XiaoMi-AI文件搜索系统
World File Search System感知器
文章 使用机器学习算法对锂离子 NMC 电池进行充电状态 (SoC) 预测建模 Farah Apit Tantri 1、Dewanto Harj
6 文莱理工大学工程学院电气工程系，文莱达鲁萨兰国加东 *电子邮件：elhanif@staff.uns.ac.id（通讯作者）摘要。充电状态 (SoC) 估计对于锂离子电池至关重要，以防止过度充电和放电，影响电池的安全性、稳定性和效率。传统技术是估算 SoC 最常用的方法。然而，由于它们的计算敏感性和难以适应复杂环境，它们在预测 SOC 方面不太准确。本研究提出了四种机器学习模型：线性回归、多层感知器、决策树和随机森林，用于锂离子 NMC 电池的 SoC 预测。模型的性能是根据相关系数和误差值（平均绝对误差或 MAE 和均方根误差或 MRSE）进行评估的。结果显示，随机森林模型性能最佳，相关系数为1，MAE和MRSE值分别为0.2052和0.2712。相反，线性回归模型性能最差，相关系数为0.9534，MAE和MRSE值分别为5.9064和8.2602。关键词：充电状态（SoC），NMC电池，机器学习。
人工智能 - KNGAC
• 人工智能模型 • 我们试图编写能够像人类一样做智能事情的程序的目标是什么？'• 我们是否试图编写能够以与人类相同的方式执行任务的程序？或者我们是否试图编写以最简单的方式执行任务的程序？• 。AI技术是一种搜索方法。使用有关问题领域和抽象中涉及的对象的知识•允许修剪元素发生，并能够实时找到解决方案。• 示例：EPAM（基本感知器和记忆器），它记忆了垃圾音节。 • 第二类问题试图人类表现•1。测试人类表现的心理学理论。例如。PARRY [Colby, 1975]利用人类偏执行为模型来模拟偏执者的对话行为。• 2.了解计算机推理。在许多情况下，人们不愿意依赖计算机的输出，除非他们能够理解机器如何得出其结果。• 3.利用我们可以从人们那里收集到的知识。由于人们是我们正在处理的大多数任务中最知名的执行者，因此向他们寻求如何继续的线索是非常有意义的。
人机混合智能方案
摘要 — 本文研究了一种在边缘云协作框架下的视频服务增强策略，其中视频缓存和交付决策分别在云端和边缘进行。我们的目标是在统计延迟约束和边缘缓存容量约束下保证视频编码率方面的用户公平性。开发了一种混合人机智能方法来提高视频缓存的用户命中率。具体而言，首先通过合并分解机 (FM) 模型和多层感知器 (MLP) 模型来表征个人用户兴趣，其中低阶和高阶特征可以同时很好地学习。此后，构建了一个社会意识相似性模型，将个人用户兴趣转移到群体兴趣，在此基础上可以选择视频进行缓存。此外，提出了一种双二分探索方案来优化无线资源分配和视频编码率。最终通过使用真实数据集的大量实验验证了所提出的视频缓存方案和视频传输方案的有效性。
传统技术应用与 YOLOv5 模型进行计算机视觉海洋水下物体检测
摘要。本文以浮游生物为例，比较了两种在水环境中检测和识别微物体的方法的有效性，这些方法使用了神经网络和各种技术，并使用不同的编程语言开发。首先，研究并应用了传统的检测方法，该方法基于 Gabor 和多层感知器特征的提取，以 MATrixLABoratory (MATLAB) 语言实现。其次，使用 YOLOv5（“You only look once” 的缩写）作为单级神经网络，以 Python 语言实现。介绍了这些方法在浮游生物检测中的工作结果。计算准确度和完整性指标以确定两种方法中的最佳方法。使用检测方法后，获得了带有识别结果的图像，以编程方式计算的性能指标。研究了使用短视频图像进行实时识别的方法应用的有效性。最后，指出 YOLOv5 模型在检测海洋物体（尤其是浮游生物）的任务中表现出了明显优于传统方法的优势。其准确率高出 30%；物体检测的完整性提高了27％。
药物-靶标相互作用预测中的嵌入聚合策略比较
预测新型药物与生物靶标之间的相互作用是药物发现流程早期阶段的重要步骤。过去十年中，已经提出了许多深度学习方法，其中很大一部分共享相同的底层双分支架构。它们的区别仅限于使用不同类型的特征表示和分支（多层感知器、卷积神经网络、图神经网络和变压器）。相反，用于组合分支输出（嵌入）的策略基本保持不变。相同的通用架构也已广泛用于推荐系统领域，其中聚合策略的选择仍是一个悬而未决的问题。在这项工作中，我们研究了三种不同的嵌入聚合策略在药物-靶标相互作用 (DTI) 预测领域的有效性。我们正式定义了这些策略并证明了它们的通用近似器能力。然后，我们展示了在 DTI 预测领域的基准数据集上比较不同策略的实验，展示了在哪些条件下特定策略可能是显而易见的选择。
机器学习 - 二楼实验室 - DCSE
4.2.4 顺序和批量训练 82 4.2.5 局部最小值 82 4.2.6 拾取动量 84 4.2.7 小批量和随机梯度下降 85 4.2.8 其他改进 85 4.3 实践中的多层感知器 85 4.3.1 训练数据量 86 4.3.2 隐藏层的数量 86 4.3.3 何时停止学习 88 4.4 使用 MLP 的示例 89 4.4.1 回归问题 89 4.4.2 使用 MLP 进行分类 92 4.4.3 分类示例：鸢尾花数据集 93 4.4.4 时间序列预测 95 4.4.5 数据压缩：自联想网络 97 4.5 使用 MLP 的秘诀 100 4.6 推导反向传播 101 4.6.1 网络输出和误差 101 4.6.2 网络误差 102 4.6.3 激活函数的要求 103 4.6.4 误差的反向传播 104 4.6.5 输出激活函数 107 4.6.6 另一种误差函数 108 进一步阅读 108 练习题 109
使用机器学习预测网络链接上的带宽利用
摘要 - 在网络链接上预测带宽利用率对于检测拥塞以在发生之前对其进行纠正非常有用。在本文中，我们提出了一种解决方案，可以预测不同网络链接之间的带宽利用率，其精度非常高。创建了一个模拟网络，以收集与每个接口上网络链接的性能有关的数据。这些数据通过功能工程进行处理和扩展，以创建培训集。我们评估和比较了三种类型的机器学习算法，即Arima（自回归的集成移动平均线），MLP（多层感知器）和LSTM（长期短期记忆），以预测未来的带宽消耗量。LSTM的表现优于Arima和MLP，其预测非常准确，很少超过3％的误差（Arima为40％，MLP为20％）。然后，我们证明建议的解决方案可以通过由软件定义网络（SDN）平台管理的反应实时使用。索引术语 - 国王检测，LSTM，MLP，Arima，实时带宽预测
使用WEKA
摘要作者Bishal Gyawali标题糖尿病使用WEKA 2024年使用分类算法的Mellitus预测，语言英语页面43 + 6附录名称主管Rayko Toshev早期糖尿病识别是控制慢性病的至关重要的。本研究使用WEKA比较四种分类算法（多层感知，逻辑回归，随机森林和额外树木）的性能。在各种火车测试拆分上评估了精度，精度，召回和F量表。多层感知器通常超过其他人，表明其在糖尿病预测中有用。逻辑回归和随机森林都产生了令人鼓舞的结果。额外的树木经常表现不佳。这些发现强调了早期糖尿病诊断的分类算法的潜力，这可以帮助医疗保健从业人员做出更明智的决定。未来的研究可能会调查复杂的算法，结合许多数据源，并评估现实世界中的治疗影响。
手语识别方法：综述
摘要：聋哑人士的翻译一直是人们面临的一个问题，因为他们主要依靠手语进行交流。尽管多个国家为聋哑人士提供了资源，例如新西兰就有一名手语翻译和新闻传播者，但聋哑人士社区的积极参与仍处于初级阶段。绑架、欺骗、火灾等令人不安的情况或任何其他普遍痛苦的情况可能会进一步加剧这种沟通障碍，因为哑巴尽了最大努力进行交流，但大多数人仍然不了解他们的语言。因此，弥合这两个世界之间的差距是至关重要的。本文旨在让读者简要了解手语交流的工作原理，并提出在该领域进行的研究，解释如何捕捉和识别手语，并尝试提出系统化的解决方案。关键词：希尔伯特曲线、支持向量机、随机森林、人工神经网络、前馈反向传播、霍夫变换、卷积神经网络、堆叠去离子解码器、多层感知器神经网络、自适应神经网络。