为了评估这些变化如何影响未来的夏季水的可用性，我们跟踪了遍布Wus流域的冬季和春季雪带，发现区域之间“无诺夫”阈值的发作时间和整体内部的较大内部变异性的差异。我们将区域间可变性归因于区域平均冬季温度和区域内变异性的差异，这是不可减至的内部气候变异性，仅由温度变化很好地解释。尽管有强大的场景强迫，但内部气候变异性将继续驱动SD和NO -NOW条件的变化。
在可变工作条件下滚动轴承故障诊断的增强合奏学习方法
摘要：确保滚动轴承的平稳运行需要精确的故障诊断。特别是，在不同的工作条件下识别故障类型在实践工程中具有重要意义。因此，我们提出了一种加固集合方法，用于在不同的工作条件下诊断滚动轴承断层。首先，设计了一个加固模型来选择最佳的基础学习者。分层随机抽样用于从原始训练数据中提取四个数据集。强化模型分别由这四个数据集培训，我们获得了四个最佳基础学习者。然后，稀疏的ANN被设计为集合模型，并且可以成功识别可变工作条件下的故障类型的增强学习模型。进行了广泛的实验，结果证明了所提出的方法比其他智能方法具有优越性，具有显着的实践工程益处。
psilocybin增强恐惧灭绝与皮质合奏的双向调制有关
5-羟色胺2受体（5HT2R）激动剂psilocybin在神经术 - 跨科学疾病中表现出快速而持续的治疗疗效，这些疾病的特征是认知僵化。然而，尚未表征psilocybin对行为灵活性持续变化的神经活动模式的影响。测试了psilocybin通过改变皮质神经合奏中活性增强行为柔韧性的假设，我们在为期五天的痕量恐惧学习和灭绝测定中进行了延误皮质中的纵向单细胞成像。一剂psilo-cybin引起的恐惧学习和灭绝日之间的集合周转，同时相反地调节了恐惧和灭绝活性神经元中的活动。急性抑制恐惧活性神经元和延迟灭绝活性神经元的募集是预测psilocybin增强恐惧灭绝的。一个计算模型表明，psilocybin对恐惧活性神经元的急性抑制足以解释其几天后其神经和行为效应。这些结果与我们的假设保持一致，并引入了一种新的机制，涉及回合膜皮质中恐惧活性种群的抑制。
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。
自动形态合奏的极性代码解码器6G URLLC
根据作者克劳斯·凯斯特尔（Claus Kestel），马文·盖塞尔哈特（Marvin Geiselhart），卢卡斯·约翰逊（Lucas Johannsen），斯蒂芬·恩·布林克（Stephan Ten Brink）和诺伯特·韦恩（Norbert Wehn）的作者克劳斯·凯斯特尔（Claus Kestel）和诺伯特·韦恩（Norbert Wehn），的题为“ 6G urllc的自动化集合代码解码器”，这是即将到来的6G标准标准的urllc sereario。 实现接近ML的性能是具有挑战性的，尤其是对于短块长度。 极性代码是此应用程序的有前途的候选人。 上述论文讨论了连续的取消列表（SCL）解码算法，该算法提供了良好的误差校正性能，但在高计算解码的复杂性下。 本文引入了自动形态集合解码（AED）方法，该方法在并行执行了几种低复杂性解码。 本文介绍了AED架构，并将其与最先进的SCL解码器进行了比较。 因此，鉴于Kestel等人的理论和实验证明，我们在这里概述了由TLB GmbH管理的PCT应用保护的这项技术发明的位置和背景。的题为“ 6G urllc的自动化集合代码解码器”，这是即将到来的6G标准标准的urllc sereario。实现接近ML的性能是具有挑战性的，尤其是对于短块长度。极性代码是此应用程序的有前途的候选人。上述论文讨论了连续的取消列表（SCL）解码算法，该算法提供了良好的误差校正性能，但在高计算解码的复杂性下。本文引入了自动形态集合解码（AED）方法，该方法在并行执行了几种低复杂性解码。本文介绍了AED架构，并将其与最先进的SCL解码器进行了比较。因此，鉴于Kestel等人的理论和实验证明，我们在这里概述了由TLB GmbH管理的PCT应用保护的这项技术发明的位置和背景。
钻石中无序的偶极自旋合奏中的准浮力细胞化
在UTA教职员工和雷神导师的建议下，UT-Arlington CSE团队的成员提供了一个巨大的机会，可以体验现实世界中的发展条件和程序。由于各种各样的必要技术，团队面前的任务涉及陡峭的学习曲线，其中许多是团队成员的新手。最初随着团队驾驶无人汽车开发景观，持续测试，开发和部署的发展，尽管进展缓慢，但事实证明是一种成功的做法，并有助于确保生产满足竞争对手要求的车辆。通过协作，跨学科团队的工作经验丰富了每个参与者，并允许每个成员在软件，硬件和一般最佳实践中扩展其工程技能。我们要感谢雷神公司和乌特 - 阿灵顿允许我们参加这个非凡的机会。
mepsi：一种基于MDL的合奏修剪方法，具有结构信息
合奏修剪结合了并行制作预测产生的个体学习者的子集是整体学习中的重要话题。过去几十年来开发了许多修剪算法，这些算法的重点是学习者对样本的外部行为，这可能会导致过度拟合。在本文中，我们猜测合奏的概括性能不仅与样本上的外部行为有关，而且还取决于分裂学习者的内部结构。我们提出了基于kolmogorov复杂性和最小描述长度（MDL）原理的一般MEPSI方法，该原理制定了综合修剪任务，作为构成两种目标的优化问题，这些问题包括个人学习者之间的经验误差和结构信息。我们还提供了对决策树的MEPSI的具体实现。理论结果为一般的MEPSI方法和基于树的实现提供了概括。在多个现实世界数据集上进行的合规实验证明了我们提出的方法的有效性。
lst-ai：精确的MS病变分割的深度学习合奏
。cc-by-nc 4.0国际许可证可永久提供。是作者/资助者，他已授予Medrxiv的许可证，以显示预印本（未通过同行评审证明）预印版本的版权所有者此版本发布于2024年3月11日。 https://doi.org/10.1101/2023.11.23.23298966 doi：medrxiv preprint