XiaoMi-AI文件搜索系统
World File Search System最近邻
分布式传感器网络中的协作多模态目标分类* - 信息融合，2002 年。第五届国际会议论文集
摘要 - 本文提出了一种利用移动代理在分布式传感器网络中进行协作目标分类的新计算范式。每个传感器不再将本地分类结果发送到进行融合过程的处理中心，而是从处理中心调度移动代理，在每个传感器节点执行融合过程。使用移动代理的优点是它可以实现渐进式准确性并具有任务自适应性。为了提高分类的准确性，我们实施了行为知识空间方法进行多模态融合。我们还修改了经典的 k-最近邻方法，使其适应分布式传感器节点网络中的协作分类。本文最后给出了基于现场演示的实验结果。
分布式传感器网络中的协作多模态目标分类* - 信息融合，2002 年。第五届国际会议论文集
摘要 - 本文提出了一种利用移动代理在分布式传感器网络中进行协作目标分类的新计算范式。每个传感器不再将本地分类结果发送到进行融合过程的处理中心，而是从处理中心调度移动代理，在每个传感器节点执行融合过程。使用移动代理的优点是它可以实现渐进式准确性并具有任务自适应性。为了提高分类准确性，我们实现了多模态融合的行为知识空间方法。我们还修改了经典的k最近邻方法，使其适应分布式传感器节点网络中的协作分类。本文最后给出了基于现场演示的实验结果。
学科名称：人工智能原理
建模和搜索。问题表示方法（状态空间表示、问题分解、约束满足问题、逻辑表示），使问题可以被视为路径查找问题。路径查找问题的图形表示。AND/OR 图。搜索系统的总体方案。搜索系统的控制策略和启发式方法。启发式搜索。著名的不可撤销策略：爬山搜索、禁忌搜索、模拟退火算法。尝试性策略：回溯算法和图搜索算法（A*、B、EMA* 等）。进化算法。双人游戏。游戏的表示。获胜策略。子树评估：极小最大算法和 alpha-beta 剪枝。机器学习简介。监督学习和一些示例（k-最近邻方法、决策树、随机森林、深度学习）。无监督学习和一些示例（k-均值算法、主成分分析）。
使用机器学习技术的糖尿病预测模型（尼日利亚的一项研究）
糖尿病 (DM) 是一种代谢紊乱，当体内血糖水平过高时就会发生，从而导致体内胰岛素不足，引发无数并发症。世界卫生组织在 2021 年指出，2019 年，糖尿病是 150 万人死亡的直接原因。尽管高收入国家在糖尿病预测领域开展了一些研究，但尼日利亚等中低收入国家并没有做太多研究，而是利用了其环境特有的因素。因此，本文旨在开发一种机器学习模型，以在早期预测个人的糖尿病。该研究确定了九个糖尿病属性，并使用三种监督学习算法，即 K 最近邻 (KNN) 决策树和人工神经网络 (ANN)，从尼日利亚本地收集的数据集预测糖尿病。结果表明，ANN 的准确率最高，为 97.40%。
利用人工智能和机器学习
缩写：3TR，分类、治疗、目标和缓解项目；AD，特应性皮炎；AI，人工智能；ANN，人工神经网络；ARIA，哮喘中的 AiRway；BOPMAP，特应性皮炎和牛皮癣中的 BIOMarkers；CNN，卷积神经网络；CO，一氧化碳；DL，深度学习；EAACI，欧洲过敏和临床免疫学会；EHR，电子健康记录；HCP，医疗保健专业人员；IT，信息技术；KNN，K 最近邻；ML，机器学习；NLP，自然语言处理；OFC，口服食物挑战；PA，花生过敏；PERF，呼气峰流速；PM，颗粒物；RCT，随机对照试验；RF，随机森林；RWD，真实世界数据；RWE，真实世界证据；SVM，支持向量机；TA，雷暴引发的哮喘。
石墨烯量子点中激光诱导高次谐波产生和高阶波混频
我们展示了高阶波混频/高次谐波产生（HWM/HHG）的数值研究结果，其中考虑了石墨烯量子点（GQD）中双频圆形强激光场引起的多粒子相互作用过程。显示了这种激光场的相对相位对 GCT 中产生的高阶谐波光谱的影响。这可以控制产生的谐波的极化。 GCT 由紧密耦合的最近邻 (TN) 模型描述。扩展哈伯德近似考虑了多粒子相互作用。我们利用已经应用的方法来解决带电载流子局部表示中的量子动力学方程，并获得了 GQD 中 SVV/SHG 过程的一般公式。对所得结果的分析证实了在双频圆形激光场的某些相位下，具有锯齿状边缘的三角形和六边形GCT中SHG具有足够的效率。
使用机器学习方法预测脑卒中
印度马哈拉施特拉邦浦那工程学院摘要 - 中风是一种通过撕裂大脑血管而造成损害的疾病。当大脑中的血液和各种营养物质停止流动时，也可能发生中风。根据世界卫生组织 (WHO) 的说法，中风是世界上导致死亡和残疾的主要原因之一。大多数工作都是关于心脏病发作的预测，但很少有工作显示脑中风的风险。因此，人工智能模型被用来预测脑中风的风险。该项目旨在确定患者中风风险的熟悉程度及其决定因素。该研究考虑了许多因素，并使用逻辑回归、决策树分类、随机森林分类、KNN 和 SVM 等 ML 算法进行准确预测。索引术语 - 机器学习；逻辑回归；决策树分类；随机森林分类；k-最近邻；支持向量机。
缓慢发射的单个神经元对于无声语音的最佳解码至关重要
应用程序：包含 5、10、25 或 50 毫秒时间段内单个单元激发的 .txt 文件以表格形式导入 Matlab 工作区。25 毫秒时间段提供最佳解码精度。单击应用程序，然后单击“新会话”并选择导入的 .txt 文件，即可打开分类学习器应用程序。选择所有分类器类型并激活“训练”按钮。在众多分类器中，支持向量机（SVM，精细或粗略）和已知最近邻分类器被证明是解码这些数据的最佳选择。每个 .txt 文件（对应于一个音素或单词的产生）通常包含 500 毫秒的单个单元激发，由代表可听语音的声学通道或控制或静默语音期间的事件标记确定。100 毫秒的数据是
利用中性原子阵列进行确定性快速加扰
快速扰乱器是动态量子系统，可在随系统规模 N 呈对数增长的时间尺度上产生多体纠缠。我们提出并研究了一类确定性的快速扰乱量子电路，可在近期实验中用中性原子阵列实现。我们表明，三种实验工具——最近邻里德堡相互作用、全局单量子比特旋转和由辅助镊子阵列促进的换位操作——足以生成非局部相互作用图，这些图仅使用 O（log N）个并行最近邻门应用即可扰乱量子信息。这些工具能够以高度可控和可编程的方式直接通过实验访问快速扰乱动力学，并可利用它们来产生具有各种应用的高度纠缠态。