XiaoMi-AI文件搜索系统
World File Search System异常
金融交易中的异常检测（...
在线欺诈是严重的犯罪，为人们和金融机构造成了巨大的财务损失。在数十亿个DOL-LARS中每年损失，发现和停止这些欺诈行动已成为一个关键问题。在识别这些动作方面以高精度率实施机器学习算法是解决此问题的有效策略。不幸的是，互联网交易欺诈是一个受欢迎且脆弱的目标。电子商务和其他在线平台的增长扩大了在线支付选择的可用性，从而增加了欺诈的危险。因此，使用机器学习技术来检测和分析在线进行交易中的欺诈行为有可能大大降低这种发展中的趋势。这项研究的目的是为欺诈检测而设计的监督机器学习模型。它根据交易类型分析了先前的交易数据，将交易分为各个类别。然后对多个分类器进行培训和评估以确保准确性，分类器的评分最高是预测欺诈的最成功方法之一。解决方案。该研究使用在线付款交易数据集解决了不平衡数据的问题，大多数交易是非伪装的。该研究通过（SMOTE）衡量数据集来解决此问题，这是合成少数民族过度采样的方法。此外，使用高参数调整来改善随机森林分类器的性能。为建立一个更平衡的数据集来培训分类器，并将其命中了少数类别的合成示例。的机器学习模型来确定欺诈性交易。进行了比较研究以评估效率并选择最佳选择。关键字：异常检测，机器学习，回归，分类，Smote。
医疗互联网中的异常检测...
物联网 (IoT) 成为医疗设备领域最新进展中最流行的术语。IoT 流程和结构中的医疗保健数据在健康和技术方面非常敏感和关键。异常值检测方法被视为任何 IoT 系统的主要工具或阶段，主要分为统计和概率、聚类和基于分类的异常值检测。最近，模糊逻辑 (FL) 系统与其他基于 ML 的工具一起用于集成和级联系统以增强异常值检测性能，但其局限性涉及异常值的错误检测。在本文中，我们提出了一个模糊逻辑系统，该系统使用局部异常值因子 (LOF)、基于连通性的异常值因子 (COF) 和广义 LOF 的每个点的异常分数来消除将点分类为异常值或正常值的混淆。关于人类活动识别 (HAR) 数据集，FL 实现了 98.2% 的值。与 LOF、COF 和 GLOF 各自的性能相比，准确率略有提高，但精确度和召回率的提高表明正确分类的数据有所增加，并且真实数据和异常数据均未被错误分类。结果表明，精确度和召回率的提高表明正确分类的数据有所增加。因此，可以确认，输入分数的模糊逻辑在减轻异常数据错误检测方面达到了预期目标。通过比较本研究中提出的模糊逻辑集合和不同类型的局部密度分数，模糊逻辑的结果提供了一种新方法来阐述或融合相同目的的不同工具以提高检测性能
骨髓增生异常综合征 (MDS)
如果您或您认识的人被诊断患有骨髓增生异常综合征，您可能会感到焦虑或不知所措。这是正常的。也许您已经开始治疗，或者您正在与您的医生和您的家人/whānau 讨论治疗方案。无论您处于什么阶段，我们希望本手册中包含的信息能够回答您的一些问题。它可能会引发其他问题，您应该与您的医疗团队讨论这些问题。
启用基于 NVH 数据的异常检测
自电动汽车和纯电动汽车 (BEV) 产量上升以来，动力总成产品总量以及变速箱和集成式 EDU（同时还包括电机、电力电子设备和机电一体化设备，如解耦装置）的变体都大幅增加（图 2）。组装后，最终测试在高度自动化的生产线终端测试台上进行，以达到 100% 的生产量。触觉进料传感器或激光测振仪在短暂且非常特定于产品的转速-扭矩组合曲线期间测量预定义参考点处的局部表面加速度。聚合的多通道原始时间数据的频率带宽在 NVH 方面相当不错（5-8 kHz），因此可以在装配线上应用行业标准方法（如基于顺序的 NVH 分析）以进行实时反应。[2]
HOX基因簇的（异常）启发式值
自1984年首次报道以来，抗型同源物（HOX）基因一直参与了一系列有趣的观察结果，尤其是由于它们在脊椎动物和节肢动物之间保守的聚类组织，这可能是一个合理地想知道这种持续性价值的起源。在本文中，我首先考虑了不同的例子，其中Hox基因簇在提供概念进步方面发挥了重要作用，从各种研究领域中取出，并且主要涉及脊椎动物胚胎。这些例子涉及我们对基因组进化的理解，重新审视了19世纪对开发与进化之间关系的观点，以及建立一个新框架，以了解发展过程中的长期和多效基因调节。i然后讨论HOX基因家族的高价值（当被认为是一种认知对象）与其聚类结构有关（及其在某些动物物种中的缺失）以及在这种特殊的遗传奇怪之处是什么，这使它们在为科学社区提供有趣的信息时如此富有。
国家血脂异常管理指南...
ACC 美国心脏病学会 ACS 急性冠状动脉综合征 AHA 美国心脏协会 ALT 丙氨酸转氨酶 Apo 载脂蛋白 APOB 载脂蛋白 B 100 分子 ASCVD 动脉粥样硬化性心血管疾病 BP 血压 CA 冠状动脉造影 CCP 锡兰内科医师学会 CT CA CT 冠状动脉造影 CABG 冠状动脉搭桥术 CAC 冠状动脉钙化积分 CAD 冠状动脉疾病 CK 肌酐激酶 CKD 慢性肾病 CRP C 反应蛋白 CVD 心血管疾病 CVA 脑血管意外 CYP 细胞色素 P450 CYP3AS 细胞色素 P450，家族 3，亚家族 A 人类基因座 DM 糖尿病 DHA 二十二碳六烯酸 DNA 脱氧核糖核酸 DVD 双血管疾病 ESC 欧洲心脏病学会 EAS 欧洲动脉粥样硬化学会 EPA 二十碳五烯酸酸 eGFR 估计肾小球滤过率 FBS 空腹血糖 FH 家族性高胆固醇血症 FCH 家族性混合性高脂血症 GI 胃肠道 HbA1C 血红蛋白 A 1 C HDL 高密度脂蛋白 HDL-C 高密度脂蛋白胆固醇 HeFH 杂合子家族性高胆固醇血症 HoFH 纯合子家族性高胆固醇血症 HIV 人类免疫缺陷病毒
自主的自动实时异常检测...
摘要 — 近期飞行器使用量的增加引发了人们对自主操作安全性和可靠性的担忧。人们越来越需要方法来监控这些飞机的状态并向安全飞行员或自动驾驶仪报告任何故障和异常以应对紧急情况。在本文中，我们提出了一种使用递归最小二乘法实时检测飞机行为异常的方法。该方法在线建模相关输入输出对之间的关系，并使用该模型检测异常。结果是一种易于部署的异常检测方法，它不假设特定的飞机模型，并且可以检测各种自主飞机中的多种类型的故障和异常。对该方法的实验表明准确率为 88 。23%，召回率为 88 。23% 和 86 。超过 22 次飞行测试的准确率为 36%。另一项贡献是为自动驾驶飞机提供了一个新的故障检测开放数据集，其中包含 22 次固定翼飞行的完整数据和地面实况，其中包括 8 种不同类型的飞行中执行器故障，以帮助未来飞机故障检测研究。