XiaoMi-AI文件搜索系统
World File Search System采样技术
fg-smote：用图神经网络迈向公平的节点分类
图形生成模型由于其在各种应用中的出色表现而越来越多。但是，随着它们的应用的上升，尤其是在高风险的决策情况下 - iOS，对他们的公平性的担忧正在加剧社区内。现有的基于图的生成模型主要集中于合成少数族裔节点，以增强节点分类性能。但是，通过忽略节点生成过程，该策略可能会加剧不同亚组之间的反映差异，从而进一步损害了模型的公平性。此外，现有的过采样方法通过从相应的子组中选择实例来生成样本，从而有可能由于其代表性不足而在这些亚组中过度贴合。此外，它们无法解释亚组之间边缘分布中固有的不平衡，因此在生成图形结构时引入结构偏见。为了应对这些挑战，本文阐明了现有的基于图的采样技术可以扩大现实世界中的偏见，并提出了一种新颖的框架，公平的图形合成少数族裔过度采样技术（FG-Smote），旨在在代表不同的子组方面取得公平的平衡。具体来说，FG-Smote首先从节点repentations中删除子组信息的可识别性。随后，通过从这些亚组中的脱敏节点表示中采样来生成模拟节点的嵌入。最后，采用公平链接预测器来生成图形结构信息。在三个真实图数据集上进行的广泛实验评估表明，FG-Sote在公平性上优于最先进的基线，同时还保持了竞争性的预测性能。
在Matahari百货商店大都市购物中
本研究旨在确定Matahari百货商店大都会购物中心的产品质量，定价策略和战略位置对购买意图的影响。这种类型的研究是定量的。这项研究的人口总计85人。使用饱和抽样技术采样技术。本研究中的样本总计85位受访者。数据收集技术通过通过Google表单分发问卷来收集。使用多个线性回归分析的假设检验。研究对象是该百货商店的消费者。这项研究的结果表明，产品质量，定价策略和战略位置的独立变量对购买意图的因变量（Y）具有重大影响。
使用Python -ijrpr
该项目着重于使用Python设计强大的信用卡欺诈检测系统，利用其丰富的数据科学库和框架生态系统。主要的挑战在于解决欺诈数据集固有的极端类不平衡，在该数据集中，合法交易大大超过了欺诈行为（通常不到总数据的1％）。这种不平衡会偏向模型的性能，从而导致较高的假阴性率和传统准确度指标无效。为了克服这一点，探索了诸如综合少数群体过采样技术（SMOTE），类加权和异常检测算法之类的技术，以增强对欺诈模式的模型敏感性。
心脏事务：为...启用量身定制的治疗
此信息将用于分组患者，这些患者将从特定的治疗中受益并开发出更高成功机会的新疗法。plaquetec的新型采样技术，液体活检系统TM，收集了含有斑块中斑块位置的上游和下游的含有生物分子（一种生物标志物）的血液样品，可以将其比较以识别斑块中的生物分子。这些生物分子提供了有关血管功能，炎症和冠状斑块进展的信息。这允许Plaquetec比以前更详细地绘制CAD的生物学过程。对疾病状况的更好理解可以支持治疗的发展，使临床医生能够提供更多个性化的治疗方法，以减少疾病死亡人数。
一种新型动力冲压空气翼伞制导算法...
Calise 和 Preston [1] 开发了一种近似校正制导命令以消除风的影响的方法。分析表明，风对制导回路稳定性的影响相当于在大多数飞行条件下增加制导回路增益，甚至在风速超过飞行器空速时会导致回路增益符号反转。Luders 等人 [2] 提出了一种在线稳健轨迹规划，以在风不确定的情况下执行防撞和精确着陆。显式实时风建模和分类用于预测未来的干扰，采样技术确保有效保持对可能变化的稳健性。其他大多数工作 [3-6] 寻求稳健的翼伞终端制导，以便在各种风干扰下准确和迎风着陆。
RAS-SES 598- 空间机器人和人工智能
本课程全面介绍机器人探索和人工智能驱动的测绘和采样技术，专为太空探索和地球观测而设计。学生将获得计算机视觉、同步定位和测绘 (SLAM)、多机器人协调以及使用先进人工智能工具在极端环境中操作等关键领域的专业知识。课程强调现实世界的实施，将讲座与使用移动自主系统的动手项目相结合，包括可作为数字孪生和物理存在于 DREAMS 实验室中的自主地面、空中和水上机器人。课程以小组为基础的期末项目结束，学生将设计和演示用于未来太空探索、行星科学和地球观测的端到端机器人系统。
F-1241 机器学习利用神经影像特征区分脑结核和脑肿瘤
背景：脑结核 (TB) 的表现常常与原发性和转移性脑肿瘤以及其他脑部感染性病变相似，因此很难诊断。它是造成严重后遗症和死亡的罪魁祸首，尤其是在发展中国家。需要一种快速准确的诊断方法来防止因延迟或错误诊断而导致的惨淡后果。我们的目标是开发一种分类器，利用机器学习帮助脑 MRI 上呈现的各种放射学特征将脑结核与脑肿瘤和其他感染区分开来。方法：纳入巴基斯坦卡拉奇阿迦汗大学医院的 72 例脑结核病和 146 例非结核病（包括脑膜瘤、神经胶质瘤、脑转移、真菌和细菌性脑感染），并将其分为训练数据集和测试数据集。使用相关矩阵选择特征；并包括从脑 MRI 记录的放射学特征，即环状增强、均匀增强、基底脑膜增强、脑膜增强（非基底）、均匀扩散受限、远端梗塞、脑积水、双侧多灶性病变、单侧多灶性病变和同一叶内多个病变，以及年龄和性别。在应用合成少数过采样技术 (SMOTE)、SMOTE-Tomek 链接、编辑最近邻 (ENN) SMOTE-ENN 和自适应合成 (ADASYN) 技术平衡数据集后，使用两个模型测试分类器准确性：逻辑回归和随机森林。结果：使用逻辑回归以及 SMOTE+TOMEK 获得最高精度 (90.9%)，曲线下面积为 95.4%，F1 得分为 92.8%。将 SMOTE+TOMEK 应用于 Logistic 回归模型后，准确率提高了 6.81%。结论：机器学习在临床决策支持系统中显示出良好的作用，可以快速、无创地区分脑肿瘤和感染。这些分类器可以作为临床设置中使用的移动应用程序的基础。应采用采样技术来提高分类器的性能。关键词：脑肿瘤；脑结核；神经影像学；机器学习
野生动物无线电遥测 - Eric L. Walters
本手册是《不列颠哥伦比亚省生物多样性组成部分标准》（CBCB）系列之一，该系列介绍了专门为具有类似清单要求的物种群设计的标准协议。该系列包括一本入门手册（物种清单基础，第 1 号），其中描述了 RIC 的历史和目标，并概述了根据 RIC 标准进行野生动物清单的一般过程，包括清单强度的选择、采样设计、采样技术和统计分析。《物种清单基础》手册提供了重要的背景信息，在开始 RIC 野生动物清单之前应彻底阅读。RIC 标准还适用于脊椎动物分类学（第 2 号）和动物捕获和处理（第 3 号）。参与遥测的现场人员应确保在对野生动物进行任何约束或处理之前，他们完全熟悉后者的标准。
燕子和雨燕的清查方法 - Gov.bc.ca
本手册是《不列颠哥伦比亚省生物多样性组成部分标准》（CBCB）系列之一，该系列介绍了专门为具有类似清单要求的物种群设计的标准协议。该系列包括一本入门手册（物种清单基础 1 号），其中描述了 RIC 的历史和目标，并概述了根据 RIC 标准进行野生动物清单的一般过程，包括清单强度的选择、采样设计、采样技术和统计分析。《物种清单基础》手册提供了重要的背景信息，在开始 RIC 野生动物清单之前应彻底阅读。RIC 标准还适用于脊椎动物分类学（2 号）、动物捕获和处理（3 号）和无线电遥测（5 号）。现场人员在参与涉及上述任何一项活动的清单之前应彻底熟悉这些标准。
一种新型的数据驱动物理迭代建模方法及其在量子仪器中的应用
摘要 - 这项工作是解决量子仪器的数据驱动建模问题并启用模型可以解释的。首先，提出了一种数据驱动的物理迭代（DPI）建模方法来解决具有基于现象学速率方程描述的量子系统的动态行为的复杂物理系统的建模问题。第二，提出的DPI建模方法结合了快速采样技术，该技术被泰勒平均值定理证明是可行的，以解决非自治系统的建模问题。第三，最小二乘标准和大量法则证明了所提出的方法的融合。最后，将DPI建模方法部署在光学泵送磁力计（OPM）和自旋交换宽松量表（SERFCM）中，在完成量子仪器建模的同时，估算了系统的物理参数。数值模拟和实际实验支持理论结果。