XiaoMi-AI文件搜索系统
World File Search System金融预测
基于深度学习方法预测抗癌药物敏感性
抗癌药物敏感性的预测是个性化医学的主要挑战。在本文中，CCLE被用作抗癌药物易感性研究的数据集，并选择了基因的数据数据和不同细胞系上的药物敏感性数据。同时，我们签署了一种称为PCA变压器（PCAT）的混合深度学习和机器学习方法，以预测抗癌药物的敏感性。首先，构建了PCA模型以在不同细胞系上提取基因表达数据中的重要变量，因此将约50,000的基因维度降低到500。然后，基于降低性降低基因表达值建立了神经网络变压器模型，以预测药物敏感性，通过均方根误差（RMSE）评估我们的模型的功能，并使用最佳的潜在变量来评估模型估计值。为了验证PCA变压器的性能，本文将变压器模型与前字典模型随机森林（RF）和支持向量回归（SVR）进行了比较。特定组合Include：PCA变压器，PCA + SVR，PCA + RF。最后，将结果与先前的研究方法（ISIR）的结果进行了比较和优化。最终预测结果表明，对于CCLE中的24种药物，该方法预测的平均RMSE为0.7564、6种药物的RMSE小于0.5（L-685458，PF2341066等）。）和18种药物小于1。预测方法的平均RMSE为0.8284（PCA + SVR），0.8757（PCA + RF）和ISIRS（0.9258），表明所提出的方法具有更强的概括能力。
LSTM 与Informer 融合预测冠层区域温度
摘 要： 针对传统温度预测方法难以充分捕捉多尺度信息，导致模型预测性能不佳等问题，该研究提出了一种基于 Informer 架构和长短时记忆网络（ long short-term memory, LSTM ）与多源数据融合的冠层区域温度预测模型。在编码层 中，采用稀疏注意力机制提取输入因子的多尺度信息及其与长时序数据之间的耦合关系；在解码层中，利用 LSTM 提取 短期时序依赖，以增强时间序列的连贯性，同时引入改进的反向残差前馈网络（ improved residual feedforward network, IRFFN ）以优化模型结构。首先采用孤立森林法对数据进行异常值清理，并进行了归一化处理；然后使用斯皮尔曼相关 系数法对冠层区域温度进行相关性分析，并选择相关程度较高的环境因子作为模型的输入特征；最终通过网格搜索法对 超参数进行优化，并通过迭代训练实现模型的最优配置。通过与其他 4 种主流算法进行对比分析，提出的 Informer- LSTM 在冠层区域温度预测方面表现出更高的精度，其平均绝对误差（ mean absolute error, MAE ）、均方根误差（ root mean square error, RMSE ）和决定系数（ R 2 ）分别达到了 0.166 、 0.224 ℃和 97.8% ，与基础模型 Informer 相比，冠层区 域温度的预测精度提高了 32.36% 。该模型在时间序列预测方面具有较高的精度，为区域气象温度的中短期精准预测提 供了一种新的技术方法。 关键词： 冠层 ； 温度 ； 非线性时间序列 ； 长短期记忆神经网络 ； Informer doi ： 10.11975/j.issn.1002-6819.202409001 中图分类号： TP18 ； S165 文献标志码： A 文章编号： 1002-6819(2025)-07-0001-11
壹账通金融科技有限公司 - :: HKEX :: HKEXnews ::
我们是中国金融服务行业的技术即服务提供商，国际业务不断拓展。我们为金融服务行业的各类参与者提供软件，并收取前期实施费用和持续的交易费用。根据 CIC 的数据，就 2020 年金融软件和服务收入而言，我们在中国上市的技术即服务提供商中排名第二，占总市场份额的 5.7%。我们为金融机构客户提供基于软件的技术解决方案，帮助他们加快数字化转型并确保其可持续性。我们相信，“技术 + 业务”模式是我们的关键竞争优势，也是我们赢得新业务和与客户互动的驱动力。通过将我们丰富的金融行业专业知识与针对行业需求量身定制的技术相结合，我们不仅提供经过验证的解决方案，还使我们的金融机构客户能够将技术应用于复杂的行业特定业务场景，从而简化客户的数字化流程。这种方法使我们的客户能够提高效率，提高服务质量，降低成本并降低风险。自我们成立以来，中国 100% 的大型和股份制银行、98% 的城市商业银行、63% 的财产保险公司和 49% 的人寿保险公司都使用过我们的至少一款产品。除了金融机构外，我们的客户还包括金融服务行业的其他服务提供商。
压电纤维复合材料智能传感器的有限元预测与器件性能研究
将 MFC 看成压电等效体，由于功能相 PZT-5H 为四方相晶体结构 P4mm 点 群，存在 32 31 24 15 11 22 11 22 44 55 13 23 32 、 、 、 、 、 d d d d s s s s s s s ，则式（ 1 ）
放疗前SII、PNI 和LDH 对放射性肺炎的预测价值
基金项目 : 江苏省 “333 高层次人才培养 ” 工程项目 [(2022) 3 - 12 - 134 号 ]; 江苏省中医药科技发展计划项目 (MS2022066); 彭城英才 - 医学重点人才项目 (XWRCHT20220056) ∗ 通信作者 ,E-mail:xiaojinwuxz@ 163. com
气候变化预测的驱动金融模型
麦肯锡 (2021)。扩大自愿碳市场规模以应对气候挑战的蓝图。摘自 https://www.mckinsey.com/capabilities/sustainability/our-insights/a- blueprint-for-scaling-voluntary-carbon-markets-to-meet-the-climate- challenge
利用人工智能的全球股票基金
Sorachi Shinkin银行注册了北海道区域金融局总监（第21号注册）Obihiro Shinkin Bank注册了北海道区域金融局的金融机构总监（注册第15号） Tohoku地区财务局的ERAL（第31号）福岛新金银行注册了金融机构的董事第234号）Kitagunma Shinkin银行注册了Kanto地区财务局总监（233号注册）Shinonome Shinkin Bank注册金融机构Kanto地区财务局局长（232）银行注册金融机构Kanto地区金融局（224号注册）萨诺·辛金银行（Sano Shinkin Bank Awasaki Shinkin银行注册了Kanto地区金融局的金融机构总监（第190号注册）○Sagami Shinkin Bank注册了Kanto地区金融局金融机构总监（注册号191）（191号） Kanto地区金融局（第162号登记）○Johoku Shinkin Bank注册金融机构Kanto地区金融局总监（第147号注册）○OME Shinkin Bank注册金融机构董事Director-General of the Kanto Regional Finance Bureau (Notification No. 256) ○ Ueda Shinkin Bank Registered financial institution Director-General of the Kanto Regional Finance Bureau (Notification No. 254) Suwa Shinkin Bank Registered financial institution Director-General of the Kanto Regional Finance Bureau (Notification No. 255) Fukui Shinkin Bank Registered financial institution Director-General of the Hokuriku Regional Finance Bureau (Notification No. 32) Shizuoka Yaizu Shinkin Bank Registered financial institution Director-General of the Tokai Regional Finance Bureau (Notification No. 38) Enshu Shinkin Bank Registered financial institution Director-General of the Tokai Regional Finance Bureau (Notification No. 28) Gifu Shinkin Bank Registered financial institution Director-General of the Tokai Regional Finance Bureau (Notification No. 35) ○ Ogaki Seino Shinkin Bank Registered financial institution Director-General of the Tokai Regional Finance Bureau (Notification No. 29) Seki Shinkin Bank Registered financial institution Director-General of the Tokai Regional Finance Bureau (Notification No. 45) Ichii Shinkin Bank Registered financial institution Director-General of the Tokai Regional Finance Bureau (Notification No. 25) Seto Shinkin Bank Registered financial institution东海财务局（注册编号 46） ○ 知多信用金库 注册金融机构 东海财务局（注册编号 48） 丰川信用金库 注册金融机构 东海财务局（注册编号 54） 西尾信用金库 注册金融机构 东海财务局（注册编号 58） ○ 蒲郡信用金库 注册金融机构 东海财务局（注册编号 32） 东春信用金库 注册金融机构 东海财务局（注册编号 52） 北濑上野信用金库 注册金融机构 东海财务局（注册编号 34） 桑名三重信用金库 注册金融机构 东海财务局（注册编号 37） 长滨信用金库 注册金融机构 近畿财务局（注册编号 69） 江东信用金库 注册金融机构 近畿财务局（注册编号 57）
过渡到量子耐计算机的加密加密：金融部门...
[1] https://www.whitehouse.gov/briefing-room/statement-releases/2022/05/04/national-security-memorandum-on-promotim-on-promotim-promotit------------------------------ https://csrc.nist.gov/news/2023/three-draft-for-for-post-post-quantum-cryptography [3] https://www.whitehouse.gov/wp-content/uploads/2023/06/m-23-18-administration-cybersecurity-priorities-for-the-the-for-the-fy-2025-budget-budget-s.pdf
使用高级机器学习算法对金融市场趋势进行预测建模
但是，随着数字时代的出现和大数据的扩散，财务分析格局已经发生了范式的转变。许多日常财务交易超出了传统分析方法的能力。这些新兴趋势加上金融工具和市场的复杂性日益增强，因此需要对高级，复杂的方法进行金融市场分析和预测。输入机器学习和数据科学，这会改变我们对金融市场预测的方式。人工智能的一个子集是在机器学习中使用算法来从中学习并根据数据做出预测或决策。For financial markets, these systems are capable of processing and analyzing larger volumes of data than humans can by identifying patterns and trends that may be invisible to the human eye Advanced machine learning algorithms such as deep learning, reinforcement learning, and neural networks have shown incredible promise in predicting financial market dynamics Deep learning, which captures neural networks many ho excel at identifying complex, nonlinear patterns in data.强化学习的重点是软件开发人员应如何采取行动来最大程度地提高某种总奖励感，这对于制定人类脑系统的神经联系及其运营动机特别有效，已经证明了他们在预测股票价格和市场动态方面的能力