XiaoMi-AI文件搜索系统
World File Search System绝对误差
AWES - 立方体卫星解决方案
在美国内布拉斯加州，立方体卫星被用于测量地面水的蒸发量，分辨率达到 3 米。立方体卫星产生的数据与地面气象塔的地面数据进行了比较。尽管这些地面塔也可以成为测量水蒸发量并利用数据预测和检测干旱的解决方案，但使用立方体卫星更为可行。农民维护地面设备并不断检查的成本将高于使用立方体卫星。这些立方体卫星还显示出与地面数据（来自地面仪器）的高度相关性。下面的数据显示了内布拉斯加州三个不同田地的每日蒸发率，以及卫星数据和地面塔数据（红线和蓝线）的相关性。如果将地面塔数据视为可接受值，则卫星数据的 r^2 为 0.86–0.89，平均绝对误差在 0.06 至 0.08 毫米/小时之间。 （Aragon 等人，2021 年），从而展示了如何使用立方体卫星数据来取代这些传统的气象塔。：
SPIE 会议纪要
高光谱成像 (HSI) 可获取多达数百个波段，已被提议作为一种超越 RGB 成像的数字化组织学成像方式，以提供更多定量信息来协助病理学家检测样本中的疾病。虽然数字化 RGB 组织学相当标准化且易于获取，但与 RGB 相比，组织学 HSI 通常需要定制设备和更长的成像时间。在这项工作中，我们提供了相应的乳腺癌 RGB 数字化组织学和组织学 HSI 数据集，并开发了一个条件生成对抗网络 (GAN)，从正常细胞和癌细胞的标准 RGB 图像中人工合成 HSI。GAN 合成的 HSI 的结果很有希望，显示结构相似性 (SSIM) 约为 80%，平均绝对误差 (MAE) 为 6% 到 11%。需要进一步研究以确定在更大的数据集上从 RGB 图像生成 HSI 的能力。
基于脑电信号预测飞行员反应时间
本研究的主要假设是，可以根据事件发生前记录的大脑活动预测对意外事件的反应延迟时间。这种心理活动可以用脑电图数据来表示。为了验证这一假设，我们进行了一项新实验，涉及 19 名参与者，他们参加了长达 2 小时的模拟飞机飞行。提出了一种 EEG 信号处理流程，包括信号预处理、提取带通特征和使用回归预测反应时间。本研究中使用的预测算法是最小绝对收缩算子及其最小角度回归修改，以及核岭和径向基支持向量机回归。在 19 名受试者中获得的平均绝对误差为 114 毫秒。本研究首次证明可以根据 EEG 数据预测反应时间。所提出的解决方案可以作为未来可以提高空中交通安全性的系统的基础。
使用机器学习算法优化促进风速预测
4印度尼西亚能源和矿产资源部 *通信：amin010@brin.go.id（aminuddin），nurr010@brin.go.id（Nurry widya hesty）（2023年3月16日收到：修订于12月28日，2023年12月28日：2023年12月28日：2024年1月12日接受的摘要和稳定的限制性限制，并确定了限制性的操作。电力系统。这项研究审议了十个机器学习（ML）模型的超参数微调，以通过评估根平方误差（RMSE），平均绝对误差（MAE），相关性和运行时获得最佳的短期风速预测模型。随机森林（RF）和梯度增强的树（GBT）的总体表现最好。但是，RF的训练时间比GBT更长。本文的发现可以帮助研究人员和从业人员开发最有效的数据驱动方法，以进行风速和功率生成的预测。关键字：数据挖掘；超级参数； Rapidminer；深度学习；安可再生能源
基于虚拟计算机断层扫描系统
摘要。本文介绍了一种估算从重建的CT图像本身的诊断能量范围内计算机断层扫描（CT）的X射线能谱的方法。为此，开发了一个虚拟CT系统，并生成了由相应能量光谱标记的γ幻影的CT图像。使用这些数据集，对人工神经网络（ANN）模型进行了训练，从而从伽马克式插入物中的CT值重现了能量谱。在实际应用中，在虚拟CT系统中使用了基于铝的弓形滤波器，并且还开发了带有弓箭滤波器的ANN模型。没有/带有弓形滤波器的ANN模型都可以估计协议中的X射线频谱，该X射线频谱被定义为减去绝对误差，平均超过80％。 协议随着管电压的增加而增加。 当CT图像上的噪声量相当大时，估计偶尔会不准确。 的图像质量具有超过10的信号噪声比，对于γ幻影的基本材料，需要准确预测光谱。 基于从Acivion16（日本佳能医疗系统）获得的实验数据，带有弓形滤波器的ANN模型通过同时优化弓箭滤网的形状，从而产生了合理的能量谱。没有/带有弓形滤波器的ANN模型都可以估计协议中的X射线频谱，该X射线频谱被定义为减去绝对误差，平均超过80％。协议随着管电压的增加而增加。当CT图像上的噪声量相当大时，估计偶尔会不准确。的图像质量具有超过10的信号噪声比，对于γ幻影的基本材料，需要准确预测光谱。基于从Acivion16（日本佳能医疗系统）获得的实验数据，带有弓形滤波器的ANN模型通过同时优化弓箭滤网的形状，从而产生了合理的能量谱。目前的方法仅需要用于伽马克式幻影的CT图像，并且没有特殊的设置，因此预计它将很容易应用于临床应用中，例如梁硬化减少，CT剂量管理和材料分解，所有这些都需要有关X射线能量频谱的精确信息。
MRI 或 18F-FDG PET 用于脑年龄差距评估
大脑年龄与实际年龄的偏差，即所谓的大脑年龄差距 (BAG)，与阿尔茨海默病 (AD) 等神经退行性疾病有关。在这里，我们比较了 MRI 衍生的（萎缩）或 18 F-FDG PET 衍生的（大脑代谢）BAG 与认知正常个体 (CN) 和主观认知衰退 (SCD) 或轻度认知障碍 (MCI) 个体的认知表现、神经病理学负担和疾病进展之间的关联。方法：训练机器学习管道从阿尔茨海默病神经影像学计划的 185 张匹配的 T1 加权 MRI 或 18 F-FDG PET CN 扫描中估计大脑年龄，并在来自影像开放获取和德国神经退行性疾病中心 - 纵向认知障碍和痴呆研究的外部测试集中进行验证。 BAG 与 CN、SCD 受试者和 MCI 受试者的认知能力和 AD 神经病理学指标相关。最后，比较认知稳定和衰退个体的 BAG，随后用于预测疾病进展。结果：MRI（平均绝对误差，2.49 岁）和 18 F-FDG PET（平均绝对误差，2.60 岁）均能很好地估计年龄。在 SCD 阶段，基于 MRI 的 BAG 与脑脊液中的 β-淀粉样蛋白 1-42 (A b 1-42 ) 显着相关，而 18 F-FDG PET BAG 与记忆能力相关。在 MCI 阶段，两种 BAG 均与记忆和执行功能表现以及脑脊液 A b 1-42 相关，但只有 MRI 衍生的 BAG 与磷酸化 tau 181 /A b 1-42 相关。最后，MRI 估计的 BAG 比 18 F-FDG PET 估计的 BAG 更能预测 MCI 到 AD 的进展（曲线下面积分别为 0.73 和 0.60）。结论：可以通过 MRI 或 18 F-FDG PET 可靠地估计年龄。MRI BAG 反映 SCD 和 MCI 中的 AD 认知和病理标志物，而 18 F-FDG PET BAG 主要对早期认知障碍敏感，可能构成大脑年龄相关变化的独立生物标志物。
Multi-scale Fusion Model Based on Gated Recurrent Unit ...
摘要 - 电池储能系统（BESS）的最新电荷（SOC）的准确预测对于电动汽车的安全性和寿命至关重要。为了克服多尺度特征融合和全球特征提取之间现有方法的不平衡，本文介绍了基于门控复发单元（GRU）的新型多尺度效果（MSF）模型，该模型是专门为实用BESS中复杂的多步社预测而设计的。Pearson相关分析首先是为了识别与SOC相关的参数。然后将这些参数输入到多层GRU中以进行点特征。同时，参数在输入双阶段多层GRU之前进行修补，从而使模型能够在不同的时间间隔内捕获细微的信息。最终，通过自适应重量融合和完全连接的网络，进行了多步骤的SOC预测。在数天内进行了广泛的验证，可以说明所提出的模型在实时SOC预测中达到的绝对误差小于1.5％。
基于WOA-BP算法
温度补偿是解决非分散红外CO 2气体传感器检测准确性受到温度影响的问题的主要措施。由于非分散红外CO 2气体传感器的测量精度很容易受到环境温度的影响，因此本文分析了传感器受温度影响的原因，并提出了一种整合鲸鱼算法（WOA）和BP神经网络的温度补偿方法。鲸鱼算法用于优化BP神经网络的权重和阈值，以建立非分散红外CO 2气体传感器的温度补偿模型，并将优势与传统的BP神经网络模型和粒子群群和粒子群优化（PSO）BP神经网络模型进行比较。实验结果表明，WOA-BP算法的温度补偿模型误差低于30 ppm，平均绝对误差百分比为3.86％，远比BP神经网络和PSO-BP神经网络好得多，并且有效地降低了温度对传感器准确性的影响。
Ayilara-dewale，OA；阿拉比，AA； olu ... 的乙醇提取物的抗焦虑和抗抑郁作用 伊朗患者的PON1基因表达和RS662多态性的分析 摄影测量法的计算视觉 新诊断的成年患者的自我保健做法... 2D钨氧化钨（WSE2）薄膜的制备... 228社会和行为的相关性变化... 在出售的鸡肉中鉴定弯曲杆菌污染 Mfitiryayo等人，2025年探索世代相传的效果... 农业扩展杂志 木质物种组成，结构，再生状态和碳
摘要：确定房地产价格的传统（手动）方法在某些情况下容易犯错，这些错误可能是由于分心，缺乏专心或易受房地产经纪人欺诈的脆弱性。这项工作着重于使用更多最新方法评估房地产的房屋价格预测。使用诸如房屋定价指数和随机森林机器学习技术等方法的房屋定价已被讨论，提出了一种新方法，作为使用额外树回归的模型，因为它在树木建造过程中引入了额外的随机性。Kaggle波士顿壳体数据集具有506个条目，并采用了14个功能来训练和测试开发的模型，然后通过平均绝对误差和平均平方误差来确定效率。此外，在随机森林回归模型和提出的预测模型之间进行了比较，该模型表明，新的预测模型比随机森林回归产生的性能更好。
基于机器学习的生物油产量的预测生物质的生物量的产量：插补算法的比较研究和模型基准测试
摘要非可再生化石燃料的精疲力尽提高了人们对环境问题的认识。因此，生物质能量已成为一种有希望的可再生替代方案，尤其是在通过废物生物量的热解生产生物油的背景下。不幸的是，物理学模型在建模生物油生产时会遇到困难，促使研究人员倾向于以数据为中心的方法。为了应对这个问题，本文展示了近千的综合数据集，这些数据集来自先前有关生物油生产的文献。除了收集，清洁和组织收集的数据外，我们还使用了机器学习技术来评估所得数据集，最有希望的结果产生的平均绝对误差为2.6，并且调整后的R平方在预测生物油收益率方面为0.9。据我们所知，本文提供了介绍该域中有史以来最全面的数据集。这样的详尽数据集的组装对于可持续过程工程来说至关重要，因为它可以促进精确的建模，从而更好地固定在此过程中固有的不确定性。