XiaoMi-AI文件搜索系统
World File Search System学习方法
确定最适合的机器学习方法...
摘要 道路基础设施系统一直受到无效维护策略的影响，预算限制更是雪上加霜。通过有效的状况评估、故障检测、未来状况预测等数据驱动的决策，可以显著改善道路资产管理方法，从而显著改善维护计划，延长资产寿命。数字孪生等最新技术创新具有巨大潜力，可以实现道路状况预测和主动资产管理所需的方法。为此，机器学习技术在解决工程问题方面也表现出了令人信服的能力。然而，在数字孪生背景下，它们都没有得到特别考虑。因此，有必要审查和确定在道路数字孪生中使用机器学习技术的适当方法。
基于图像的植物病害深度学习方法...
摘要 植物疾病严重影响农业生产力和质量，危及全球粮食安全。因此，应尽早发现和治疗这些疾病，以减轻损失，同时实现可持续农业。多年来，由于深度学习技术的出现，优化了基于图像的植物疾病检测过程，取得了巨大进步。本研究的目的是基于基于图像的深度学习方法准确有效地诊断农业疾病，以进行植物疾病识别。作为一种建议，该方法涉及使用卷积神经网络 (CNN) 来识别植物图像中的适当特征，随后可用于确定它们是健康的还是生病的。在训练和评估过程中，使用一组包含健康和患病植物的图像。模型架构由多个卷积层和池化层组成，用于从输入图像中提取相关特征。为了防止过度拟合，添加了 dropout 层，并以 0.0001 的小学习率对模型进行训练。 CNN 在 70,295 张训练图像的数据集上进行训练，并在属于 38 种不同植物疾病类别的 17,572 张验证图像上进行验证。该模型实现了 97.82% 的高训练准确率和 94.59% 的验证准确率。此外，模型性能的评估涉及多个指标，包括精确度、召回率和 F1 分数，这些指标显示出在农业实际应用中的良好效果。 关键词：植物病害诊断、深度学习、CNN、食品安全。1. 引言 农业是最古老的工作之一，自古以来就一直存在。植物是我们生活的重要组成部分。在印度，51% 的人口直接或间接依赖农业部门。然而，由于环境因素、污染等多种异常发育活动，导致不同类型的疾病，从而影响植物的正常生长。与哺乳动物类似，植物也会遭受各种异常疾病的困扰。导致植物疾病的生物因素被称为病原体。1.1。植物中的病原体 引起植物疾病的微生物被称为病原体，包括细菌、真菌、病毒、线虫和其他微生物。病原体侵袭植物的各个部位，包括叶子、茎、根和果实，从而表现出叶斑、枯萎、腐烂和发育不良等症状。每种病原体都有其特定的特征和入侵方式。例如，真菌病原体通常会产生孢子，这些孢子可以通过风、水或昆虫传播，而细菌生物则可以通过伤口或自然开口进入植物。另一方面，病毒通常通过昆虫媒介或受感染的植物材料传播。当病原体进入植物时，它会繁殖并传播，导致疾病发展。已知由病原体引发的植物疾病具有巨大的经济和环境影响，会降低作物产量和质量。下面列出了一些植物病原体：
脑肿瘤检测的机器学习方法
摘要 人类神经系统的主要器官是位于头部并被头骨覆盖的大脑。人脑的功能是控制人体的各个部位。它是一种可以协调其他器官并为它们分配职责的附属物。图 1.1 显示了人脑的一般部分，而人脑的主要部分是脑干和大脑。大脑是大脑的最大部分。大脑可以负责情绪。大脑有两个半球，控制身体的另一侧。每个半球都包含四个脑叶。小脑占据小脑旁边的主要部分。近年来，脑肿瘤检测和分割引起了研究领域的兴趣。由于人体体格具有自然的解剖结构，因此识别和分割脑肿瘤的过程是一项非常繁琐且耗时的任务。该项目的主要目标是检测脑肿瘤，本研究提出了一种使用卷积神经网络对脑肿瘤进行分割和识别的计算机化方法。使用文件路径从本地设备读取输入的 MRI 图像并将其转换为灰度图像。使用自适应双边滤波技术对这些图像进行预处理，以消除原始图像中的噪声。对去噪图像应用二值阈值，并应用卷积神经网络分割，这有助于找出 MRI 图像中的肿瘤区域。所提出的模型获得了 84% 的准确率，并产生了令人满意的结果，没有任何错误，而且计算时间要少得多。
心血管疾病的机器学习方法...
Sharmila Rathod 1、Simra Bhombal 2、Vallirani Ravulapati 3、Siddhesh S. Ghadi 4、Sakshi Jangir 5 1 教授，计算机工程，MCT 拉吉夫甘地理工学院，孟买大学 2,3,4,5 学生，计算机工程，MCT 拉吉夫甘地理工学院，孟买大学 摘要 - 本文献调查研究了机器学习 (ML) 技术在基于心电图 (ECG) 的生物特征认证和心血管疾病 (CVD) 预测中的整合。主要研究强调了各种 ML 框架，以应对不同应用场景（包括安全检查、医院和可穿戴设备）中的数据集质量、可解释性和模型准确性等挑战。显著的贡献包括先进的数据处理技术、创新的分类模型（如决策树、支持向量机 (SVM) 和深度学习架构），它们已证明具有很高的预测准确性和可靠性。研究结果强调了预处理方法和特征选择在提高模型性能方面的重要性。此外，该调查强调了结合多模态生物信号来改善中风预后预测的潜力，为实时健康监测解决方案铺平了道路。总体而言，这篇评论为寻求在生物识别系统和心血管医疗保健中利用机器学习的研究人员和从业者提供了全面的资源。
心脏病预测的机器学习方法
尽管在管理状况方面取得了进步，但心脏病仍然是全球范围内的重大公共卫生负担。鉴于这种情况，早期预测和干预至关重要。鉴于可用的复杂医疗数据，从业人员现在在ML（机器学习）的高级选择的帮助下对心脏病的预测进行了不同。本文提供了有关用于诊断心脏病的不同ML技术的调查，涵盖了新方法，绩效评估指标和心脏病预测中使用的挑战。本文使用超过三十个期刊论文来调查从传统算法到深度学习（DL）方法的不同ML模型。他们还讨论了预测准确性，解释性挑战以及多模式数据的使用的改进。本文以一系列未来的研究建议和对心脏病的基于ML的预测模型中可能改善的探索结束。关键字：机器学习；深度学习；预测准确性
大脑的数据驱动机器学习方法 -
替代损失肢体的假肢设备近年来已经越来越表现。软件和硬件的最新进展允许解码脑电图（EEG）信号，以改善使用脑部计算机接口（BCI）对活动假体的控制。大多数BCI研究都集中在上半身上。尽管BCI对下肢的研究近年来有所增加，但我们对下肢运动相关的神经模式的了解仍然存在差距。因此，这项研究的主要目的是显示解码从EEG数据记录中解码下肢运动的可行性。第二个目的是研究截肢患者中众所周知的神经塑性适应对解码性能的影响。为了解决这个问题，我们从多个具有下肢截肢和匹配的健美对照组的个体中收集了数据。使用这些数据，我们训练和评估了已经证明对上肢BCI有效的常见BCI方法。两组的平均测试解码精度为84％，我们的结果表明，可以使用EEG数据良好的准确性来区分不同的下肢运动。在健康受试者和下肢截肢的受试者之间这些运动的解码性能中没有显着的差异（p = 0.99）。这些结果表明，使用BCI进行下肢假体控制的可行性，并表明解码性能不受两组之间神经可塑性诱导的差异的影响。
一种自我监督的学习方法
Montréal, QC, Canada 2 Mila – Quebec AI Institute, Montréal, QC, Canada * Corresponding author: guillaume.dumas@ppsp.team Abstract: This study introduces a self-supervised learning (SSL) approach to hyperscanning electroencephalography (EEG) data, targeting the identification of autism spectrum condition (ASC) during social interactions.Hyperscanning可以同时记录相互作用的个体的神经活动，为研究ASC中的大脑对脑之间的同步提供了新的途径。利用一个大规模的单脑力EEG数据集进行SSL预处理，我们开发了一个多脑分类模型，并通过涉及ASC和神经型参与者的二元相互作用的超扫描数据进行了微调。与使用光谱EEG生物标志物相比，SSL模型表现出优异的性能（精度为78.13％）。这些结果强调了SSL在应对有限标记数据的挑战，增强基于EEG的ASC诊断工具以及推进社会神经科学研究的挑战方面的功效。关键字：自闭症，超级扫描，脑电图，自我监督学习，脑之间同步，精神病学
软件工程中的机器学习方法
I.引言热视角包括人工智能（AI），机器学习（ML），数据挖掘和大数据分析。这些领域对于科学交流至关重要。象征着它们对现代文化的影响。机器学习开发了通过经验改进的程序。机器学习算法运行良好。它在许多领域都有用。机器学习领域已提高。用于软件工程中的特征提取和测试。软件开发人员可以更好地了解机器学习方法，并通过评估假设和保证来帮助用户选择和执行最佳方法。未来的软件工程（SE）方法和技术将需要更多的自动化以适应不断变化的软件开发方法。该系统是轻巧，适应性和可扩展性的，可以满足开发人员不断上升的需求并提高生产率。用户的文本增加了对机器学习（ML）应用程序的依赖，需要高级工程技术，以创建一个可以适应未来需求的强，弹性的系统。日益增长的依赖强调了对高级和有组织的工程程序的需求。
多代理相关的Q学习方法
摘要 - 预计在未来的智能电网中将是重要的参与者。对于MGS的正确运行，能源管理系统（EMS）至关重要。MG的EMS可能会变得相当复杂。此外，这些系统可能属于不同的实体，它们之间可能存在竞争。NASH平衡最常用于此类实体的协调，但是不能总是保证NASH平衡的收敛性和存在。为此，我们使用相关的平衡来坐标剂，可以保证其收敛性。在本文中，我们建立了一个基于中市场率的能源交易模型，并提出了相关的Q学习（CEQ）算法，以最大程度地提高每个代理的收入。我们的结果表明，CEQ能够平衡代理商的收入而不会损害总收益。此外，与无关的Q学习相比，CEQ可以节省DSM代理的19.3％的成本，而对于ESS代理来说，CEQ可以节省44.2％的好处。索引条款 - 能源管理，能源交易，相关Q学习，微电网，智能电网。