XiaoMi-AI文件搜索系统
World File Search System子群
基于粒子群优化的高参数调整机器学习模型的大型covid-19数据分析
分析大数据，尤其是医学数据，有助于为患者提供良好的医疗保健并面临死亡的风险。COVID-19大流行对全世界的公共卫生产生了重大影响，强调了对风险预测模型的需求。机器学习（ML）技术在分析复杂的数据模式和预测疾病预后方面已显示出希望。这些技术的准确性受到更改参数的很大影响。超参数优化在证明模型性能中起着至关重要的作用。在这项工作中，使用粒子群优化（PSO）算法有效地搜索超参数空间并通过识别可以提供最高精度的最佳超级参数来提高机器学习模型的预测能力。在本研究中使用了与COVID-19病例相关的各种临床和流行病学特征的数据集。使用各种机器学习模型，包括随机森林，决策树，支持向量机和神经网络，用于捕获数据中存在的复杂关系。为了评估模型的预测性能，采用了精度。实验发现表明，估计Covid-19风险的建议是有效的。与基线模型相比，优化的机器学习模型的性能更好，并产生了更好的结果。关键字
SU(2) 离散子群的原始量子门
格点规范理论 (LGT) 中量子效用的可能性非常大 [1 – 4] 。也许最重要的是，它为符号问题提供了一个优雅的解决方案，从而导致经典计算资源的指数级扩展 [5] ，从而无法在有限费米子密度和存在拓扑项的情况下进行大规模动力学模拟。为了研究这些基础物理主题，需要许多量子子程序。第一项任务是准备感兴趣的强耦合态，包括基态 [6 – 12] 、热态 [13 – 23] 和碰撞粒子 [24 – 34] 。对于动力学应用，时间演化算子 UðtÞ¼e−iHt 必须近似，并且存在许多不同的选择；特罗特化 [35,36]、随机编译 [37,38]、泰勒级数 [39]、量子比特化 [40]、量子行走 [41]、信号处理 [42]、幺正的线性组合 [38,43] 和变分方法 [44 – 47]，每种方法都有自己的权衡。除了状态准备和演化之外，重要的是需要开发有效的技术 [48 – 51] 和公式 [52 – 63] 来测量物理可观测量。为实现这一点，可以进一步使用算法改进，如误差缓解和校正
使用2D激光雷达环境的自适应学习粒子群体优化的移动机器人路径计划
摘要智能逻辑应用程序机器人的加载和卸载操作在很大程度上取决于其感知系统。但是，关于LIDAR图及其在复杂环境导航系统中的评估算法的研究很少。在拟议的工作中，使用二进制占用网格方法对LIDAR信息进行了限制，并实施了改进的自适应学习粒子群群优化（ISALPSO）算法，以进行路径预测。该方法利用2D激光雷达映射来确定后勤应用程序中移动机器人最有效的路线。在机器人操作系统（ROS）平台中使用Hector SLAM方法来实现移动机器人实时位置和地图构建，随后将其转换为二进制占用网格。为了显示所提出方法的路径导航发现，使用2D LIDAR映射点数据在MATLAB 2D虚拟环境中创建了导航模型。根据生成的路径的性能，ISALPSO算法适应其参数惯性重量，加速度系数，学习系数，突变因子和群的大小。与其他五个PSO变体相比，ISALPSO算法具有相当短的路径，快速收敛速率，并且基于使用2D Lidar环境的验证，需要更少的时间来计算运输和卸载环境之间的距离。使用与2D激光雷达连接的Quanser硬件验证了Logistic应用程序中移动机器人的路径规划的效率和效率，并使用拟议的算法在环境3中进行操作，以生产最佳路径。
采用广义粒子群优化的多旋翼无人机编队路径规划
关键词 路径规划，粒子群优化，广义 PSO，光学避障，无人机，无人机编队。摘要 本文研究了多旋翼无人机（UAV）在编队形状中协作检查周围表面的路径规划技术问题。我们首先将问题描述为在复杂空间中规划编队质心路径的联合目标成本。然后提出了一种路径规划算法，称为广义粒子群优化算法，用于在避开障碍物并确保飞行任务要求的同时构建最佳的可飞行路径。然后结合路径开发方案为每架无人机生成相关路径以保持其在编队配置中的位置。进行了仿真、比较和实验以验证所提出的方法。结果表明，使用 GEPSO 的路径规划算法是可行的。缩写
伯克利李群和量子群讲座
1 动机：闭线性群 3 1.1 李群的定义 .....................。。。。。。。。。。。。3 1.1.1 分组对象。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。.3 1.1.2 解析群和代数群 .........................5 1.2 闭线性群的定义 ...........................5 1.2.1 闭线性群的李代数 ........................5 1.2.2 一些分析 ..........。。。。。。。。。。。。。。。。。。。。。。。。。。6 1.3 经典李群 .。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。7 1.3.1 经典紧李群 .。。。。。。。。。。。。。。。。。。。。。。。。。。7 1.3.2 经典复李群 .。。。。。。。。。。。。。。。。。。。。。。。。。。8 1.3.3 经典群 .。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。8 1.4 闭线性群的同态。。。。。。。。。。。。。。。。。。。。。。。。。9 练习。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。9
多目标粒子群优化算法用于家庭微电网优化调度
应对低电价时期家庭负荷和电动汽车集中用电的挑战对于减轻对公用电网的影响至关重要。在本研究中，我们提出了一种基于多目标粒子群算法的家庭微电网优化调度方法。建立了一个家庭微电网优化模型，考虑了分时电价和用户电动汽车出行模式。该模型专注于优化家庭日常用电成本并最小化电网侧能源供应差异。具体而言，该数学模型将微电网内每个分布式能源的实际输入和输出功率作为优化变量。此外，它还整合了对储能电池和电动汽车电池容量变化的分析。通过在帕累托最优解集内的算术模拟，该模型确定了有效缓解公用事业侧能源输入和输出波动的最优解。模拟结果证实了该策略在降低家庭日常用电成本方面的有效性。所提出的优化方法不仅提高了电力消费的整体质量，而且证明了其经济和实际可行性，凸显了其更广泛的应用和影响的潜力。
模糊遗传粒子群优化卷积神经...
dharanir.pec@gmail.com, ramesh.revathy@gmail.com, danesh.kn1@gmail.com Received : 31 July 2023, Revised: 14 October 2023, Accepted : 21 October 2023 * Corresponding Author ABSTRACT Oral cancer presents a pressing global health concern, ranking as the eighth most prevalent cancer worldwide and leading to a significant number of deaths, particularly evident in India with an annual toll of大约有130,000人死于口腔癌。早期检测的紧迫性是显而易见的，因为由于临床检查和活检而导致的疾病识别延迟可以阻碍有效的治疗和改善患者的结果。这项研究通过开发能够识别受疾病影响的口腔区域并准确分类各种口腔癌疾病的系统来解决这一关键需求。该研究利用深度学习算法来检测和精确定位口服图像中的受影响区域，并结合了高级特征提取技术，尤其是基于模式的特征。使用创新的蜜蜂脉冲夫妇神经网络（BEEPCNN）算法用于对受影响区域的有效分割。为了进一步提高检测效率，引入了一种新型模糊遗传粒子群卷积神经网络（FGPSOCNN），从而降低了计算复杂性，同时保持了高精度水平。拟议的系统使用从Arthi Scan医院收集的实时MRI图像进行了严格的评估。实验结果令人信服地证明了与现有的口腔癌检测方法相比，FGPSOCNN模型的优越性。1。简介这项综合研究不仅满足了早期口腔癌检测的关键需求，而且还引入了一种创新的方法，可以显着提高效率而不会损害准确性。这项研究对口腔癌诊断的潜在影响是很大的，为全球关键的全球健康挑战提供了有希望的解决方案。关键字：口腔癌，深度学习，蜂鸣声，模糊，粒子群优化，fgpsocnn。
使用粒子群的随机森林优化...
抽象糖尿病是一种慢性退化性疾病，原因是胰腺中缺乏胰岛素的产生或人体使用胰岛素使用的能力较低。根据世界卫生组织（WHO）的一份报告，世界上有4％的总死亡是由糖尿病引起的。国际糖尿病联合会（IDF）指出，糖尿病患者在2013年有所增加。印度尼西亚是糖尿病病例数量最多的第七名。在这项研究中，用于对糖尿病进行分类的方法是使用粒子群优化（PSO）优化的随机森林算法。这项研究使用PSO优化的随机森林分类算法的准确性为78.2％和82.1，值增加了3.9％。可以得出结论，与没有PSO优化的随机森林算法相比，PSO优化可以更好地提高分类精度值。关键字：分类，糖尿病，国际糖尿病联合会，粒子群优化，随机森林1。引言糖尿病是一种非传染性疾病，会导致患者体细胞功能的缓慢下降，其特征是当激素胰岛素的功能通常无法运行时，由于代谢干扰而导致尿液中的血糖水平升高[1]。代谢性疾病称为糖尿病是由胰岛素分泌和作用故障引起的[2]。高血糖水平会导致人体衰竭，心动脉，中风，失明和死亡等人体细胞功能受损[3]。
使用新概率粒子群优化器和顺序差分进化的脑电信号癫痫病识别模型
摘要 癫痫是个体的一种慢性发作状态。脑细胞群反映出异常的电活动。脑电图 (EEG) 是一种监测大脑活动和诊断神经系统疾病的常用工具。在处理具有超高维度的复杂变换特征并从 EEG 中提取最佳特征时，对癫痫和非癫痫数据进行分类是一项具有挑战性的任务。本文提出了一种新的混合方法来选择最佳特征，该方法涉及粒子群优化 (PSO) 算法、新开发的概率粒子群优化 (PPSO) 算法和顺序差分进化 (SDE) 算法。癫痫患者的 EEG 数据已用于评估该方法。使用离散波长变换提取特征。PSO、PPSO 和 SDE 从 EEG 的特征空间中选择最佳特征。进一步使用不同的分类器评估这些最佳特征的性能。比较了 PSO、PPSO 和 SDE 的性能。本文对生物启发算法对脑电信号特征优化的重要性进行了广泛的研究。在所有分类器中，支持向量机 (SVM) 表现优异，在第 100 个周期时，PPSO 的准确率为 97.74%，SDE 的准确率为 98.34%。这表明最佳特征选择提高了分类器的性能。
霍普夫代数、量子群和拓扑场论
5 拓扑场论和量子码 149 5.1 关键范畴和关键霍普夫代数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .... .... 184 5.5.6 拓扑量子计算和 Turaev-Viro 模型 . . . . . . . . . . . . 185