XiaoMi-AI文件搜索系统
World File Search System峰度
经济分析的定量方法 - 我
模块III - 单变量分析单变量分析：频率表，数据频率多边形的表示，OGIVES和PIE图。中央趋势的度量 - 算术平均值，中值，模式，几何平均值和谐波平均值 - 。分散度的度量：分散的绝对和相对度量 - 范围，四分位数偏差，平均偏差和标准偏差，变异系数 - 洛伦兹曲线 - Gini系数 - 偏度和峰度。
经济情景生成器 (ESG) 股票程式化事实
5. 股票收益的波动性随时间而变化，但很快会恢复到正常水平。这允许在短时间内出现极端收益和极端损失（即分布具有肥尾或正峰度）。此外，熊市中股票收益的波动性更高。这增加了极端损失相对于极端收益的概率（即分布具有较长的左尾或负偏度）。
精神分裂症的GSH氧化还原周期的标记
在患有精神分裂症（SZ）的患者组中，氧化还原失调在外周液27和大脑中均已报道。已经假设这种失调，包括谷胱甘肽（GSH）周期28的改变可能会因少突胶质细胞对29个氧化应激（OXS）的易感性而导致SZ的脑白质（WM）异常。30 In this study we aim to assess the differences between 82 schizophrenia patients (PT) and 86 healthy controls (HC) 31 in GSH-redox peripheral blood markers: GSH peroxidase (GPx), reductase (GR) enzymatic activities and their ratio 32 (GPx/GR-ratio), evaluating the hypotheses that alterations in the homeostasis of the systemic GSH cycle may be 33与PT中脑WM中的病理机制相关。为此，我们采用了先进的扩散MRI 34方法：扩散峰度成像（DKI）和白质道完整性 - WATSON（WMTI-W），该方法对脱髓鞘和神经毒素的敏感性提供了35个出色的敏感性。36我们表明，女性参与者（HC和PT合并）的GPX水平较高（P = 0.00071），并随37岁衰老而降低（P = 0.026）。我们发现PT和HC在GR和平均峰度的关联中的差异（MK，38 p <0.0001）。也就是说，下MK与HC中的血液GR活性较高有关，但在PT中不相关，这表明HC中高39 GR活性（减少应力的标志）与髓磷脂完整性的变化有关。但是，GSH-REDOX 40外周血标记并不能解释PT中检测到的WM异常，或者本研究的设计如果存在，则无法检测到41个明智的现象。42 43 44简介45
使用 B 系数和 CLAHE 算法改进移植烧伤样本医学图像检索中的烧伤诊断
本研究重点关注从移植烧伤标本中进行医学图像检索时烧伤评估这一重大困难，特别是在资源受限的情况下，需要快速而准确的诊断。我们的解决方案将复杂的机器学习技术（即人工神经网络 (ANN)）与图像修复系统中的对比度限制自适应直方图均衡化 (CLAHE) 算法相结合。与查询图像 (𝐾 query = 131 . 17 ) 相比，峰度值 (𝐾 CLAHE = 144 . 83 ) 的统计评估表明，CLAHE 图像中的分布具有更明显的尾部，从而增强了特定的图像特征。此外，CLAHE 图像中偏度的增加 (𝑆 CLAHE = 5 . 92 ) 表明与查询图像 (𝑆 query = 4 . 47 ) 相比，强度水平向更高强度的转变，进一步增强了可辨别的图像特征。通过这种结合，我们可以小心地保留图片边界，增强局部对比度，并最大限度地降低噪音，从而提高烧伤诊断的准确性。统计分析（例如峰度和偏度分析）验证了可见图片方面的改进，为基本纹理属性提供了重要的见解。我们使用 Bhattacharya 系数和独特的 bin 分析提高了图片检索效率，从而显著提高了匹配图像的检索分数。ANN 成功区分了需要移植的照片和不需要移植的照片，为急性烧伤提供了快速准确的诊断。这种综合技术大大提高了烧伤诊断水平，尤其是在紧急情况下，并有望改善医疗程序。我们的研究通过结合自动评估工具、强大的图像处理方法和机器学习，有助于提高困难医疗情况下的患者护理标准。
基于深度学习的扩散 MRI 脑组织分割
从扩散磁共振成像 (dMRI) 中分割脑组织类型是一项重要任务，有助于量化脑微结构并改进纤维束成像。当前的 dMRI 分割主要基于注册到 dMRI 空间的解剖 MRI (例如 T1 和 T2 加权) 分割。然而，与解剖 MRI 相比，dMRI 中的图像失真更多且图像分辨率更低，因此这种模态间配准具有挑战性。在本研究中，我们提出了一种用于扩散 MRI 分割的深度学习方法，我们将其称为 DDSeg。我们提出的方法从来自人类连接组计划 (HCP) 的高质量图像数据中学习组织分割，其中解剖 MRI 与 dMRI 的配准更为精确。然后，该方法能够直接从新的 dMRI 数据（包括使用不同采集协议收集的数据）预测组织分割，而无需解剖数据和模态间配准。我们训练卷积神经网络 (CNN) 来学习组织分割模型，使用一种新颖的增强目标损失函数来提高组织边界区域的准确度。为了进一步提高准确度，我们的方法将表征非高斯水分子扩散的扩散峰度成像 (DKI) 参数添加到传统的扩散张量成像参数中。DKI 参数是根据最近提出的平均峰度曲线方法计算得出的，该方法可以校正不合理的 DKI 参数值并提供区分组织类型的附加特征。我们在 HCP 数据上展示了较高的组织分割准确度，并且在将 HCP 训练模型应用于来自其他采集的分辨率较低且梯度方向较少的 dMRI 数据时也表现出较高的组织分割准确度。
无监督的机器学习应用程序，以识别MOSFET晶体管电离辐射效应的噪声事件的单事件瞬变（集合）
本文介绍了K-均无监督的机器学习算法的新应用，以在电子设备的重合离子辐照实验中识别噪声中的单个事件瞬态（SET）事件的问题。我们通过分析MOSFET晶体管的几种重型离子照射产生的集合事件的实验数据集来探索K-均值算法的性能。分别使用隔离森林和随机森林算法研究了所选特征（平均偏差，偏度和峰度）的数据异常和有效性。结果表明，K均值算法具有很高的能力，可以使用前四个统计矩作为特征从噪声中识别事件，从而允许将这种方法用于现场事件检测和诊断，而无需以前的算法训练或实验数据的预先分析。
投资组合保险策略
同样，由于没有套利，对于风险资产的所有终值，两种收益都不会大于另一种。如附录 3 所示，ν T 的期望值高于 Black 和 Scholes 模型。它特别解释了为什么对于 CPPI，BS 模型的期望值高于 SV 模型（见表 1）。B. 期望值、方差、偏度和峰度的比较。处理期权时，均值-方差方法并不总是合理的，因为收益不是线性的。因此，我们同时检查前四个矩。如果我们比较前两个矩（均值-方差分析），请注意，对于 m 高，CPPI 投资组合的期望值和方差大于 OBPI 投资组合的期望值和方差，因此在均值-方差标准方面不存在优势。对于金融市场的任何参数化，至少存在一个 m 值，使得 OBPI 策略在均值-方差意义上优于 CPPI 策略。
USACI 客户手册 - 2024 年 9 月 15 日
❖ 各股票的股票方差，已标准化以便进行比较。 ❖ 每只股票的 CQNS 得分 ❖ 每只股票的成交量（% 平均值） ❖ 价格变化（% 平均值） ❖ BETA（与所用的指数 ETF 相比） ❖ 满足四阶价格分布（峰度）非正态分布阈值且每日价格方差较低或较高的股票 ❖ 满足三阶价格分布（偏度）非正态分布阈值的股票 ❖ 已支付的股息（% 平均价格） ❖ 每日收盘价的方差（值，已标准化） ❖ 预期回报率（%） ❖ BETA 值（BETA 值）为负、较高或较低的股票。 ❖ 股价发生变化的股票（平均值的 % ） ❖ 交易量激增的股票（交易量天数） ❖ 拆分的股票（拆分比率） ❖ 市值（$）* ❖ 经营现金流（$）* ❖ 长期债务（$）* ❖ 净收入（$）* ❖ 普通股（$）* ❖ 累计其他综合收入（AOCI）（$）* * 如果数据由 Intrinio 提供，则仅为 CQNS UP 运行服务提供。
对IPL中六分的统计分析（...
探索板球统计的迷人世界，发现数字中的隐藏故事，并发现导致六次激增的事件。目标： - 通过使用描述性统计，最小二乘方法和基于链的索引构建，彻底分析了IPL板球比赛中有多少六分之一，以更好地了解板球中的力量击球方式。- 更多地了解有助于击中六人的因素以及它们如何随着时间的变化。- 分析均等，中值，模式，标准偏差，偏度和峰度等措施。- 制定一个回归方程，该方程模拟一年与一年命中次数的六分之一之间的关系。- 在指定年份内跟踪和分析从一个时间段到另一个时间段击中的六人一数量的百分比变化。- 了解移动平均分析，以揭示在3,4和5年中击中六人一数的潜在趋势。