XiaoMi-AI文件搜索系统
World File Search System模型结果
悉尼的住宅搬迁景观
摘要：这项研究调查了家庭住宅搬迁时机，这对于运输和城市规划至关重要。分析澳大利亚悉尼1,024次搬迁的高维数据集，研究将十个机器学习生存技术与三种经典生存模型进行了对比。结果表明，当经典模型与基于树的自动化特征选择器配对时，它们与机器学习成果紧密相符。值得注意的是，GBM，XGBoost和随机森林模型出现了出色的表演者。这项研究提供了自动和手动特征选择之间的全面比较，阐明了影响家庭住院时间的变量。虽然利用各种模型的预测堆叠的集合建模来提高准确性，但这些改进是边际，强调固有的建模挑战，尤其是在一致性指数中错误分类的特定家庭对的反复出现的问题。彻底的特征分析重点介绍了房屋所有权作为最重要的预测指标，强调了最近的生活事件和可访问性功能在搬迁决策中的重要性。研究强调了考虑当前和未来房屋在搬迁模型中的可及性的重要性，在模型结果中具有20％的特征。在这些基本见解的基础上，该研究为对可持续城市规划中的个人决策过程提供了更深入的理解铺平了道路。关键字：住宅搬迁，机器学习，生存分析，住宅自我选择，可访问性
基于人工智能的外科手术预测模型...
腹腔镜胆囊切除术 (LC) 是切除胆囊的标准手术。虽然该手术已发展成为一种相对安全且可耐受的日间手术，但有时可能会很困难，并且可能会出现并发症。复杂的胆结石疾病，如胆囊炎或胆结石性胰腺炎，是增加 LC 技术难度的危险因素。虽然可以对手术难度进行术前预测，但围手术期发现可能会令人惊讶。使用基于 AI 的模型了解手术场景的难度对于对手术性能进行基准测试和改进手术室规划非常重要。本研究旨在开发一种深度学习 (DL) 来预测腹腔镜胆囊切除术在特定手术发现上的难度。基于 Nassar 评分使用了难度分级量表。为了训练 DL 网络，从录制的视频中提取了帧。所有帧均标记为“胆囊”难度 1-3 级和“粘连”难度 1-3 级。排除由体外图像组成或胆囊不可见的帧。总共有 26.483 帧。ResNet 用作模型的主干。调整超参数以改善模型结果。多类和二元分类网络都经过了训练。训练用于分类胆囊难度（3 级）的网络比训练用于分类粘连难度的网络表现更好（准确率 74%）。可以对胆囊炎进行分类，准确率为 91%，对简单病例进行分类，准确率为 87%。本研究结果可作为进一步研究 LC 难度分类的起点。这是提高对手术场景理解并为 LC 外科医生提供基准的第一步。
使用完整或碎片的铝热剂弹丸调整撞击碎片的分散
使用高速撞击点火测试系统研究脆性铝热剂弹丸以 850 和 1200 米/秒的速度撞击惰性钢靶时的动态响应。弹丸包括固结的铝和三氧化二铋，由推进剂驱动的枪发射到配备高速成像诊断装置的捕集室中。弹丸穿过捕集室入口处的防爆屏，在穿透防爆屏时碎裂或在撞击钢靶之前保持完整。在所有情况下，弹丸在撞击时都会粉碎，反应碎片云会扩散到捕集室中。在较低的撞击速度下，碎裂弹丸和完整弹丸产生的火焰蔓延速度相似，均为 217 – 255 米/秒。在较高的撞击速度下，完整的射弹产生最慢的平均火焰蔓延速度，为 179 米/秒，因为碎片的反弹受到射弹长度的限制，并且由此产生的碎片场在径向高度集中。相比之下，破碎的射弹反弹成分散良好的碎片云，其火焰蔓延速度最高，为 353 米/秒。提出使用动能通量阈值来描述观察到的碎片分散和火焰蔓延速度的变化。使用计算流体力学代码开发了一种基于粒子燃烧时间的反应性模型，该模型结合了多相环境中的传热和粒子燃烧，以了解粒径如何影响火焰蔓延。模型结果显示，对于较小颗粒碎片，更快的反应性和增加的阻力抑制运动之间存在权衡。
上市后试验与患者登记：晚期黑色素瘤患者与脑转移瘤的可比性 Rawa K. Ismail a,b,c，Nienke O. Sikk
上市后试验和患者登记在生成上市后数据方面各有利弊。目前尚未直接比较这些数据源对于晚期黑色素瘤患者的临床结果。我们旨在研究患者登记是否可以补充甚至取代上市后试验。使用了来自药物评估委员会的上市后单组临床试验数据和来自荷兰黑色素瘤治疗登记处的真实世界数据。研究人群包括一线接受靶向疗法（BRAF 或 BRAF-MEK 抑制剂）治疗的晚期黑色素瘤脑转移患者。使用 Cox 风险回归模型和倾向评分匹配 (PSM) 模型比较两组患者。与上市后试验中接受治疗的患者（n = 467）相比，真实世界患者（n = 602）的年龄明显更高、ECOG 体能状态更高、≥ 3 个器官受累更常见且有症状的脑转移更多。两组的乳酸脱氢酶水平相似。上市后临床试验患者的未调整中位总生存期 (mOS) 为 8.7（95% CI，8.1–10.4）个月，而现实世界患者为 7.2（95% CI，6.5–7.7）个月（P < 0.01）。使用 Cox 风险回归模型，根据预后因素调整生存期，结果显示试验患者和现实世界患者的 mOS 差异无统计学意义，分别为 8.7（95% CI，7.9–10.4）个月和 7.3（95% CI，6.3–7.9）个月。PSM 模型结果显示 310 名匹配患者生存期相似（P = 0.9）。两个数据源的临床结果相似。注册系统可以成为
核电机组灵活性：可再生能源电力系统的建模及其影响
本文确定了构成核技术灵活性和运行的底层物理机制，重点分析了核电机组的两个结构特征（即核电计划优化和最小功率变化）对简化法国电力系统模拟的影响。我们开发了一种模拟核电计划优化的方法，以反映电厂管理人员如何在高峰需求期间最大限度地提高电厂可用性。利用这种计划优化，我们计算每个电厂的最小功率水平及其随时间的变化，以评估灵活性潜力。考虑了三种核灵活性假设：一种假设机组计划被认为是恒定的，这是能源系统建模文献中的标准做法；一种假设机组计划优化且最小功率恒定；一种假设机组计划优化且物理引起的最小功率变化。敏感性分析强调了机组计划优化、最小功率变化、核电和可再生能源在容量结构中的相对份额以及模拟模型结果之间的联系。我们发现，随着核电在容量结构中的相对份额增加，核电机组的优化和相关的实际最小功率变化变得越来越重要。随着可再生能源的装机容量随着剩余需求水平的下降而增加，计划的重要性保持不变。本文重点介绍了对核电调度优化和由此产生的最小功率变化进行建模的潜在好处。这两个方面对于评估使用大量可再生能源的简化低碳电力系统中的核电灵活性特征至关重要。
QXAI：可解释的AI框架用于患者监测系统中的定量分析
摘要 - 源自人工智能技术可用于对患者的体育活动进行分类，并预测远程患者监测的生命体征。基于深度学习模型（例如深度学习模型）的非线性模型的回归分析，由于其黑盒性质而具有有限的解释性。这可能需要决策者根据非线性模型结果，尤其是在医疗保健应用中实现盲目的信仰飞跃。在非侵入性监测中，跟踪传感器的患者数据及其易感性临床属性是预测未来生命体征的输入特征。解释各种特征对监视应用程序的整体输出的贡献对于临床医生的决策至关重要。在这项研究中，提出了一个可解释的用于定量分析的AI（QXAI）框架，并通过临时模型的解释性和内在的解释性来解释和分类任务，以有监督的学习方法。这是通过利用Shapley价值观概念并将注意机制纳入深度学习模型中来实现的。我们采用了人工神经网络（ANN）和基于注意力的双向LSTM（BILSTM）模型，以根据传感器数据对心率和身体活动的分类进行预测。深度学习模型实现了最先进的预测和分类任务。在输入数据上进行了全球解释和局部解释，以了解各种患者数据的特征贡献。使用PPG-Dalia数据评估了提出的QXAI框架，以预测心率和移动健康（MHealth）数据，以根据传感器数据对体育活动进行分类。将蒙特卡洛近似应用于框架，以克服Shapley价值计算所需的时间复杂性和高计算功率要求。
使用深度学习去除脑电图中的眼部伪影
摘要 —EEG 信号是复杂的低频信号。因此，它们很容易受到外界因素的影响。EEG 伪影去除在神经科学中至关重要，因为伪影会对 EEG 分析结果产生重大影响。在这些伪影中，眼部伪影的去除最具挑战性。在本研究中，通过开发基于双向长短期记忆 (BiLSTM) 的深度学习 (DL) 模型，提出了一种新颖的眼部伪影去除方法。我们通过结合 EEGdenoiseNet 和 DEAP 数据集创建了一个基准数据集来训练和测试所提出的 DL 模型。我们还通过在不同 SNR 水平下用 EOG 污染地面真实干净的 EEG 信号来增强数据。然后使用通过小波同步压缩变换 (WSST) 获得的高度局部化时频 (TF) 系数将 BiLSTM 网络馈送到从增强信号中提取的特征。我们还将基于 WSST 的 DL 模型结果与传统 TF 分析 (TFA) 方法，即短时傅里叶变换 (STFT) 和连续小波变换 (CWT) 以及增强原始信号进行了比较。首次提出的基于 BiLSTM 的 WSST-Net 模型获得了 0.3066 的最佳平均 MSE 值。我们的结果表明，与传统 TF 和原始信号方法相比，WSST-Net 模型显著提高了伪影去除性能。此外，所提出的 EOG 去除方法表明，它优于文献中许多传统和基于 DL 的眼部伪影去除方法。索引词 —EEG、眼部伪影、深度学习、LSTM、BiLSTM、WSST、STFT、CWT。
现代机载雷达的发展与应用...
地质调查局局长和航空地球物理学领域的先驱，于 1987 年 8 月 12 日在阿拉斯加凯奇坎附近的一次直升机与飞机相撞中丧生。弗兰克出生于犹他州比克内尔。他获得了犹他大学电气工程理学学士学位 (1950) 和地球物理学理学硕士学位 (1953)。他继续在科罗拉多大学深造，获得了第二个地球物理数学理学硕士学位 (1967) 和电气工程物理学博士学位 (1973)。弗兰克在美国地质调查局的职业生涯长达 35 年，从 1952 年开始从事机载地球物理仪器、数据汇编和解释问题的工作。从 1955 年到 1962 年，他开发了各种可控和自然源电磁技术，应用于众多地质问题。1962 年，美国地质调查局购买了一架 Convair 240 飞机，Frank 参与了航空勘测地球物理仪器的开发、采购和测试。他特别感兴趣的是新的 INPUT 电磁系统和自动磁力仪系统。他积累的经验促成了现在的经典教科书“地球物理勘探中的电气方法”，该书于 1966 年与 George V. Keller 合作出版。1967 年，Frank 发表了第一条计算机生成的分层地球理论电磁测深曲线，成为大多数早期航空电磁解释方法的基础。在同一时期，弗兰克还开发了一个比例模型电磁测试设施，该设施提供了对理解现场观测和测试解释方法至关重要的数据。他的模型结果被国际公认为检查数值结果的标准。他开发了一种机载甚低频 (VLF) 接收器，其中包含一个电场参考，使其能够生成电阻率图
UVicSPACE：研究与学习资料库
加拿大北部社区的原住民正在经历气候变化带来的最严重的灾难性影响，因为北极地区的变暖速度是世界其他地区的两倍。矛盾的是，这种温度升高可以归因于北极地区几乎完全依赖的化石燃料发电。目前，柴油是大多数北极社区的主要电力来源。除了温室气体和其他空气污染物外，这种情况还暴露了燃料运输和储存过程中的石油泄漏风险。此外，随着气温升高，运输燃料成本高昂，冰路更难维护。因此，北部政府承受着燃料价格上涨和供应波动加剧的负担。为了减少对柴油的依赖，本研究建立了多目标综合能源系统，以处理为北极环境和其他偏远社区设计能源系统的复杂权衡。该工具使用遗传算法通过动态模拟同时最小化微电网系统的能源平准化成本和燃料消耗。组件子模型模拟结果通过业界和学术界认可的能源建模工具进行了验证。与之前的能源建模平台相比，所提方法的新颖之处在于考虑了相互冲突的设计目标之间的帕累托前沿权衡，从而更好地支持从业者和政策制定者。该方法的功能性通过位于西北地区最北端的萨克斯港的案例研究进行了展示。该算法选择了完全混合的风能-太阳能-电池-柴油系统，因为它在技术、经济和环境方面最适合该社区。通过对模型结果进行系统故障分析来评估结果的稳健性。总体而言，该建模框架可以帮助决策者确定能源政策的权衡，以使加拿大北极地区和其他偏远社区转向更可持续和清洁的能源。
云属性及其在低到高气候灵敏度的CMIP模型中的预计变化
摘要。自从第一个耦合模型对比项目版本6（CMIP6）模拟释放以来，讨论最多的主题之一是某些模型的有效气候灵敏度（EC）较高，与以前的CMIP相比，CMIP6中EC值的范围更高。对ECS的重要贡献是云气候反馈。尽管在过去的几十年中，气候模型一直在不断开发和改进，但云的现实代表仍然具有挑战性。云会导致建模的EC中的大型不确定性，因为云属性的预计变化和云反馈也取决于当前的模拟场。在这项研究中，我们研究了总共51 CMIP5和CMIP6模型的云物理和辐射特性的表示。ecs用作简单的指标来对模型进行分组，因为物理云对变暖的敏感性与云反馈密切相关，而云反馈又对EC有很大的贡献。在将来的情景模拟中，ECS组分析了云属性的预测变化。为了帮助解释预计的变化，还分析了历史模拟的模型结果。结果表明，净云辐射效应的差异是对三个模型组中变暖的反应的差异是由一系列云制度而不是单个区域的变化驱动的。在极地区域中，高ECS模型显示，由于变暖，云的净冷却效应的增加较弱，而不是低ECS模型。同时，高ECS模型显示出热带海洋和亚热带层流量区域的云冷却效果的下降，而低ECS模型的变化很小，甚至几乎没有变化。在南大洋上，低-ECS模型比高ECS模型对变暖的净云辐射效应具有更高的灵敏度。