XiaoMi-AI文件搜索系统
World File Search System回归的
使用机器传热数据数据回归的框架
机器学习（ML）算法正在各个行业中出现，作为传统数据回归方法的强大补充/替代方案。主要原因是，与确定性模型不同，即使没有详细的现象学知识，它们也可以使用。毫不奇怪，在传热应用中也探索了ML算法的使用。在处理复杂几何形状和潜在现象的系统中特别感兴趣（例如流体相变，多相流量，大量结垢堆积）。然而，传热系统提出了需要解决的特定挑战，例如高质量数据的稀缺性，已发表的数据源之间的不一致，输入的复杂（且经常相关）的影响，培训和测试集之间的数据拆分以及有限的划线能力，无法进行统一条件。试图克服这些挑战中的一些，更重要的是，为了提供系统的方法，本文回顾并分析了ML算法在传热应用中的应用中的过去努力，并提出了将其部署的回归框架以估算关键数量（例如传热系数），用于改进热交换器的设计和操作。该框架由六个步骤组成：i）数据预处理，ii）特征选择，iii）数据分裂理念，iv）训练和测试，v）调整超参数，而VI）具有特定指标的性能评估，以支持准确且可靠的模型的选择。相关案例研究涉及缩合传热系数在微囊管中的估计来说明所提出的框架。根据其估计和外推能力对两种数据驱动算法，深神经网络和随机森林进行了测试和比较。结果表明，与过去研究中提出的众所周知的半经验相关性相比，ML算法在预测传热系数方面通常更准确，其中最合适的ML模型的平均绝对误差为535 [𝑊𝑚2𝐾-1]，与使用1061 [𝑊𝑚22-−1]的误差相比，与使用误差相比。在外推方面，所选的ML模型的平均绝对误差为1819 [𝑊𝑚2𝐾-1]，而相关性为1111 [𝑊𝑚2𝐾-1]，表明使用半经验模型的劣势，尽管对比较并不完全适合，但鉴于相关性不适合使用。此外，功能选择还启用了仅取决于可能与目标变量最重要的功能的更简单的模型。需要特别注意，因为部署这些模型时会遇到的过度拟合和有限的外推能力是常见的困难。
基于自主地面车辆的基于增强学习的运动计划深度回归的不确定性定量指标
在机器人或其他物理系统上部署深层神经网络时，学到的模型应可靠地量化预测性不确定性。可靠的不确定性允许下游模块推理其行动的安全性。在这项工作中，我们解决了不确定性量化的指标。具体来说，我们专注于回归任务，并研究稀疏误差（AUSE），校准误差（CE），Spearman的等级相关性和负模样（NLL）下的区域。使用多个数据集，我们研究了这些指标在四种典型类型的不确定性下的行为，它们在测试集的大小上的稳定性以及揭示其优势和缺点。我们的结果表明，校准误差是最稳定，最容易解释的度量，但是Ause和NLL也具有各自的用例。我们不建议您评估不确定性的Spearman等级相关性，并建议用Ause代替它。
PNPLA3中的rs738409多态性与西孟加拉邦孟加拉民族人口中非酒精性脂肪肝病的发育和严重程度的关联 由于自然灾害引起的正常盐水供应链的破坏： 从理论模型到实际部署 预测痴呆症和帕金森氏病相关的皮质下区域中的脑铁沉积：英国生物库中的遗传和观察分析 适用于心电图图像的人工智能，用于可扩展的甲状腺素蛋白淀粉样蛋白心肌病 OMKAR：基于光学图的基因组的自动核分型，以鉴定宪法异常 给予年轻婴儿的益生菌和合成生药品 parvovirus b19废水固体中的基因组DNA浓度与社区感染有关 cenobamate对认知的负面影响 基于多矩的寿命基因对大肠癌的免疫相关性的影响 输注的免疫疗法会影响头颈癌的存活：倾向评分与分析匹配 通过生成变压器学习人类疾病的自然史 基于WGCNA和LASSO回归的新型结肠腺癌中衰老相关LNCRNA的预后模型 负面情绪对青少年非杀虫剂的影响 对ELMOD3相关常染色体的确认见解... 对GWAS目录的系统评价
参考文献1。Lazo M，Clark JM。非酒精性脂肪肝病的流行病学：一种全球视角。Semin Liver Dis.2008; 28：339-50。2。Bajaj S，Nigam P，Luthra A等。一项关于胰岛素抵抗，代谢共同变化和预测评分的病例对照研究。印度J Med Res。2009; 129（3）：285-292。 3。 Mohan V，Farooq S，Deepa M，Ravikumar R，Pitchumoni CS。 与不同等级的葡萄糖不耐症和代谢综合征有关的南印第安人非酒精脂肪肝病患病率。 糖尿病临床实践。 2009; 84（1）：84-91。doi：10.1016/j.diabres.2008.11.039 4。 Romeo S，Kozlitina J，Xing C等。 PNPLA3中的遗传变异赋予对非酒精性脂肪肝病的敏感性。 nat Genet。 2008; 40（12）：1461-1465。 doi：10.1038/ng.257 5。 Severson TJ，Bostur S，Bonkovsky HL。 影响非酒精性脂肪肝病的遗传因素：系统的临床综述。 世界J胃烯醇。 2016; 22（29）：6742-6756。doi：10.3748/wjg.v22.i29.6742 6。 Kozlitina J，Smagris E，Stender S等。 外显域的关联研究确定了一种TM6SF2变体，该变体赋予了对非酒精性脂肪肝病的易感性。 nat Genet。 2014; 46（4）：352-356。 doi：10.1038/ng.2901 7。 Oliveira Ain，Malta FM，Zitelli PMY，Salles APM，Gomes-Gouvea MS，Nastri ACS，Pinho JRR，Carrilho JRR，Carrilho FJ，Oliveira CP，Mendes-CorrêaMC，Pessoa MC，Pessoa MG，Mazo DF。 PMID：33622266; PMCID：PMC7901065。 8。2009; 129（3）：285-292。3。Mohan V，Farooq S，Deepa M，Ravikumar R，Pitchumoni CS。与不同等级的葡萄糖不耐症和代谢综合征有关的南印第安人非酒精脂肪肝病患病率。糖尿病临床实践。2009; 84（1）：84-91。doi：10.1016/j.diabres.2008.11.039 4。Romeo S，Kozlitina J，Xing C等。PNPLA3中的遗传变异赋予对非酒精性脂肪肝病的敏感性。nat Genet。2008; 40（12）：1461-1465。 doi：10.1038/ng.257 5。 Severson TJ，Bostur S，Bonkovsky HL。 影响非酒精性脂肪肝病的遗传因素：系统的临床综述。 世界J胃烯醇。 2016; 22（29）：6742-6756。doi：10.3748/wjg.v22.i29.6742 6。 Kozlitina J，Smagris E，Stender S等。 外显域的关联研究确定了一种TM6SF2变体，该变体赋予了对非酒精性脂肪肝病的易感性。 nat Genet。 2014; 46（4）：352-356。 doi：10.1038/ng.2901 7。 Oliveira Ain，Malta FM，Zitelli PMY，Salles APM，Gomes-Gouvea MS，Nastri ACS，Pinho JRR，Carrilho JRR，Carrilho FJ，Oliveira CP，Mendes-CorrêaMC，Pessoa MC，Pessoa MG，Mazo DF。 PMID：33622266; PMCID：PMC7901065。 8。2008; 40（12）：1461-1465。 doi：10.1038/ng.257 5。Severson TJ，Bostur S，Bonkovsky HL。影响非酒精性脂肪肝病的遗传因素：系统的临床综述。世界J胃烯醇。2016; 22（29）：6742-6756。doi：10.3748/wjg.v22.i29.6742 6。Kozlitina J，Smagris E，Stender S等。外显域的关联研究确定了一种TM6SF2变体，该变体赋予了对非酒精性脂肪肝病的易感性。nat Genet。2014; 46（4）：352-356。 doi：10.1038/ng.2901 7。 Oliveira Ain，Malta FM，Zitelli PMY，Salles APM，Gomes-Gouvea MS，Nastri ACS，Pinho JRR，Carrilho JRR，Carrilho FJ，Oliveira CP，Mendes-CorrêaMC，Pessoa MC，Pessoa MG，Mazo DF。 PMID：33622266; PMCID：PMC7901065。 8。2014; 46（4）：352-356。 doi：10.1038/ng.2901 7。Oliveira Ain，Malta FM，Zitelli PMY，Salles APM，Gomes-Gouvea MS，Nastri ACS，Pinho JRR，Carrilho JRR，Carrilho FJ，Oliveira CP，Mendes-CorrêaMC，Pessoa MC，Pessoa MG，Mazo DF。PMID：33622266; PMCID：PMC7901065。8。PNPLA3和TM6SF2多态性在巴西慢性丙型肝炎患者中对肝纤维化和代谢异常的作用C. BMC胃肠道。2021 Feb 23; 21（1）：81。 doi：10.1186/s12876-021-01654-3。SOOD V，Khanna R，Rawat D，Sharma S，Alam S，Sarin SK。研究小儿非酒精脂肪肝疾病中家庭聚类和PNPLA3基因多态性的研究。印度小儿科。2018年7月15日； 55（7）：561-567。 pmid：30129536。 9。 Bhatt SP，Nigam P，Misra A，Guleria R，Pandey RM，Pasha MA。 含有非酒精性脂肪肝病的亚洲印第安人中含patatin样磷脂酶结构域蛋白3（PNPLA-3）基因的遗传变异。 Metab Syndr Relat疾病。 2013年10月; 11（5）：329-35。 doi：10.1089/met.2012.0064。 EPUB 2013 JUN 4。 PMID：23734760。 10。 Koehler EM，Plompen EP，Schouten JN等。 糖尿病的存在和脂肪变性与一般人群中的肝脏僵硬有关：鹿特丹研究。 肝病学。 2016; 63（1）：138-147。 doi：10.1002/hep.27981 11。 张L，You W，Zhang H，Peng R，Yao A，Li X等。 PNPLA3多态性（RS738409）和非酒精性脂肪肝病风险和相关表型：荟萃分析。 J胃肠肝素。 2015; doi：10.1111/jgh.12889 12。 Anstee QM，Day CP。 NAFLD的遗传学。 nat Rev Gastroenterol Hepatol。 2013; 10：645–655。 doi：10.1038/nrgastro.2013.182 PMID：24061205 13。 Shen JH，Li YL，Li D，Wang NN，Jing L，Huang YH。 J脂质res。2018年7月15日； 55（7）：561-567。pmid：30129536。9。Bhatt SP，Nigam P，Misra A，Guleria R，Pandey RM，Pasha MA。 含有非酒精性脂肪肝病的亚洲印第安人中含patatin样磷脂酶结构域蛋白3（PNPLA-3）基因的遗传变异。 Metab Syndr Relat疾病。 2013年10月; 11（5）：329-35。 doi：10.1089/met.2012.0064。 EPUB 2013 JUN 4。 PMID：23734760。 10。 Koehler EM，Plompen EP，Schouten JN等。 糖尿病的存在和脂肪变性与一般人群中的肝脏僵硬有关：鹿特丹研究。 肝病学。 2016; 63（1）：138-147。 doi：10.1002/hep.27981 11。 张L，You W，Zhang H，Peng R，Yao A，Li X等。 PNPLA3多态性（RS738409）和非酒精性脂肪肝病风险和相关表型：荟萃分析。 J胃肠肝素。 2015; doi：10.1111/jgh.12889 12。 Anstee QM，Day CP。 NAFLD的遗传学。 nat Rev Gastroenterol Hepatol。 2013; 10：645–655。 doi：10.1038/nrgastro.2013.182 PMID：24061205 13。 Shen JH，Li YL，Li D，Wang NN，Jing L，Huang YH。 J脂质res。Bhatt SP，Nigam P，Misra A，Guleria R，Pandey RM，Pasha MA。含有非酒精性脂肪肝病的亚洲印第安人中含patatin样磷脂酶结构域蛋白3（PNPLA-3）基因的遗传变异。Metab Syndr Relat疾病。2013年10月; 11（5）：329-35。 doi：10.1089/met.2012.0064。EPUB 2013 JUN 4。 PMID：23734760。 10。 Koehler EM，Plompen EP，Schouten JN等。 糖尿病的存在和脂肪变性与一般人群中的肝脏僵硬有关：鹿特丹研究。 肝病学。 2016; 63（1）：138-147。 doi：10.1002/hep.27981 11。 张L，You W，Zhang H，Peng R，Yao A，Li X等。 PNPLA3多态性（RS738409）和非酒精性脂肪肝病风险和相关表型：荟萃分析。 J胃肠肝素。 2015; doi：10.1111/jgh.12889 12。 Anstee QM，Day CP。 NAFLD的遗传学。 nat Rev Gastroenterol Hepatol。 2013; 10：645–655。 doi：10.1038/nrgastro.2013.182 PMID：24061205 13。 Shen JH，Li YL，Li D，Wang NN，Jing L，Huang YH。 J脂质res。EPUB 2013 JUN 4。PMID：23734760。10。Koehler EM，Plompen EP，Schouten JN等。糖尿病的存在和脂肪变性与一般人群中的肝脏僵硬有关：鹿特丹研究。肝病学。2016; 63（1）：138-147。 doi：10.1002/hep.27981 11。 张L，You W，Zhang H，Peng R，Yao A，Li X等。 PNPLA3多态性（RS738409）和非酒精性脂肪肝病风险和相关表型：荟萃分析。 J胃肠肝素。 2015; doi：10.1111/jgh.12889 12。 Anstee QM，Day CP。 NAFLD的遗传学。 nat Rev Gastroenterol Hepatol。 2013; 10：645–655。 doi：10.1038/nrgastro.2013.182 PMID：24061205 13。 Shen JH，Li YL，Li D，Wang NN，Jing L，Huang YH。 J脂质res。2016; 63（1）：138-147。 doi：10.1002/hep.27981 11。张L，You W，Zhang H，Peng R，Yao A，Li X等。PNPLA3多态性（RS738409）和非酒精性脂肪肝病风险和相关表型：荟萃分析。J胃肠肝素。2015; doi：10.1111/jgh.12889 12。Anstee QM，Day CP。NAFLD的遗传学。nat Rev Gastroenterol Hepatol。2013; 10：645–655。doi：10.1038/nrgastro.2013.182 PMID：24061205 13。Shen JH，Li YL，Li D，Wang NN，Jing L，Huang YH。 J脂质res。Shen JH，Li YL，Li D，Wang NN，Jing L，Huang YH。J脂质res。PNPLA3基因和肝硬化的RS738409（I148M）变体：荟萃分析。2015; 56：167–175。doi：10.1194/jlr.m048777 pmid：25378656 14。Singal AG，Manjunath H，Yopp AC，Beg MS，Marrero JA，Gopal P等。PNPLA3对肝细胞癌纤维化进展和发育的影响：一种元分析。Am J胃肠道。2014; 109：325–334。doi：10.1038/ajg.2013.476 PMID：24445574 15。Shen J，Wong GL，Chan HL，Chan Hy，Yeung DK，Chan RS等。pNPLA3基因多态性在没有代谢的社区受试者中说明了脂肪肝
评估随机森林，决策树，支持向量回归的性能和流量预测的梯度提升
这项研究利用一系列机器学习算法来预测Ikpoba河的小时流量。数据收集依赖于沿河沿线安装的水透度系统，收集每小时测量量高度，环境温度和大气压。将量规高度转换为流量数据，从Ikpoba河等级曲线中提取了涵盖2015年至2020年期间的历史量规和流量数据，并使用曲线拟合技术对水流和量规高度之间的精确关系进行了分析。使用各种拟合度措施，例如调整后的R平方值，估计标准误差和确定系数，用于识别最佳拟合关系。随后使用土壤和水评估工具对估计的流量数据进行了验证，并结合了研究区域的数字高程模型，以及其他输入参数，例如土壤，坡度，每日最大降水量和每日最高温度。使用Microsoft Excel中生成的回归图进行了验证结果。从机器学习结果中，随机森林算法在预测流量方面的其他方法优于其他方法，均为0.02的均值误差和确定系数为0.98。相反，决策树在预测单个数据点方面表现出了较高的准确性，最低的根平方误差为0.02。
脑功能连接的协变量辅助主回归的贝叶斯估计
本文在贝叶斯范式中重新表述了赵等人（2021b）的协变量辅助主（CAP）回归。该方法确定了多变量响应数据协方差中与协变量相关的成分。具体而言，该方法估计一组多元响应信号的线性投影，其方差与外部协变量相关。在神经科学中，人们对分析来自大脑不同区域的脑信号时间序列之间的统计依赖性很感兴趣，我们将其称为功能连接（FC）（Lindquist 2008；Fornito 和 Bullmore 2012；Fornito 等人 2013；Monti 等人 2014；Fox 和 Dunson 2015）。功能连接背后的大脑信号是多变量的，在分析功能连接时，每个大脑活动都被视为与其他大脑活动的相对关系（Varoquaux 等人，2010），因为这种统计依赖性与行为特征（协变量）相关。本文开发了一种贝叶斯方法对反应信号进行监督降维，以分析外部协变量与以多变量信号的协方差为特征的功能连接之间的关联。通常，分析大脑功能连接的第一个步骤是定义一组对应于感兴趣的空间区域（ROI）的节点，其中每个节点都与其自己的图像数据时间过程相关联。然后，根据每个节点时间过程之间的统计依赖性（van der Heuvel 和 Hulshoff Pol，2010；Friston，2011），估计网络连接（或节点之间的“边缘”结构）。 FC 网络是使用 Pearson 相关系数（ Hutchison 等人，2013 年）以及部分
基于低维高斯流程回归的锂离子电池的健康状况预测
准确确定电池状况是操作中的关键挑战。随着锂离子电池的性能随着时间的推移而降级，对健康状况的准确预测将提高整体效率和安全性。本文根据高斯过程回归提出了一种预测方法，并在单个模型中使用自动相关性确定内核，用于三种不同类型的电池电池。降低了问题的维度和对特征的灵敏度分析后，对模型进行了训练，验证并在看不见的数据上进行了进一步测试。最小测试误差的平均绝对误差为1.33％。结合了预测结果的低不确定性，这表明了使用数据驱动方法预测电池状况的适用性和巨大潜力。
物流回归的比较分析，SVM，XGBOOST ...
提交日期：2024年1月23日，审查日期：2024年1月26日修订日期：2024年1月27日接受日期：2024年1月29日，抽象糖尿病是一种可以攻击任何人的疾病，这种疾病发生，因为人体中糖含量过多。因此，需要预防糖尿病，以便可以尽早采取预防措施。在这项研究中，将使用随机森林算法，支持向量分类和XGBoost进行分类过程。本研究将使用一个数据集，该数据集由768个总数据组成，其分布非糖尿病数据为500，糖尿病数据的分布为268。对于测试后的分类结果，结果是，使用随机森林获得的分类为79.22％，使用使用支持矢量分类的测试精度获得了76.62％的测试精度，使用XGBoost的测试准确度使用逻辑回归的测试精度为79.22％的测试准确度为80.52％。使用逻辑回归算法时，获得最佳分类值，即精度为79.00％，召回77.00％，F1得分为78.00％。
使用局部放电数据和支持向量回归的锂离子电池健康状态评估程序
摘要：电池老化是一种复杂的现象，精确的健康状态 (SoH) 监测对于有效的电池管理至关重要。本文提出了一种基于支持向量回归 (SVR) 的数据驱动 SoH 估计方法，利用从全放电和部分放电容量曲线以及电池温度数据构建的特征。它深入讨论了从不同电压间隔构建的新特征。此外，分析了三种特征组合，展示了它们的功效在不同电压范围内的变化。使用从 2 到 3.4 V 的完整间隔构建的全放电容量曲线获得了成功的结果，并且在测试集上实现了 0.962 的平均 R 2 值，从而展示了所选 SVR 策略的充分性。最后，将从全电压范围构建的特征与从 10 个小电压范围构建的特征进行了比较。观察到了类似的成功，证据是不同电压范围内的平均 R 2 值介于 0.939 和 0.973 之间。这表明所开发的模型在现实场景中具有实际适用性。所提出的模型的调整和评估是使用丰田创建的包含 124 个磷酸铁锂电池的大量数据集进行的。
基于多元调整的逻辑回归的二氯苯酚与代谢综合征的关联：一项美国基于全国人口的研究20
调整尿肌氨酸后，2,5-DCP和总二氯苯酚的1个单位增加与MetS患病率高5％有关（表2）。调整了生活方式和饮食因素（模型4）后，总二氯苯酚和MetS患病率之间的关联并不显着，而较高的2,5-DCP浓度仍然具有更高的MetS患病率。在类别分析中，我们还观察到2,5-DCP暴露与MetS患病率之间的显着和正相关。在增加四分位数的多元调整ORS（95％CI）为1.09（0.93-1.28），1.22（1.00-1.49）和1.34（1.04-1.73），在整个模型中为2,5-DCP（趋势4，P = 0.018）。此外，包括P-DCB生物标记物（包括P-DCB生物标志物）作为连续变量的受限立方样本模型，以评估P-DCB暴露和MetS患病率之间的剂量响应关系显示出相似的趋势（图1）。调查