XiaoMi-AI文件搜索系统
World File Search System测数据
使用机器学习技术分析不平衡的中风预测数据集
摘要摘要中风是一种以脑内血管破裂为特征的疾病，可导致脑损伤。当大脑的血液和必需营养素供应中断时，可能会出现各种症状。本研究的主要目标是使用机器学习和深度学习来预测早期发生脑中风的可能性。及时发现中风的各种警告信号可以显著降低中风的严重程度。本文对特征进行了全面的分析，以提高中风预测的有效性。从 Kaggle 网站上获取了一个可靠的中风预测数据集，以衡量所提算法的有效性。该数据集存在类别不平衡问题，这意味着负样本总数高于正样本总数。结果基于使用过采样技术创建的平衡数据集报告。这项提案的工作使用 Smote 和 Adasyn 来处理不平衡问题，以获得更好的评估指标。此外，与原始不平衡数据集和其他基准测试算法相比，使用 Adasyn 过采样利用平衡数据集的混合神经网络和随机森林 (NN-RF) 实现了 75% 的最高 F1 分数。
利用调节性监测数据，以评估冷却塔中肺炎军团菌的定量微生物风险评估
保留所有权利。未经许可就不允许重复使用。（未经同行评审证明）是作者/资助者，他已授予Medrxiv的许可证，以永久显示预印本。
利用遥测数据进行机器学习驱动的圈...
特征名称定义年度比赛发生的比赛是在比赛中发生的赛车驾驶员名称驾驶员的名字，如果汽车在给定的膝盖上贴上赛车的距离，则在比赛中坐着什么数字圈数，如果汽车在给定的圈子上脱落，如果在给定的lap中使用了赛道的赛道（在lap noutd typer the prome n of tyrea in the the的位置）是在lap lap never in lap n of lap neper的位置（lap）的位置（ （清除，VSC，危险信号等）laptime完成圈的时间
改进的低地球轨道遥测数据处理方法...
Ashley Carlton、Rachel Morgan、Whitney Lohmeyer 和 Kerri Cahoy，“遥测故障检测算法：航天器监测和空间环境传感的应用”，《航空信息系统杂志》第 15 卷，第 5 期，2018 年 5 月，第239-252 页。
低地球轨道卫星遥测数据处理的改进方法
摘要 — 卫星遥测数据通常使用预定义的遥测数据表来收集。在选择要收集的数据组后，无论卫星的运行状态如何，都会以预定的间隔重复收集所选数据包中的相同数据。但是，如果卫星运行期间出现特定错误或转换为特定状态，则必须包含与卫星状态相对应的特定数据或修改某些数据集的收集频率。鉴于低地球轨道卫星的接触时间和通信速度有限，在恶劣的通信条件下或卫星处于安全模式时，可能无法完成数据传输。因此，根据当前情况选择性地仅传输必不可少的数据的功能至关重要。本文概述了韩国开发的用于低地球轨道卫星的遥测数据处理方法，并概述了根据卫星运行状态自动调整遥测数据的机制。此外，它还介绍了根据当前条件选择性传输重要数据的各种策略。
国家癌症等待时间监测数据集指南
如果更快的诊断标准患者被接纳为同一病情的紧急情况（即与可疑癌症有关）在看到它们之前不应再对28天的FD记录。紧急录取是转介到系统中，并取代了原始推荐。然而，如果怀疑癌症，应将患者升级为62天的途径，或者团队的授权成员在紧急入院中升级，这是入院的原因，例如，患者正在等待在癌症途径上进行较低的GI调查，但在癌症途径上进行较低的GI调查，但首先可以看到肠梗阻。
MGEED：多模态真实情绪和表情检测数据库
摘要 — 近年来，多模态情绪识别引起了学术界和工业界越来越多的关注，因为它能够使用各种模态（如面部表情图像、语音和生理信号）进行情绪检测。尽管该领域的研究发展迅速，但由于难以捕捉自然和细微的面部表情信号（如眼肌电图 (OMG) 信号），创建包含面部电信息的多模态数据库仍然具有挑战性。为此，我们在本文中介绍了一个新开发的多模态真实情绪和表情检测 (MGEED) 数据库，这是第一个包含面部 OMG 信号的公开数据库。MGEED 包含 17 个受试者，拥有超过 150K 张面部图像、140K 张深度图和不同模态的生理信号，包括 OMG、脑电图 (EEG) 和心电图 (ECG) 信号。参与者的情绪由视频刺激引起，数据由多模态传感系统收集。利用收集的数据，开发了一种基于多模态信号同步、特征提取、融合和情绪预测的情绪识别方法。结果表明，通过融合视觉、EEG 和 OMG 特征可以获得优异的性能。数据库可从 https://github.com/YMPort/MGEED 获取。
2021 年反兴奋剂检测数据
报告重点 • 向 ADAMS 分析和报告的样本数量（尿液和非 ABP 血液样本）增加了 61.2%：从 2020 年的 149,758 个增加到 2021 年的 241,430 个。 • 与 2020 年相比，2021 年几乎所有 WADA 认可实验室和 WADA 批准实验室向 ADAMS 分析和报告的样本总数都有所增加。 • 分析的非 ABP 血液样本总数和百分比有所增加：从 2020 年的 7.3%（149,758 个样本中的 10,940 个）增加到 9.3%（241,430 个血液 + DBS 样本中的 22,398 个）。 • 分析的 ABP 血液样本数量增加了 36%：2020 年为 22,666 个，到 2021 年为 30,821 个。 • AAF 的总百分比下降：2020 年下降 0.67%（149,758 个样本中的 1,009 个 AAF）到 0.65%（241,430 个样本中的 1,560 个 AAF）。 • 生长激素 (GH) 的 AAF 总数增加：2020 年为 1 个，到 2021 年为 7 个，包括首次报告的 GH 生物标志物的 AAF。
2021 年反兴奋剂检测数据
报告重点 • 向 ADAMS 分析和报告的样本数量（尿液和非 ABP 血液样本）增加了 61.2%：从 2020 年的 149,758 个增加到 2021 年的 241,430 个。 • 与 2020 年相比，2021 年几乎所有 WADA 认可实验室和 WADA 批准实验室向 ADAMS 分析和报告的样本总数都有所增加。 • 分析的非 ABP 血液样本总数和百分比有所增加：从 2020 年的 7.3%（149,758 个样本中的 10,940 个）增加到 9.3%（241,430 个血液 + DBS 样本中的 22,398 个）。 • 分析的 ABP 血液样本数量增加了 36%：2020 年为 22,666 个，到 2021 年为 30,821 个。 • AAF 的总百分比下降：2020 年下降 0.67%（149,758 个样本中的 1,009 个 AAF）到 0.65%（241,430 个样本中的 1,560 个 AAF）。 • 生长激素 (GH) 的 AAF 总数增加：2020 年为 1 个，到 2021 年为 7 个，包括首次报告的 GH 生物标志物的 AAF。