XiaoMi-AI文件搜索系统
World File Search System线性模型
开发具有多层饲料向前神经网络的混合线性模型，用于糖尿病之间的HBA1C建模
DOI: https://doi.org/10.55057/ajfas.2023.4.1.5 _____________________________________________________________________________________________ Abstract: Hemoglobin A1c (HbA1c) is the gold-standard measure for diagnosing and managing diabetes.鉴于数据驱动决策的重要性，本文旨在开发一种阐明和预测HBA1C水平的方法。我们开发了一种综合方法，用于通过R语法分析多个线性回归，嵌入多层馈电神经网络（MLFFNN）和自举。提出的方法的成功取决于预测的准确性。获得的模型的质量由获得的最小平方误差（MSE）的大小表示。本研究使用了二级糖尿病数据，总共有1000个观察结果来说明开发方法（在自举程序后获得的数据）。在进一步测试之前，对每个预选变量的临床相关性和意义进行了评估。使用MLFFNN方法（例如HBA1C，空腹血糖（FBS），尿素和血液钠水平）评估所提出的变量。发现FBS，尿素和血液钠水平均可用于验证HBA1C。fbs（= 0.45931; std se = 0.01018; p <0.01），尿素（= -0.03777; se = 0.00266; p <0.01）和血液钠水平（= -0.06685; se = 0.01112; p <0.012; p <0.01）对HBA1都产生了重大影响。我们的策略提供了准确的预测。该方法精确地评估了最终模型的有效性。出色的模型性能会导致决策中更有效的管理。Keywords : HbA1c, Linear Model, Multilayer Feed-Forward Neural Network ______________________________________________________________________________ 1.简介
http://dx.doi.org/10.18576/jsap/120224 在多重线性模型下，稳健主成分分析用于估计尼日利亚的经济增长
摘要：本研究考察了存在多重共线性和异常值的情况下经济增长 (RGDP) 与内部债务 (INDT)、外部债务 (EXDT)、利率 (RINR)、汇率 (REXR) 和贸易开放度 (OPEN) 的关系。使用了 1986 年至 2021 年从尼日利亚中央银行收集的季度数据。使用方差膨胀因子和 Grubb 检验进行的探索性数据分析和诊断揭示了所研究变量之间的线性关系，并确定了数据集中存在多重共线性和异常值。主成分分析显示 INDT 和 EXDT 分别占方差的 38.4% 和 29.2%，因此选择它们的成分 PINDT 和 PEXDT 来降低共线性。此外，稳健 M 估计方法的结果表明，PINDT、PEXDT、RINR、REXR 和 OPEN 对 RGDP 的影响为正，且对 PEXDT 和 OPEN 对 RGDP 的影响显著。具体而言，在所研究的时期内，PINDT、PEXDT、RINR、REXR 和 OPEN 分别使尼日利亚的经济增长提高了 0.10%、0.02%、0.04%、0.06% 和 3.01%。因此，将主成分与以 4.685 为转折点并以中位数为中心的加权双方 M 估计量相结合，被发现是最有效的估计技术，可联合解决两个已确定的假设违反问题。这是基于拟合模型的预测能力，该模型表明，与 S 估计量和 MM 估计量相比，M 估计量的均方根误差 (RMSE) 和平均绝对误差 (MAE) 最小。因此，可以得出结论，研究期间经历的经济挑战极大地影响了已确定的决定因素，而这些决定因素又转化为经济增长。因此，当数据集中同时存在多重共线性和异常值时，稳健主成分回归技术仍然是建模和估计线性模型参数的最佳和无偏技术。关键词：经济增长、多重共线性、异常值、主成分和稳健估计量。
住宅太阳能电池能源管理的集成非线性模型预测控制
摘要 — 在动态配电市场环境中，拥有太阳能发电和电池储能设备的住宅产消者可以通过电力交换灵活地与电网互动。提供这种双向电力调度的时间表可以方便电网运营商进行运营规划，并通过一些经济激励为产消者带来额外好处。然而，实现这种双赢局面的主要障碍是难以 1) 预测未知运行条件下电池退化的非线性行为和 2) 以计算可行的方式解决高度不确定的发电/负载模式。因此，本文为配备屋顶太阳能光伏板和家用电池的住宅产消者建立了一个强大的短期调度框架。目标是在具有规定调度规则的动态配电能源市场环境下实现最低成本运行。提出了一个一般的非线性优化问题，其中考虑了由于电力交易、电池退化和各种运行约束而导致的运营成本。使用所提出的基于集成非线性模型预测控制的经济调度策略实时解决优化问题，尽管本地数据有限，但预测中的不确定性已得到充分解决。所提出的算法的有效性已使用真实世界的产消者数据集得到验证。
开关光伏电池系统的随机非线性模型预测控制
摘要 - 预算系统在住宅家庭设置中的用户中获得了知名度。在此设置中，目前的利用能力的主要来源是增加光伏（PV）的自我效率，这高度依赖电池系统的效率。我们提出了一种基于随机动态编程（SDP）的控制方法，以提高系统效率。优化框架包括一个带有备用损失的开关系统，转换器损失的非线性建模以及家庭负载和PV生成的随机预测模型。我们在模拟典型基准案例的模拟中显示，我们的方法实际上可以减少整体系统损失和操作成本。然后，在现实世界中使用市售电池系统显示的现实情况中的适用性。
一种非线性模型预测控制策略，用于秤车的自主赛车
摘要 - 本文介绍了旨在控制用于自主赛车竞赛的小型汽车模型的非线性模型预测控制（NMPC）策略。拟议的控制策略涉及将车辆时间最小化，同时将车辆保持在轨道边界范围内。优化问题考虑了车辆的致动极限以及作用于Pacejka魔法公式和简单传动系统模型的汽车上的侧面和纵向力。此外，该方法允许在静态障碍物填充的轨道上安全地竞争，从而产生无冲突的轨迹并跟踪它们，同时增强膝盖正时性能。使用F1/10模拟器的凉亭模拟展示了拟议的控制策略的可行性和有效性。该代码作为开源释放，使得可以复制获得的结果。索引术语 - 非线性模型预测性控制，Au au sopos Racing，F1/10模拟器，自动驾驶汽车导航。
非线性模型降阶的机器学习...
首先，我要感谢我的论文指导 David Ryckelynck 以及我的导师 Fabien Casenave 和 Nissrine Akkari 为我提供了与他们一起研究本论文主题的机会，并感谢我的出色指导。这三年来，受益匪浅。您将您对研究课题的热情传递给了我，并能够指导我，同时给予我工作的自主权和自由度。我将为我们无数次的科学讨论留下美好的回忆，我非常感谢你们的支持以及你们对我的善意。本论文中提出的结果是真正团队合作的成果，我很自豪能够参与其中。如果没有你，这种经历就不一样了。还要感谢 Fabien 开发的众多编程工具，这些工具对我实现我们的想法非常有用，特别是用于非侵入式模型简化的 Python Mordicus 库。我还要感谢 Ali Ketata，我有幸在赛峰科技实习期间指导他探索新想法并探索与我的论文相关的不同途径。
电子加速度由低杂交饮用不稳定性驱动 - 延长的准线性模型
上下文。密度不均匀性在空间和天体物理等离子体中无处不在，尤其是在不同培养基之间的接触边界处。它们通常对应于在各种空间和时间尺度上表现出强大动态的区域。的确，密度不均匀性是一种可以驱动各种不稳定性的自由能来源，例如低杂交饮用的不稳定性，进而将能量通过波颗粒相互作用转移到颗粒并最终加热等离子体。目标。我们的研究旨在量化低杂交饮用不稳定的效率，以加速或热电子与环境磁场平行。方法。我们结合了两种互补方法：全运动和准线性模型。结果。我们报告了由低杂交饮用不稳定的3D-3V全动作数值模拟的发展驱动的电子加速度的自洽证据。观察到的加速度的效率无法通过标准的准线性理论来解释。因此，我们开发了一种扩展的准线性模型，能够在长时间尺度上定量预测低杂交闪光与电子之间的相互作用，现在与全动光模拟结果一致。最后，我们将此新的，扩展的准线性模型应用于特定的不均匀空间等离子体边界，即汞的磁化。此外，我们讨论了我们对电子加速度的定量预测，以支持未来的Bepicolombo观测值。
基于连续损伤力学的腐蚀疲劳寿命非线性模型
摘要。许多结构，如石油平台和风力涡轮机，都是在海洋环境中建造的。这些结构不仅要承受由风、浪和洋流引起的可变周期性载荷，还要承受腐蚀。它们的相互作用会导致腐蚀疲劳，从而缩短结构的使用寿命和完整性。研究界面临着一项挑战，即确定疲劳载荷和腐蚀的复合损伤机制，并将其与海上结构的寿命预测联系起来。本文提出了一种非线性腐蚀疲劳模型来描述基于连续损伤力学的损伤积累。疲劳耐久极限、载荷频率和腐蚀速率是影响疲劳和腐蚀相互作用的基本参数。通过对损伤的非线性积累进行积分，揭示了连续载荷效应。进行了参数研究以展示该模型的能力。初步模拟结果与腐蚀疲劳 S-N 曲线形式的实验数据高度一致。尽管如此，在较短的寿命期内仍观察到偏差，这些偏差有待进一步研究。未来将会进行参数标定以及进一步的验证实验。
