XiaoMi-AI文件搜索系统
World File Search System预测方法
面向海洋工程的统一疲劳寿命预测方法...
《中国科技前沿》浙江大学是中国领先的大学之一。《中国科技前沿》系列丛书由浙江大学出版社和施普林格出版社联合出版，出版的作者和编辑均为中国学者和教授，他们都是各自领域的杰出专家和学者。这套丛书将引起研究人员、讲师和研究生的兴趣。《中国科技前沿》旨在介绍中国各个研究领域最新、最前沿的理论、技术和方法。它涵盖了自然科学和技术领域的所有学科，包括但不限于计算机科学、材料科学、生命科学、工程学、环境科学、数学和物理学。
基于物理模型的电池寿命预测方法研究进展
摘要：剩余寿命预测对于电池的安全和维护具有重要意义，基于物理模型的剩余寿命预测方法适用性广、预测精度高，是下一代电池寿命预测方法的研究热点。本研究对电池寿命预测方法进行了比较分析，总结了基于物理模型的预测方法。预测方法根据其不同特点分为电化学模型、等效电路模型和经验模型。通过分析电化学过程简化的侧重点，将电化学模型分为P2D模型、SP模型和电化学融合模型。等效电路模型根据模型中电子元件的变化分为Rint模型、Thevenin模型、PNGV模型和RC模型。根据构建经验模型的数学表达形式不同，可分为指数模型、多项式模型、指数与多项式混合模型、容量衰减模型等，通过不同滤波方式的搭配，详细描述了各模型不同的效率，对比分析了各类预测方法的研究进展以及传统模型的变化与特点，并对电池寿命预测方法的未来发展进行了展望。
一瞥无模板蛋白结构预测方法的演变
使用计算方法对蛋白质结构进行了探索，已经探索了二十年来，为更加集中的研究和开发算法铺平了算法，AB Intio建模和结构重新实现协议。在基于模板的建模协议中见证了一个巨大的成功，而涉及无模板建模的策略仍然落后于较大的蛋白质（> 150 a.a.）。在Ab Initio蛋白结构预测方法中已经观察到了各种改进，最近的方法归因于深度学习方法的使用，以从其氨基酸序列中构建蛋白质骨架结构。本评论重点介绍了针对蛋白质结构进行无模板建模的主要策略，同时讨论了每种策略下的几个工具。它还将对从蛋白质的质量建模中观察到的进度进行评论，这是通过CASP平台的演变所见的。
多轴疲劳载荷下缺口部件疲劳临界点预测方法
这是以下文章的同行评审版本：Luo, P, Yao, W, Susmel, L, Li, P. 多轴疲劳载荷下缺口部件疲劳临界点的预测方法。 Fatigue Fract Eng Mater Struct. 2019; 1– 12.，最终版本已发布于 https://doi.org/10.1111/ffe.13116。本文可用于非商业用途，符合 Wiley 自存档版本使用条款和条件。
使用机器学习技术的混沌时间序列预测方法：综述
摘要：传统的混沌时间序列预测的统计、物理和相关模型存在预测精度低、计算时间长、难以确定神经网络拓扑等问题。十多年来，各种研究人员一直在研究这些问题；然而，这仍然是一个挑战。因此，本综述论文全面回顾了对各种混沌时间序列预测方法进行的重要研究，使用机器学习技术，如卷积神经网络 (CNN)、小波神经网络 (WNN)、模糊神经网络 (FNN) 和上述非线性系统中的长短期记忆 (LSTM)。本文还旨在提供个别预测方法的问题，以便更好地理解混沌时间序列预测并获得最新知识。综合综述表总结了与上述问题密切相关的工作。其中包括出版年份、研究国家、预测方法、应用、预测参数、绩效指标以及该领域收集的数据区域。广泛研究了该领域的未来改进和当前研究。此外，还密切讨论了未来可能的范围和局限性。
通过特征处理方案优化药物 - 目标亲和力预测方法
结果：在这项研究中，为了获得具有高精度和强大可解释性的模型，我们利用了各种传统和尖端的特征选择和降低维度降低技术来处理自我相关特征和相邻的相关特征。然后将这些优化的特征送入学习排名以实现有效的DTA预测。在两个常用数据集上进行的广泛实验结果表明，在各种特征优化方法中，基于回归树的特征选择方法对于构建具有良好性能和稳健性的模型是最有益的。然后，通过利用Shapley添加说明值和增量功能选择AP-PRACH，我们可以获得高质量的功能子集由前150D特征组成，而Top 20D功能对DTA预测产生了突破性的影响。总而言之，我们的研究彻底验证了DTA预测中特征优化的重要性，并作为构建高性能和高解释模型的灵感。
通过特征处理方案优化药物 - 目标亲和力预测方法
结果：在这项研究中，为了获得具有高精度和强大可解释性的模型，我们利用了各种传统和尖端的特征选择和降低维度降低技术来处理自我相关特征和相邻的相关特征。然后将这些优化的特征送入学习排名以实现有效的DTA预测。在两个常用数据集上进行的广泛实验结果表明，在各种特征优化方法中，基于回归树的特征选择方法对于构建具有良好性能和稳健性的模型是最有益的。然后，通过利用Shapley添加说明值和增量功能选择AP-PRACH，我们可以获得高质量的功能子集由前150D特征组成，而Top 20D功能对DTA预测产生了突破性的影响。总而言之，我们的研究彻底验证了DTA预测中特征优化的重要性，并作为构建高性能和高解释模型的灵感。
回顾使用机器学习技术的混沌时间序列预测方法：综述
摘要：传统的混沌时间序列预测统计、物理和相关模型存在预测精度低、计算时间长、难以确定神经网络拓扑等问题。十多年来，各种研究人员一直在研究这些问题；然而，这仍然是一个挑战。因此，本综述全面回顾了对混沌时间序列预测的各种方法进行的重要研究，使用机器学习技术，如卷积神经网络 (CNN)、小波神经网络 (WNN)、模糊神经网络 (FNN) 和上述非线性系统中的长短期记忆 (LSTM)。本文还旨在提供各个预测方法的问题，以便更好地理解混沌时间序列预测并获得最新知识。综合综述表总结了与上述问题密切相关的工作。它包括出版年份、研究国家、预测方法、应用、预测参数、绩效衡量标准和该领域收集的数据区域。广泛研究了该领域的未来改进和当前研究。此外，还密切讨论了未来可能的范围和局限性。
