XiaoMi-AI文件搜索系统
World File Search System因子分析
'Google gemini'api
描述观察到的数据与其估计的潜在变量之间的关联测试。JackStraw软件包提供了一种重采样策略和测试方案，以估计观察到的数据及其潜在变量之间关联的重要性。取决于数据类型和分析目的，潜在变量可以通过主体分析（PCA），因子分析（FA），K-均值聚类以及相关的无监督学习算法来估算。jackstraw方法学习了本循环分析中固有的过度拟合特征，在该特征中，观察到的数据用于估计潜在变量，并再次用于测试估计的潜在变量。当PCA估算潜在变量时，JackStraw可以通过低维主组件（PC）估计，可观察到的变量和潜在变量之间的统计测试对观察到的变量和潜在变量之间的关联。这一范围内导致识别与PC显着相关的变量。同样，诸如K-均值聚类，围绕MEDOIDS（PAM）和OTHERS的诸如K-均值聚类和others的无关聚类，在高维数据中找到相干组。通过测试数据和群集中心之间的关联，JackStraw估计了集群成员资格的统计意义。聚集成员身份，并应用于对Single细胞RNA-Seq（SCRNA-SEQ）中细胞身份的无监督评估。
在大流行和欧洲能源危机之前对可再生能源投资的亲生态能源态度：一种基于细分的方法
摘要：作为主要决策单位的家庭建立在古典和新型经济学上。然而，在过去的十年中，家庭行为的变化很明显，朝着更绿色和可持续的模式发展，这些模式在欧盟国家宣布，努力在能源消耗中占有更明显的可再生能源（RES）。这些行为可以归因于可持续的经济学，并且是能源转型的重要组成部分，因为它们专注于亲生态态度，考虑到金融活动以及与照顾环境和后代有关的活动。本文旨在分割能源消费者并确定所选细分市场中盛行的态度，以及在大流行和欧洲的能源危机爆发之前做出有关RES管理的决策时，消费者在何种程度上是针对生态学的。我们通过考虑以下因素组来提出一个三段模型，用于在波兰将家庭能源消费者的原型模型：环境和能源保护（F1），镜像效应（F2）以及能源和设备的利用率（F3）。基于因子分析和模糊c-均值方法进行区分。基于群集有效性度量确定片段的数量。提出的结果证明，F1因子在每个细分市场中起主要作用。每个细分市场的正面反应百分比（包括迁移的家庭群体）振荡超过80％。，无论2022年在欧盟发生的大流行和能源危机如何，它都会保留可持续的态度。
预测情感和认知学习结果
大气条件的最新变化在地球表面施加了很大的压力，导致态度变化，对生存和生活方式的恐惧。学校并不来自气候条件变化的这些影响。因此，这些研究。检查了气候变化向量之间的联系，例如课堂温度变化，持续的干旱，中学生的严重洪水发生，班级参与和中学生的学习成绩。这项研究采用了事后研究设计，总共使用了1,881个进行数据收集。将两种研究工具，气候变化量表和班级出勤，班级参与和学术绩效量表用于数据收集。使用因子分析对仪器进行验证，以评估项目的维度，并使用组件分析和varimax旋转获得因子。为了评估原理的适应性和可接受性，使用最大似然估计方法进行了验证性因素分析（CFA），并且探索性因素分析和CFA的因子负载并没有太大差异。使用简单和多线性回归技术分析收集的数据。结果表明，相对，持久，严重的洪水和课堂温度变化对学生的班级参与，上课和学业表现产生了重大贡献。陈述了研究的含义和建议。同样，变量；当综合检查时，严重的洪水，干旱和课堂温度有助于班上出勤，班级参与和学生学业表现的差异。
影响城市空中交通采用和使用的因素
近年来，技术进步推动了城市空中交通 (UAM) 的发展，这是一种替代性交通方式，其多种概念包括由按需全自动垂直起降飞机 (VTOL) 操作的车辆用于市内客运。然而，尽管人们对 UAM 的兴趣日益浓厚，但用户对它的看法仍然有限。本研究旨在基于文献中的相关工具，例如飞行器概念和地面自动驾驶汽车研究中反复出现的因素，以及接受模型，如 Davis 等人 (1989) 的技术接受模型，来识别和量化影响 UAM 的采用和使用的因素。我们制定了一份陈述偏好调查，以评估用户对采用时间范围的看法，包括服务实施的前六年、“不确定”和“从不”等选项。使用探索性因子分析以及合适的离散选择模型、多项逻辑模型 (MNL) 和有序逻辑模型 (OLM) 的指定和估计来评估所获得的结果，以采用时间范围为因变量。研究结果表明，安全性和信任、对自动化的亲和力、数据关注度、社会态度以及社会人口统计对于采用至关重要。节省时间的价值、对自动化成本的认知以及服务可靠性等因素也被发现具有很大的影响力。还有迹象表明，持怀疑态度的受访者（即回答“不确定”）的行为与晚期和非采用者相似，即采用时间范围超过六年或回答“从不”。总结结果以扩展的城市空中交通技术接受模型来表示，并为政策制定者和行业利益相关者提供了见解。
信息沟通技术对上市公司审计质量的影响
本研究调查了信息通信技术对尼日利亚上市消费品公司审计质量的影响。该研究重点关注硬件和软件对尼日利亚上市消费品公司审计质量的影响，研究期为 2011 年至 2022 年的 12 年。研究对象为 21 家上市消费品公司，样本量为 10 家上市消费品公司。该研究基于纵向面板研究设计，使用从样本公司年度财务报表中收集的二手数据。该研究使用 E-views 10 软件进行描述性统计、相关性分析、豪斯曼规范检验、方差膨胀因子分析和回归检验。该研究采用自由应计作为衡量审计质量的代理。研究发现，ICT 硬件和 ICT 软件都对审计质量有积极而显著的影响。研究得出结论，ICT 在确定尼日利亚消费品行业的审计质量方面具有重要意义。该研究建议消费品公司应探索和采用专门为提高审计质量而设计的强大审计软件解决方案。这些可能包括先进的数据分析工具、人工智能 (AI) 支持的审计软件和其他可以自动执行常规审计任务并提供更深入的财务数据洞察的技术解决方案。关键词：信息通信技术、硬件、软件、审计质量和酌情应计
增强药物供应链弹性
摘要背景：药物在Covid-19期间的产品分销遇到了巨大困难，而解决这个永久问题的解决方案是弹性供应链。目的：该研究旨在了解在COVID-19大流行期间对制药产品分配供应链的脆弱性，并进一步开发出一种适应性模型，可以通过该模型来增强其弹药能力。材料和方法：基于文献调查的制药公司供应链开发了概念模型，然后通过因子分析探索概念模型。研究人员在使用Cronbach的Alpha进行统计分析后开发了一个经过验证的模型。主观分析得出的结论是，药品供应链的弹性是由诸如“贸易成本”之类的因素驱动的，诸如“贸易成本”，包括运输成本，商业实践和原材料采购成本； “冲击繁殖”包括特定国家的冲击，产量冲击和政策变化；和“技术基础设施瓶颈”，与冷链存储仓库和冷藏运输车辆设施有关。结果：与供应链弹性有关的经验模型可以通过浦那，海得拉巴和德里NCR等不同的地理位置进行进一步研究，以便概括研究。结论：确定的主要因素是贸易成本，冲击传播和技术基础设施瓶颈。大流行的困难时期也确实测试了药品的供应链能力。所调查的问题的敏感性需要对调查进行个人影响，因为Covid-19的大流行使这些受访者在情感上脆弱。作为COVID-19是最近造成人类的灾难，它使药物分销通道在大流行期间易受伤害。
课程结构 M.Tech.(ECE)
第 2 单元监督机器学习回归（线性回归、岭回归、回归树、非线性回归、贝叶斯线性回归、多项式回归、套索回归、梯度下降）分类（随机森林、决策树、逻辑回归、朴素贝叶斯分类器、多类分类）最大似然估计、正则化/ MAP、软/硬边距 SVM、SVM 对偶组件 2 第 3 单元无监督机器学习聚类（K 均值聚类（软/硬）、KNN（k 最近邻）、层次聚类、异常检测、神经网络、主成分分析、独立成分分析、先验算法、后验算法、奇异值分解）关联（隐马尔可夫模型、高斯混合模型、高斯混合模型-通用背景模型、联合因子分析、i-向量、i-向量/PLDA 方法）第 4 单元强化机器学习 强化学习概述、学习任务、Q 学习、非确定性 Q 学习、时间差分学习、RL-General 公式、多臂赌博机、马尔可夫决策过程和深度强化学习 6. 教科书和参考文献： 1. 《模式识别与机器学习》，Bishop 编著，Springer，2006 年。 2. 《机器学习：概率视角》，Kevin P. Murphy 编著，麻省理工学院出版社，2012 年 3. 《统计学习要素》，第二版，Hastie、Tibshirani 和 Friedman 编著，Springer-Verlag，
2型糖尿病患者的知识，态度和实践的决定因素：坦桑尼亚的一项横断面多中心研究
通过促进良好的知识，态度和实践来改善2型糖尿病（T2DM）患者的初级保健（T2DM）对于防止其相关并发症至关重要。本研究旨在评估T2DM患者中知识，态度和实践和相关因素的水平。这是一项基于医院的横断面多中心研究，其中包括来自坦桑尼亚8家医疗机构的979名患者。使用标准化的半结构化访谈者管理问卷来提取所需的数据。因子分析用于确定知识，态度和实践的水平。在二元逻辑回归分析下进行的多变量分析用于确定知识，态度和实践的预测指标。p <0.05被认为是特有的。足够的知识，积极的态度和适当的实践水平分别为62.1％，54％和30.9％。被自雇（AOR = 1.74，95％CI = 0.28–0.91，p = 0.040）预测了足够的知识。成为男性（AOR = 1.46，95％CI = 1.06– 2.01，P = 0.021和来访的区域医院（AOR = 2.17，95％CI = 1.33-2.51，P = 0.013）是积极态度的预测指标。居住在农村地区，没有足够的糖尿病知识，与适当实践相关的可能性较小。这项研究表明，在T2DM患者中，针对糖尿病，危险因素和相关并发症的一般问题的患者的适当实践水平明显较低。因此，应重点放在改善可以帮助预防相关并发症的良好实践上。
面向21世纪教育的未来社会学习环境的属性
摘要 在过去的二十年里，全球高等教育经历了一场重大的变革，被称为“学术进化”。其中，信息和通信技术（ICT）的广泛利用，明确提到人工智能（AI）、数字化、自动化和物联网（IoT），阐明了工业 4.0 一词。此外，信息通信技术在教学中的应用促进了一种被称为联通主义的新学习理论。因此，需要制定一个理想且兼容的社会学习环境分类以适应新的学习理论，这可以增强学习者在正式授课时间之外进行的非正式学习。因此，本研究旨在寻找影响学习者对社会学习空间偏好的因素。我们进行了一项定性研究，以调查学习者对理工学院社会学习空间的偏好属性。一份包含 39 个问题的改编问卷被发放给来自马来西亚三所理工学院的 300 名理工学院学生。具体来说，使用 IBM SPSS 版本 22 的探索性因子分析 (EFA) 对数据进行了分析。本研究结果推荐了六种社会学习空间偏好属性的类型学，作为具有两个基本维度的多维构造：物理偏好和社会偏好。研究结果有助于重新设计和规划高等教育机构的社会学术学习空间，以加强面向 21 世纪教育的教育。关键词：社会学习空间、非正式学习、城市校园规划、21 世纪教育、学习者的偏好属性、学习环境
帝国迷幻预测量表的验证
美国加利福尼亚州弗朗西斯科。 *通讯作者：Michael Angyus；电子邮件：michaelangyus@gmail.com抽象背景访问迷幻药物的访问是自由化的，但反应是无法预测的。 因此，必须提高预测急性迷幻体验的性质以提高安全性并优化潜在的治疗结果的能力。 这项研究试图验证“帝国迷幻预测量表”（IPP），这是一种简短的，广泛适用的，前瞻性的措施，旨在预测迷幻体验的显着维度。 使用四个独立数据集进行了前瞻性完成IPP的方法 - 两项在线调查“自然主义”使用（n = 741，n = 836）和两个受控的管理数据集（n = 30，n = 28） - 我们进行了因子分析，回归和相关分析，以评估结构，预测性，预测性和iPP的收敛性。 结果我们的方法产生了9个项目量表，具有良好的内部一致性（Cronbach'sα= 0.8），其中包含三个因素：设置，融洽和意图。 IPP可以显着预测“神秘”，“挑战”和“情感突破”的经历。 在受控的管理数据集（n = 28）中，发现和融洽的多个回归解释了神秘经验中40％的差异，而发现简单的回归集合解释了挑战性经验的16％差异。 在另一个（n = 30）中，融洽关系与情感突破有关，解释了9％的差异。 结论在一起，这些数据表明，IPP可以预测在广泛的环境中迷幻体验的急性特征。美国加利福尼亚州弗朗西斯科。*通讯作者：Michael Angyus；电子邮件：michaelangyus@gmail.com抽象背景访问迷幻药物的访问是自由化的，但反应是无法预测的。因此，必须提高预测急性迷幻体验的性质以提高安全性并优化潜在的治疗结果的能力。这项研究试图验证“帝国迷幻预测量表”（IPP），这是一种简短的，广泛适用的，前瞻性的措施，旨在预测迷幻体验的显着维度。使用四个独立数据集进行了前瞻性完成IPP的方法 - 两项在线调查“自然主义”使用（n = 741，n = 836）和两个受控的管理数据集（n = 30，n = 28） - 我们进行了因子分析，回归和相关分析，以评估结构，预测性，预测性和iPP的收敛性。结果我们的方法产生了9个项目量表，具有良好的内部一致性（Cronbach'sα= 0.8），其中包含三个因素：设置，融洽和意图。IPP可以显着预测“神秘”，“挑战”和“情感突破”的经历。在受控的管理数据集（n = 28）中，发现和融洽的多个回归解释了神秘经验中40％的差异，而发现简单的回归集合解释了挑战性经验的16％差异。在另一个（n = 30）中，融洽关系与情感突破有关，解释了9％的差异。结论在一起，这些数据表明，IPP可以预测在广泛的环境中迷幻体验的急性特征。我们希望这个简短的9个项目量表将被广泛采用，以改善受控环境及其他地区的迷幻准备知识。