XiaoMi-AI文件搜索系统
World File Search System预测方法
基于机器学习的激光故障模式检测
1. 引言 传统上，激光器广泛用于天文学、通信、计量和医学检查等各个工业领域。自诞生以来，激光器在光输出功率和波长调谐范围等方面不断发展，可用于各种有着严格工程要求的应用。因此，激光器可靠性的量化已成为一个更具挑战性的问题 [1]。为了应对这一挑战，人们开发了不同的可靠性建模和预测方法，包括基于历史故障数据统计分析的经验方法，如 Telcordia SR- 322[2]，以及物理故障模型。与基于标准的预测方法相比，物理模型可以纳入设计、制造和操作对可靠性的明确影响 [3]。虽然精度有所提高，但仍存在成本和故障建模复杂性等挑战，同时需要详细的制造信息和知识渊博的专家团队。
用于预测 UMLS 语义组分配的两种互补 AI 方法：启发式推理和深度学习
材料和方法：我们使用了来自 2020AA–2022AB UMLS Metathesaurus 连续版本的训练测试数据集。我们的启发式“瀑布”方法采用了 7 种不同的 SG 预测方法。不符合方法的原子被传递给下一种方法。DL 方法为原子名称生成 BioWordVec 和 SapBERT 嵌入，为源词汇表名称生成 BioWordVec 嵌入，为原子源层次结构中倒数第二节点的原子名称生成 BioWordVec 嵌入。我们将 4 个嵌入的连接输入到完全连接的多层神经网络中，该网络的输出层有 15 个节点（每个 SG 一个）。对于这两种方法，我们都开发了方法来估计它们预测的原子 SG 正确的概率。基于这些估计，我们开发了 2 种混合 SG 预测方法，结合了启发式方法和 DL 方法的优势。
使用人工智能进行出口销售预测
销售预测在生产和供应链管理中非常重要。它影响企业的规划、战略、营销、物流、仓储和资源管理。虽然传统的时间序列预测方法在研究和实践中占主导地位，但它们有几个局限性。因果预测方法能够根据变量之间的关系而不仅仅是过去的行为和趋势来预测未来的销售行为。本研究提出了一个使用遗传编程对出口销售进行建模和预测的框架，遗传编程是一种源自生物进化模型的人工智能技术。通过分析一家出口公司的实证案例，提出了一种出口销售预测模型。此外，还进行了为期六周的销售预测，并将其输出与实际销售数据进行比较。最后，对因果预测模型进行了变量敏感性分析。
评估质子直接电离，用于在空间应用中使用的深sumbicron SRAM的辐射硬度保证
摘要 - 来自低能质子的普罗顿直接电离（PDI）已被证明对预测方法的准确性有显着影响，用于计算用于最先进的深subsicron技术的空间应用中存储器设备的不满率（URS）。如今的一般方法是考虑一个安全余量，以适用于从高能质子和重离子实验数据中计算出的UR。此处报告的数据对此方法提出了挑战。使用不同的预测方法并进行了比较，以确定PDI对总UR的影响。不管采用的方法如何，发现PDI对于一般的空间轨道选择，PDI平均可以贡献总ur的90％，峰值高达99％。这样的结果表明，基于质子谱的低能部分表征的方法，对于类似技术而言，与一般安全余量的应用相比，一种方法更方便。基于此处提供的数据，在某些情况下大量超过了先前提出的5个边缘。
释放癌症中激酶靶点的潜力：来自 CancerOmicsNet 的见解，这是一种 AI 驱动的癌症药物反应预测方法
1 路易斯安那州立大学生物科学系，路易斯安那州巴吞鲁日 70803，美国；msing21@lsu.edu (MS)；gsriva2@lsu.edu (GS)；xni2@lsu.edu (XN) 2 路易斯安那州立大学计算与技术中心，路易斯安那州巴吞鲁日 70803，美国；lpu1@lsu.edu (LP)；eejaga@lsu.edu (JR) 3 路易斯安那州立大学兽医学院病理生物学系，路易斯安那州巴吞鲁日 70803，美国；bstanf5@lsu.edu (BAS)；iuche@lsuhsc.edu (IKU)；pjfrider@gmail.com (PJFR)； vtgusk@lsu.edu (KGK) 4 路易斯安那州立大学兽医学院病理生物学系生物技术与分子医学系，美国路易斯安那州巴吞鲁日 70803 5 路易斯安那州立大学健康科学中心医学院，美国路易斯安那州新奥尔良 70112 6 路易斯安那州立大学电气与计算机工程系，美国路易斯安那州巴吞鲁日 70803 * 通信地址：michal@brylinski.org；电话：+225-578-2791；传真：+225-578-2597 † 这些作者对这项工作做出了同等贡献。
储层计算-快速准确软测量建模的时间序列预测方法，三菱重工技术评论第61卷第1期（2024年）
在化学工厂和工业工厂中，“软传感器”是一种用于估算无法直接测量的状态量的技术。它们在控制和监控等方面的应用正在不断进步。深度学习技术的最新发展令人瞩目。虽然它们在软传感器中的应用可以实现高精度估算，但问题在于需要更长的训练时间。为了解决这个问题，我们使用“储层计算”构建了一个软传感器，它可以在极短的时间内完成训练，同时保持较高的估算精度。本报告以预测烟气脱硫设备中碳酸钙浓度的案例研究为例，概述了储层计算及其应用。
投资策略简报 | 2025 年 1 月 4 日
2 资料来源：花旗财富战略资产配置和量化研究团队。2025 年战略回报估计 (SRE)（基于截至 2024 年 10 月的数据），2024 年中期战略回报估计（基于截至 2024 年 4 月的数据）。战略回报估计每年计算一次，并可定期重新评估。回报以美元估算。所有估计均为意见表达，如有更改，恕不另行通知，并不旨在保证未来事件。战略回报估计并不能保证未来的表现。极端下行风险 (EDR) 计算特定配置在十年内连续十二个月内可能遭受的最严重潜在损失。过去的表现并不能保证未来的回报。基于指数的战略回报估计是花旗财富对特定资产类别（指数所属）在 10 年时间范围内回报的预测。指数用于替代每个资产类别。每种特定资产类别的预测均采用适合该资产类别的专有方法。股票资产类别采用专有预测方法，该方法基于股票估值会随着时间的推移恢复到其长期趋势的假设。该方法围绕需要多个计算阶段的特定估值指标构建。此外，还应用了对预计收益和股息增长的假设来计算股票资产类别的 SRE。固定收益资产类别预测使用基于当前收益率水平的专有预测方法。其他资产类别采用其他特定预测方法。
基于自适应案例推理的航母编队POL...
_______________________________________________________________________________________________ 摘要 在对航母编队作战科目演习数据进行采集和统计的基础上，引入案例推理技术，通过服役频次自适应计算赋予特征属性权重，形成一种基于自适应案例推理的油料消耗智能预测方法。
销售预测中的定量方法：利润...
摘要：计划是MSME的连续性和发展的关键要素。通过有效的计划，MSME可以设定明确的目标，以便可以最佳地使用现有资源。对MSME至关重要的一种计划形式是准备销售预算。销售预算是准备其他预算的基础，需要一种适当的预测方法。可以使用定量方法（例如最小二乘方法，力矩方法和二次方法）进行此预测过程，然后计算预测的标准误差。这项研究在Padalarang中使用了一个MSME，即信用和数据配额购买房屋。本研究旨在计算估计的销售目标，以减少由于未售出的库存而造成的损失风险，并优化MSME利润。所使用的研究方法是描述性定量的，通过观察，文档和访谈收集数据。这项研究的结果表明，该MSME的最合适的预测方法是二次方法，因为它与其他方法相比具有最小的SKP值。