機(jī)器學(xué)習(xí)
- 醫(yī)學(xué)信息管理系統(tǒng)智能化綜合數(shù)據(jù)分析功能及實(shí)現(xiàn)
合方式，結(jié)合機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)，表明該功能的應(yīng)用有望提高醫(yī)療研究決策的準(zhǔn)確性和醫(yī)學(xué)管理信息的質(zhì)量。同時，本文探討了系統(tǒng)設(shè)計和數(shù)據(jù)隱私保護(hù)方面的相關(guān)問題，并著重強(qiáng)調(diào)了智能綜合數(shù)據(jù)分析在醫(yī)學(xué)信息管理系統(tǒng)中的潛在價值，期望能為相關(guān)從業(yè)人員提供參考。關(guān)鍵詞：醫(yī)學(xué)信息管理系統(tǒng)；綜合數(shù)據(jù)分析；數(shù)據(jù)整合；機(jī)器學(xué)習(xí)引言隨著醫(yī)學(xué)信息管理系統(tǒng)的廣泛應(yīng)用，醫(yī)療領(lǐng)域產(chǎn)生了大量的數(shù)據(jù)。這些數(shù)據(jù)包括患者的醫(yī)療記錄、診斷報告、藥物信息，以及來自不同醫(yī)療機(jī)構(gòu)和設(shè)備的數(shù)據(jù)等。為更好地利
互聯(lián)網(wǎng)周刊 2024年12期2024-07-11
- 基于機(jī)器學(xué)習(xí)的鋰離子電池壽命預(yù)測算法研究
；壽命預(yù)測；機(jī)器學(xué)習(xí)中圖分類號：TM912? 文獻(xiàn)標(biāo)志碼：A0 引言隨著電動車的普及和便攜式電子設(shè)備性能的提升，加之太陽能、風(fēng)能等可再生能源在能源體系中占比的增長，鋰離子電池作為關(guān)鍵的能量存儲組件，其需求和應(yīng)用正在快速增長。電池的性能和使用壽命對這些設(shè)備的穩(wěn)定運(yùn)行至關(guān)重要。因此，研發(fā)一種精確的電池壽命預(yù)測技術(shù)顯得尤為關(guān)鍵。這樣的預(yù)測技術(shù)不僅使用戶和維護(hù)人員能夠預(yù)先安排電池的保養(yǎng)和更換，防止意外故障和安全隱患，還能提高電池的使用效率，延長使用壽命，減少資源消
無線互聯(lián)科技 2024年11期2024-07-10
- 人工智能與創(chuàng)意：機(jī)器學(xué)習(xí)在藝術(shù)設(shè)計領(lǐng)域的應(yīng)用與影響
用日益廣泛，機(jī)器學(xué)習(xí)賦能了視覺設(shè)計、交互設(shè)計和音樂創(chuàng)作等領(lǐng)域。本文探討了人工智能在藝術(shù)設(shè)計領(lǐng)域的具體應(yīng)用，分析了機(jī)器學(xué)習(xí)對創(chuàng)作效率、創(chuàng)意思維和審美標(biāo)準(zhǔn)的影響，展望了人機(jī)協(xié)作下藝術(shù)設(shè)計創(chuàng)新的未來發(fā)展趨勢。關(guān)鍵詞： 人工智能；機(jī)器學(xué)習(xí)；藝術(shù)設(shè)計；視覺設(shè)計引言科技革新始終是推動藝術(shù)發(fā)展的重要動力。在當(dāng)下，人工智能作為一門前沿技術(shù)，正為藝術(shù)設(shè)計領(lǐng)域帶來新的機(jī)遇和挑戰(zhàn)。機(jī)器學(xué)習(xí)等人工智能技術(shù)的應(yīng)用，使計算機(jī)不僅能高效處理和分析大量數(shù)據(jù)，更能從中發(fā)現(xiàn)規(guī)律、形成認(rèn)知，為
公關(guān)世界 2024年11期2024-07-10
- 基于物理信息神經(jīng)網(wǎng)絡(luò)的波動方程優(yōu)化求解方法
理神經(jīng)網(wǎng)絡(luò)；機(jī)器學(xué)習(xí)；波動方程；救援；物理學(xué)0引言在當(dāng)今社會，由于全球氣候變化、生態(tài)環(huán)境破壞以及地殼運(yùn)動活躍等因素的影響，自然災(zāi)害[1]的發(fā)生呈現(xiàn)出頻次增加、強(qiáng)度加劇的趨勢，包括地震[2]、洪水、臺風(fēng)、滑坡、森林火災(zāi)等多種災(zāi)害形式。這些災(zāi)害不僅對人民生命財產(chǎn)安全構(gòu)成嚴(yán)重威脅，而且對社會穩(wěn)定和經(jīng)濟(jì)發(fā)展也帶來了巨大挑戰(zhàn)。因此，在災(zāi)后救援工作中，如何快速、精準(zhǔn)地定位被困人員，提升傷員搜救效率，最大限度地減少因?yàn)?zāi)害造成的人員傷亡和經(jīng)濟(jì)損失，成為一個緊迫且重要的課題
電腦知識與技術(shù) 2024年15期2024-07-09
- 心血管疾病中高風(fēng)險人群頸動脈粥樣硬化的識別：基于機(jī)器學(xué)習(xí)的預(yù)測模型及驗(yàn)證
。目前，關(guān)于機(jī)器學(xué)習(xí)方法識別FRS中高風(fēng)險人群CAS的研究依然缺乏。目的 運(yùn)用機(jī)器學(xué)習(xí)方法構(gòu)建FRS中高風(fēng)險人群CAS的預(yù)測模型，比較其判別效能，篩選出性能最優(yōu)的模型，以期輔助基層醫(yī)療人員更簡便更準(zhǔn)確地識別CAS。方法 采用方便抽樣法，選取2019—2021年和2023年在廣西壯族自治區(qū)柳州市兩鄉(xiāng)鎮(zhèn)的674例當(dāng)?shù)鼐用褡鳛檠芯繉ο蟆Ｊ占嚓P(guān)信息，并采集空腹血樣、尿樣檢測生化指標(biāo)。采用FRS評估CVD發(fā)生風(fēng)險；運(yùn)用頸動脈超聲診斷CAS。將2019—2021年5
中國全科醫(yī)學(xué) 2024年30期2024-07-09
- 基于檢驗(yàn)大數(shù)據(jù)的心肌梗死預(yù)測模型研究
王瑩關(guān)鍵詞：機(jī)器學(xué)習(xí)；邏輯回歸；支持向量機(jī)；大數(shù)據(jù)；心梗心血管疾病是人類死亡的主要原因，全世界每年約有2，000萬人死于急性心血管疾病。心肌梗死（myocardialinfarction，MI）是由心肌缺血引發(fā)的心肌損傷，其高發(fā)病率給家庭和社會帶來沉重的經(jīng)濟(jì)負(fù)擔(dān)，并嚴(yán)重影響MI患者的生活質(zhì)量[1]。研究表明，MI患者的高發(fā)病率與早期缺乏有效的預(yù)防和干預(yù)措施有關(guān)。干預(yù)滯后的原因包括首次就醫(yī)治療的延遲、缺乏顯著提示意義的預(yù)測標(biāo)志物，以及傳統(tǒng)評價標(biāo)準(zhǔn)無法提供準(zhǔn)確
電腦知識與技術(shù) 2024年15期2024-07-09
- 基于機(jī)器學(xué)習(xí)模型的節(jié)理巖體UCS預(yù)測方法
度，開展基于機(jī)器學(xué)習(xí)的含單節(jié)理巖體力學(xué)性質(zhì)智慧預(yù)測方法研究。為充分論證機(jī)器學(xué)習(xí)算法在巖體性能預(yù)測方面的適用性，引入神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林、支持向量機(jī)等多種機(jī)器學(xué)習(xí)算法，并采用分布統(tǒng)計、灰色關(guān)聯(lián)分析等手段遴選關(guān)鍵控制指標(biāo)，進(jìn)一步結(jié)合k折交叉驗(yàn)證法訓(xùn)練映射網(wǎng)絡(luò)，在此基礎(chǔ)上比較了多種機(jī)器學(xué)習(xí)算法及傳統(tǒng)回歸分析模型的預(yù)測性能。研究結(jié)果表明：① 統(tǒng)計分析與灰色關(guān)聯(lián)度分析可高效篩選指標(biāo)組合；② k折交叉驗(yàn)證和多指標(biāo)評價能有效減少機(jī)器學(xué)習(xí)模型的偶然誤差；③ 整體上特征數(shù)量與
人民長江 2024年13期2024-07-06
- 基于鯨魚優(yōu)化算法支持向量回歸的汽車運(yùn)動狀態(tài)估計
動力學(xué)模型；機(jī)器學(xué)習(xí)；支持向量回歸；鯨魚優(yōu)化算法中圖分類號：U461.1DOI：10.3969/j.issn.1004132X.2024.06.003開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：Vehicle Motion State Estimation Based on WOA-SVRYOU Yong1，2? MENG Yunlong1，2? WU Jingtao1，2? WANG Changqing31.College of Mechanical Eng
中國機(jī)械工程 2024年6期2024-07-03
- 基于機(jī)器學(xué)習(xí)的油菜葉片水分含量高光譜估測
量；高光譜；機(jī)器學(xué)習(xí)doi：10.13304/j.nykjdb.2022.0977中圖分類號：S126 文獻(xiàn)標(biāo)志碼：A 文章編號：10080864（2024）05011010油菜是我國主要的經(jīng)濟(jì)作物，也是我國播種面積和產(chǎn)量最大的油料作物，發(fā)展油菜生產(chǎn)對保障中國食用油安全具有重要意義[1]。我國油菜主產(chǎn)區(qū)位于長江流域及云貴高原，這些地區(qū)降雨豐沛，但季節(jié)分布不均勻，再加上油菜生長周期長，其產(chǎn)量和品質(zhì)極易受氣候變化影響[2]。中國油菜主產(chǎn)區(qū)常常受季節(jié)性干旱危害，
中國農(nóng)業(yè)科技導(dǎo)報 2024年5期2024-07-01
- 基于機(jī)器學(xué)習(xí)的老年慢性心力衰竭病人衰弱風(fēng)險預(yù)測模型的構(gòu)建
蓉，等.基于機(jī)器學(xué)習(xí)的老年慢性心力衰竭病人衰弱風(fēng)險預(yù)測模型的構(gòu)建[J].護(hù)理研究，2024，38（12）：2103?2109.Construction of predictive model of frailty risk in elderly patients with chronic heart failure based on machine learningHAI Rui， WANG Hui， ZHANG Rong， XU Yaping， YANG
護(hù)理研究 2024年12期2024-06-30
- 基于低維二階馬爾可夫矩陣的加密流量分類方法
近年來隨著機(jī)器學(xué)習(xí)在各領(lǐng)域成功應(yīng)用，其也被應(yīng)用于加密流量分類中，但傳統(tǒng)特征提取方法可能會導(dǎo)致流量中重要信息丟失或無效信息冗余，阻礙了分類精度與效率的進(jìn)一步提升. 本文提出一種基于低維二階馬爾可夫矩陣的加密流量分類方法LDSM，用以篩選表征能力強(qiáng)的流量特征，從而優(yōu)化模型分類效果. 首先，提取加密流量中有效負(fù)載，根據(jù)其十六進(jìn)制字符空間分布構(gòu)建二階馬爾可夫矩陣；其次，通過計算狀態(tài)轉(zhuǎn)移概率矩陣中各特征的基尼增益，迭代刪除對模型訓(xùn)練貢獻(xiàn)最低的特征，取模型分類準(zhǔn)確率
四川大學(xué)學(xué)報(自然科學(xué)版) 2024年3期2024-06-29
- 瞬變電磁法在礦山巷道超前預(yù)報系統(tǒng)構(gòu)建中的應(yīng)用研究
數(shù)據(jù)。其中，機(jī)器學(xué)習(xí)算法整合深度卷積神經(jīng)網(wǎng)絡(luò)、多列神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)二值化輸出、模糊決策矩陣預(yù)警等算法，給出了覆蓋范圍較大的粗略預(yù)警結(jié)果和覆蓋范圍較小的精細(xì)預(yù)警結(jié)果。經(jīng)仿真分析，粗略預(yù)警結(jié)果和精細(xì)預(yù)警結(jié)果均表現(xiàn)出一定的數(shù)據(jù)敏感性，且精細(xì)預(yù)警可以在巷道掘進(jìn)問題巖層前24 h給出較高敏感度的預(yù)警結(jié)果。關(guān)鍵詞：瞬變電磁法；礦山巷道；超前探測；機(jī)器學(xué)習(xí)；神經(jīng)網(wǎng)絡(luò)；數(shù)據(jù)預(yù)警中圖分類號：TD263?? ???????文章編號：1001-1277（2024）06-0027-
黃金 2024年6期2024-06-28
- 梅雨降水季節(jié)預(yù)測的多方法比較
歸方法和5種機(jī)器學(xué)習(xí)方法（隨機(jī)森林、輕量級梯度提升機(jī)、自適應(yīng)提升、類別型特征提升、極端梯度提升）建立的預(yù)測模型的技巧。雖然訓(xùn)練期（1961—2000年）偏最小二乘回歸和機(jī)器學(xué)習(xí)建模擬合效果更高，但在獨(dú)立預(yù)測期（2001—2022年）上述模型的預(yù)測技巧顯著降低（相關(guān)系數(shù)均低于0.44，均方根誤差均大于0.93），出現(xiàn)了明顯的過擬合問題。本研究強(qiáng)調(diào)梅雨的短期氣候預(yù)測應(yīng)建立在物理機(jī)制基礎(chǔ)之上，而使用機(jī)器學(xué)習(xí)方法需謹(jǐn)慎。關(guān)鍵詞梅雨;季節(jié)預(yù)測;物理經(jīng)驗(yàn)預(yù)測模型;機(jī)器
大氣科學(xué)學(xué)報 2024年2期2024-06-27
- 鉆井?dāng)?shù)據(jù)分類分級管控技術(shù)研究
能分類分級的機(jī)器學(xué)習(xí)算法，為下一步全面推廣實(shí)施奠定了基礎(chǔ)。關(guān)鍵詞：分類分級；數(shù)據(jù)安全；數(shù)據(jù)管控；機(jī)器學(xué)習(xí)；數(shù)據(jù)治理中圖分類號：TP309.2 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2024）13-0135-03 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID） ：0 引言數(shù)據(jù)安全問題已經(jīng)在全世界范圍引起了各國的重視。歐盟在2020年出臺了《數(shù)據(jù)治理法案》[1]，美國國會研究服務(wù)局CRS（The Congressional Research Ser?vice）
電腦知識與技術(shù) 2024年13期2024-06-26
- 機(jī)器學(xué)習(xí)在心血管疾病中應(yīng)用的研究進(jìn)展
本高等問題。機(jī)器學(xué)習(xí)具有強(qiáng)大的分析能力，可改善此類問題，在心血管疾病臨床應(yīng)用中受到了廣泛關(guān)注。介紹了機(jī)器學(xué)習(xí)的相關(guān)概念，梳理了機(jī)器學(xué)習(xí)在心血管疾病臨床應(yīng)用的研究進(jìn)展，總結(jié)機(jī)器學(xué)習(xí)在該領(lǐng)域的不足與挑戰(zhàn)，旨在為機(jī)器學(xué)習(xí)在心血管疾病臨床應(yīng)用的進(jìn)一步研究提供參考。關(guān)鍵詞 ?心血管疾病；機(jī)器學(xué)習(xí)；臨床應(yīng)用；綜述doi： ?10.12102/j.issn.1672.1349.2024.10.015隨著人口老齡化進(jìn)程加快，受居民不良生活方式的影響，心血管疾病發(fā)病率逐年增
中西醫(yī)結(jié)合心腦血管病雜志 2024年10期2024-06-24
- 基于極端梯度提升算法的地震同相軸自動識別
相軸拾取； 機(jī)器學(xué)習(xí)； 特征拾取； 極端梯度提升算法中圖分類號：P 631.4?? 文獻(xiàn)標(biāo)志碼：A文章編號：1673-5005（2024）03-0044-13?? doi：10.3969/j.issn.1673-5005.2024.03.005Automatic detection of seismic event based on eXtreme gradient boostingHUANG Jianping1， ZHANG Ruofeng1， GAO
中國石油大學(xué)學(xué)報(自然科學(xué)版) 2024年3期2024-06-24
- 大數(shù)據(jù)背景下數(shù)據(jù)分析課程教學(xué)改革探索研究
；教學(xué)實(shí)踐；機(jī)器學(xué)習(xí)；人工智能；數(shù)據(jù)挖掘1?概述近年來，隨著人工智能及大數(shù)據(jù)的發(fā)展，各行各業(yè)都充斥著大量的數(shù)據(jù)，這些數(shù)據(jù)一般會呈現(xiàn)數(shù)據(jù)量大、數(shù)據(jù)維數(shù)大、數(shù)據(jù)變化快、隱藏價值高等特點(diǎn)，數(shù)據(jù)結(jié)構(gòu)也從起初的結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)變?yōu)榘虢Y(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，海量的數(shù)據(jù)中所蘊(yùn)含的潛在價值成為人們關(guān)注的焦點(diǎn)，許多傳統(tǒng)的數(shù)據(jù)分析與統(tǒng)計方法已無法處理當(dāng)下信息豐富的數(shù)據(jù)，因此各行各業(yè)都急需一些具有較強(qiáng)數(shù)據(jù)分析能力的人才，這也是對信息和應(yīng)用統(tǒng)計學(xué)專業(yè)的學(xué)生提出的新要求。對于信息與應(yīng)用統(tǒng)
科技風(fēng) 2024年6期2024-06-24
- 基于時間序列相似性與機(jī)器學(xué)習(xí)方法的頁巖氣井產(chǎn)量預(yù)測
序列，優(yōu)選的機(jī)器學(xué)習(xí)方法為門控神經(jīng)網(wǎng)絡(luò)和長短期記憶網(wǎng)絡(luò)。結(jié)果表明，采用機(jī)器學(xué)習(xí)方法結(jié)合頁巖氣井強(qiáng)相關(guān)性序列（日產(chǎn)氣量、套壓、油壓、日產(chǎn)水量）能有效降低預(yù)測誤差，提高頁巖氣井產(chǎn)量預(yù)測效果。關(guān)鍵詞：頁巖氣井； 機(jī)器學(xué)習(xí)； 相似性； 時間序列； 產(chǎn)量預(yù)測中圖分類號：TE 312?? 文獻(xiàn)標(biāo)志碼：A文章編號：1673-5005（2024）03-0119-08?? doi：10.3969/j.issn.1673-5005.2024.03.013Shale gas w
中國石油大學(xué)學(xué)報(自然科學(xué)版) 2024年3期2024-06-24
- 基于機(jī)器學(xué)習(xí)方法的三維氣流組織溫度場重構(gòu)
的設(shè)置下，該機(jī)器學(xué)習(xí)模型的訓(xùn)練預(yù)測能力。對比結(jié)果表明：不同學(xué)習(xí)率對于模型訓(xùn)練的結(jié)果有較大影響，應(yīng)通過預(yù)實(shí)驗(yàn)選取最佳學(xué)習(xí)率。在同等條件下，應(yīng)優(yōu)先選取較大的數(shù)據(jù)集進(jìn)行訓(xùn)練，便于提取高維物理特征。關(guān)鍵詞：云計算???機(jī)器學(xué)習(xí)???計算流動動力學(xué)???氣流組織溫度場中圖分類號：TP393隨著云計算等新型數(shù)據(jù)通信模式的快速發(fā)展，算力正在成為一種新的生產(chǎn)力，而數(shù)據(jù)中心機(jī)房作為算力的物理承載，面臨著服務(wù)器運(yùn)行時產(chǎn)生的熱負(fù)荷。當(dāng)熱負(fù)荷過大時，將無法有效發(fā)揮計算集群的性能，
科技資訊 2024年6期2024-06-19
- 投資者情緒是否會影響股票定價效率？
帖信息，利用機(jī)器學(xué)習(xí)方法分析文本情緒狀態(tài)，構(gòu)建投資者情緒指標(biāo)并分析其對股票定價效率的影響。研究表明，投資者情緒與股票定價效率之間存在顯著正相關(guān)關(guān)系，也即樂觀的投資者情緒會帶動股票定價效率的提升。這種影響效應(yīng)是通過樂觀情緒降低了信息不對稱程度，進(jìn)而提升了股價信息含量，并與定價效率的機(jī)制路徑產(chǎn)生作用。進(jìn)一步看，隨著賣空限制的降低，股票定價效率對情緒的敏感程度會增大；良好的信息環(huán)境會降低情緒對股票定價效率的影響。研究結(jié)論為從個體投資者情緒視角透視我國股票市場運(yùn)行
- 管理者長期主義如何促進(jìn)企業(yè)技術(shù)創(chuàng)新
究樣本，利用機(jī)器學(xué)習(xí)和文本分析方法構(gòu)建管理者長期主義指標(biāo)，進(jìn)而探究管理者長期主義對技術(shù)創(chuàng)新的作用機(jī)制及數(shù)字化轉(zhuǎn)型的調(diào)節(jié)效應(yīng)。結(jié)果表明：管理者長期主義對技術(shù)創(chuàng)新具有顯著促進(jìn)作用，主要通過緩解委托代理問題與提升內(nèi)部控制質(zhì)量兩條中介路徑實(shí)現(xiàn)；數(shù)字化轉(zhuǎn)型力度越大，管理者長期主義對技術(shù)創(chuàng)新的促進(jìn)作用越顯著，即數(shù)字化轉(zhuǎn)型對管理者長期主義與技術(shù)創(chuàng)新之間的關(guān)系具有正向調(diào)節(jié)效應(yīng)，且該效應(yīng)在企業(yè)給予管理層股權(quán)激勵以及外部市場競爭程度高的情境下更加顯著。關(guān)鍵詞：管理者長期主義；
科技進(jìn)步與對策 2024年11期2024-06-15
- 基于機(jī)器學(xué)習(xí)的碳基材料對水中四環(huán)素吸附預(yù)測研究
量的數(shù)據(jù)，以機(jī)器學(xué)習(xí)為方法準(zhǔn)確地預(yù)測了不同碳基材料在不同環(huán)境條件下對水中四環(huán)素的吸附量。其中梯度提升樹（CBDT）對四環(huán)素的吸附量預(yù)測效果最好（R2>0.99）。比表面積和孔容積是決定碳基材料對四環(huán)素吸附量的最主要的特征。除pH與pHpzc對吸附量的貢獻(xiàn)為負(fù)外，其余變量對吸附量均為正貢獻(xiàn)，即特征重要性越明顯時，對吸附量的提升越有利。整體而言，四環(huán)素在碳基材料上的吸附是一個物理過程，受吸附劑的物理特性和環(huán)境因素影響較大，而受碳基材料的化學(xué)特性的影響較小。關(guān)鍵
環(huán)境科學(xué)與管理 2024年2期2024-06-13
- 基于融合算法的電池?zé)崾Э仡A(yù)警方法研究
建特征方程和機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，提高故障報警準(zhǔn)確率，為新能源汽車的安全性和穩(wěn)定性提供有效保障。【關(guān)鍵詞】熱失控預(yù)警;算法;信息熵;機(jī)器學(xué)習(xí)中圖分類號：U469.72? ? 文獻(xiàn)標(biāo)識碼：A? ? 文章編號：1003-8639（ 2024 ）05-0014-04Research on Thermal Runaway Early Warning Method for Power Battery Based on Fusion Algorithm*LIU Yao
汽車電器 2024年5期2024-06-08
- 基于機(jī)器學(xué)習(xí)的橋梁檢測技術(shù)狀況評定方法
述問題，基于機(jī)器學(xué)習(xí)研究了一種新的橋梁檢測技術(shù)狀況評定方法。構(gòu)建監(jiān)測模型，利用傳感器數(shù)據(jù)和圖像數(shù)據(jù)檢測數(shù)據(jù)集，處理缺失值、異常值和重復(fù)項(xiàng)，選擇適當(dāng)?shù)?span id="g0gggggg" class="hl">機(jī)器學(xué)習(xí)模型進(jìn)行監(jiān)督學(xué)習(xí)的訓(xùn)練，對橋梁健康進(jìn)行評估，識別橋梁結(jié)構(gòu)中的損傷并定位，應(yīng)用模型進(jìn)行結(jié)構(gòu)強(qiáng)度預(yù)測。通過閾值警報系統(tǒng)和實(shí)時決策支持系統(tǒng)，實(shí)現(xiàn)對橋梁健康狀況的及時監(jiān)測和反饋。實(shí)驗(yàn)結(jié)果表明，基于機(jī)器學(xué)習(xí)的橋梁檢測技術(shù)狀況評定方法在損傷檢測、提高響應(yīng)能力和實(shí)時監(jiān)測方面具有良好效果，適用于實(shí)際工程中。關(guān)鍵詞 機(jī)器
交通科技與管理 2024年10期2024-06-04
- 基于Bagging集成學(xué)習(xí)方法的用電異常檢測方法研究
：異常檢測；機(jī)器學(xué)習(xí)；用電異常；電力用電中圖分類號：TM73；TP181 文獻(xiàn)標(biāo)識碼：A0 引言隨著全球能源需求的不斷增長，電力系統(tǒng)的可靠性和效率成為學(xué)術(shù)界和工業(yè)界關(guān)注的焦點(diǎn)[1]。用電異常檢測是保障電力系統(tǒng)穩(wěn)定運(yùn)行的關(guān)鍵技術(shù)之一，能夠幫助電力公司及時發(fā)現(xiàn)和處理用電異常情況，避免能源浪費(fèi)和潛在的安全風(fēng)險。然而，用電數(shù)據(jù)的復(fù)雜性和動態(tài)變化使得準(zhǔn)確檢測異常成為一項(xiàng)挑戰(zhàn)。傳統(tǒng)的檢測方法往往難以適應(yīng)數(shù)據(jù)的多樣性和大規(guī)模變化，這限制了它們在實(shí)際應(yīng)用中的效果[2]。在
電子產(chǎn)品世界 2024年3期2024-06-04
- 面向食品安全法規(guī)的知識圖譜構(gòu)建
識，使用基于機(jī)器學(xué)習(xí)的命名實(shí)體識別方法完成領(lǐng)域命名實(shí)體識別。最后，實(shí)現(xiàn)食品安全法規(guī)知識圖譜的構(gòu)建。關(guān)鍵詞：食品安全法規(guī)；知識圖譜；自然語言處理；機(jī)器學(xué)習(xí)；命名實(shí)體識別；BERT模型中圖分類號：TP391.1? ? 文獻(xiàn)標(biāo)識碼：A? ? 文章編號：2096-4706（2024）06-0103-07Construction of Knowledge Graph for Food Safety RegulationsZHANG Xinyue， WANG Ning
現(xiàn)代信息科技 2024年6期2024-06-03
- 數(shù)據(jù)科學(xué)國內(nèi)外研究熱點(diǎn)與前沿推進(jìn)
了近年國內(nèi)外機(jī)器學(xué)習(xí)研究的側(cè)重與發(fā)展規(guī)模，積極探討了數(shù)據(jù)科學(xué)基礎(chǔ)技術(shù)的研究熱點(diǎn)，為該領(lǐng)域今后研究提供了方向借鑒。關(guān)鍵詞：CiteSpace；數(shù)據(jù)科學(xué)；機(jī)器學(xué)習(xí)；熱點(diǎn)前沿；文獻(xiàn)計量法中圖分類號：TP391? 文獻(xiàn)標(biāo)識碼：A? 文章編號：2096-4706（2024）06-0095-08Research Hotspot and Advance of the Frontier of Data Science at Home and Abroad—Visualiz
現(xiàn)代信息科技 2024年6期2024-06-03
- 基于機(jī)器學(xué)習(xí)的口咽癌死亡預(yù)測模型構(gòu)建與研究
? 要：采用機(jī)器學(xué)習(xí)對口咽癌患者一年生存情況構(gòu)建預(yù)測模型，通過比較找到最優(yōu)模型，以期為相關(guān)疾病預(yù)后提供可靠的參考指標(biāo)。選取SEER數(shù)據(jù)庫中2020年的口咽癌患者2 636例，數(shù)據(jù)經(jīng)過SMOTE算法優(yōu)化后，運(yùn)用八種機(jī)器學(xué)習(xí)方法建立預(yù)測分類模型比較分析。基于隨機(jī)森林、決策樹算法的模型相對來說預(yù)測性能更佳。機(jī)器學(xué)習(xí)算法建立的預(yù)測模型能夠較好地輔助口咽癌臨床診療及預(yù)后相關(guān)行為。關(guān)鍵詞：口咽癌；機(jī)器學(xué)習(xí)；預(yù)測模型；SEER數(shù)據(jù)庫；SMOTE算法中圖分類號：TP39；
現(xiàn)代信息科技 2024年6期2024-06-03
- 基于人工智能的駕駛行為監(jiān)測系統(tǒng)設(shè)計與實(shí)現(xiàn)
該系統(tǒng)集成了機(jī)器學(xué)習(xí)和計算機(jī)視覺技術(shù)，目的是實(shí)時識別并分析駕駛員的行為模式，以便預(yù)測和預(yù)防潛在的交通事故。通過利用車載攝像頭和多種傳感器的數(shù)據(jù)，系統(tǒng)采用深度學(xué)習(xí)算法進(jìn)行高效的數(shù)據(jù)處理，實(shí)現(xiàn)了對復(fù)雜駕駛環(huán)境和行為的精確解析。實(shí)驗(yàn)結(jié)果顯示，本系統(tǒng)在檢測諸如超速、急剎車、分心駕駛等危險行為方面表現(xiàn)出高度的準(zhǔn)確性和可靠性。綜合而言，本研究不僅推動了人工智能技術(shù)在交通安全領(lǐng)域的應(yīng)用，也為未來駕駛行為監(jiān)測和交通事故預(yù)防提供了有力的技術(shù)支持。關(guān)鍵詞：人工智能；駕駛行為監(jiān)
電腦知識與技術(shù) 2024年11期2024-06-03
- 基于數(shù)據(jù)中臺的建筑業(yè)數(shù)據(jù)清洗算法研究
；數(shù)據(jù)清洗；機(jī)器學(xué)習(xí)；ETL；建筑業(yè)一、前言在建筑業(yè)，隨著BIM等數(shù)字化技術(shù)的發(fā)展，工作模式已逐漸向標(biāo)準(zhǔn)化和結(jié)構(gòu)化推進(jìn)，并依托模型數(shù)據(jù)實(shí)現(xiàn)精細(xì)化管理。通過物聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)多元數(shù)據(jù)采集和傳輸，極大拓展BIM信息來源，確保數(shù)據(jù)實(shí)時、準(zhǔn)確[1]。通過云計算技術(shù)實(shí)現(xiàn)數(shù)據(jù)的分布式存儲，使項(xiàng)目不同參與方、不同業(yè)務(wù)領(lǐng)域、建筑不同階段之間的數(shù)據(jù)能夠共享與管理，提高BIM的協(xié)作能力，為共享、使用BIM數(shù)據(jù)奠定基礎(chǔ)[2]。數(shù)據(jù)挖掘技術(shù)則可以對海量數(shù)據(jù)進(jìn)行高效、深度挖掘，從而充分
信息系統(tǒng)工程 2024年5期2024-06-03
- 基于SVM-DT-MLP模型的Web日志異常流量檢測研究
g特征選擇；機(jī)器學(xué)習(xí)中圖分類號：TP391.1；TP183? 文獻(xiàn)標(biāo)識碼：A? 文章編號：2096-4706（2024）04-0171-05Research on Web Log Abnormal Traffic Detection Based on the SVM-DT-MLP ModelWEI Lulu， CHENG Nannan（Information Engineering College， Jiangxi University of Techno
現(xiàn)代信息科技 2024年4期2024-06-01
- 事前視角下公眾對自然災(zāi)難的負(fù)面情緒感知影響因素研究
知問卷，使用機(jī)器學(xué)習(xí)算法對數(shù)據(jù)進(jìn)行建模和調(diào)優(yōu)，利用SHAP、累積局部效應(yīng)圖等方法進(jìn)行數(shù)據(jù)可視化分析，并結(jié)合現(xiàn)實(shí)層面意義對結(jié)果進(jìn)行解釋. 研究顯示：（1）“自然災(zāi)難事后失聯(lián)”“自然災(zāi)難事后救援不力”和“自然災(zāi)難事后支持不足”最讓公眾關(guān)注.（2）工作年限、年齡、職業(yè)和教育背景是事前視角下自然災(zāi)難負(fù)面情緒感知的重要人文影響因素.（3）職業(yè)壓力與事前視角下公眾的自然災(zāi)難負(fù)面情緒感知存在正相關(guān).（4）未成年人、無業(yè)人員、職場新人、留守兒童、寡居老人和擁有較高工作壓力
四川大學(xué)學(xué)報(自然科學(xué)版) 2024年2期2024-06-01
- 人工智能在工業(yè)自動化系統(tǒng)中的應(yīng)用
過深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等技術(shù)，人工智能不僅提高生產(chǎn)效率，還優(yōu)化設(shè)備維護(hù)和管理。在生產(chǎn)線上，人工智能可以實(shí)時監(jiān)測設(shè)備狀態(tài)，預(yù)測潛在故障，并及時進(jìn)行維護(hù)，從而避免生產(chǎn)中斷。此外，人工智能還能優(yōu)化生產(chǎn)流程，提高產(chǎn)品質(zhì)量。通過分析生產(chǎn)數(shù)據(jù)，人工智能可以找出生產(chǎn)過程中的“瓶頸”，提出改進(jìn)建議。總的來說，人工智能在工業(yè)自動化系統(tǒng)中的應(yīng)用不僅提高生產(chǎn)效率和產(chǎn)品質(zhì)量，還降低維護(hù)成本，為工業(yè)發(fā)展注入新的活力。關(guān)鍵詞：人工智能；工業(yè)自動化；深度學(xué)習(xí)；機(jī)器學(xué)習(xí)；生產(chǎn)流程中圖分類號
科技創(chuàng)新與應(yīng)用 2024年15期2024-05-30
- 基于機(jī)器學(xué)習(xí)的公路橋梁裂縫檢測技術(shù)分析
檢測和評估。機(jī)器學(xué)習(xí)為橋梁裂縫檢測提供了一種新的解決方案，文章聚焦于機(jī)器學(xué)習(xí)在橋梁裂縫檢測中的應(yīng)用，分別分析了VGGNet、AlexNet和ResNet三種深度學(xué)習(xí)模型在圖像分類方面的應(yīng)用，以及FasterRCNN、YOLOv3和YOLOv4三種模型在目標(biāo)檢測方面的性能。研究結(jié)果表明，VGG16精確度表現(xiàn)出色，YOLOv4則能夠在維持高速度檢測的同時提升檢測精確性。關(guān)鍵詞 機(jī)器學(xué)習(xí)；公路橋梁；裂縫檢測技術(shù)中圖分類號 U446文獻(xiàn)標(biāo)識碼 A文章編號 2096
交通科技與管理 2024年9期2024-05-29
- 基于不同模型的安徽大別山區(qū)滑坡易發(fā)性評價對比分析
鍵詞：滑坡；機(jī)器學(xué)習(xí)；安徽大別山區(qū)中圖分類號：P642.22文獻(xiàn)標(biāo)志碼： A文章編號：1001-2443（2024）02-0152-09近年來，地質(zhì)災(zāi)害在中國多地頻繁發(fā)生。其隱蔽性、突發(fā)性和破壞性的特點(diǎn)，威脅著受災(zāi)地區(qū)人民的生命財產(chǎn)安全［1-2］。隨著極端天氣氣候事件發(fā)生的不確定性因素增加，可能導(dǎo)致的強(qiáng)降雨事件增多，加之大規(guī)模基礎(chǔ)設(shè)施建設(shè)對地質(zhì)環(huán)境影響劇烈，我國的地質(zhì)災(zāi)害治理工作仍面臨嚴(yán)峻挑戰(zhàn)。滑坡在地質(zhì)災(zāi)害中占比較多，滑坡易發(fā)性是指地表或者坡面土層在自然
安徽師范大學(xué)學(xué)報(自然科學(xué)版) 2024年2期2024-05-29
- 基于無人機(jī)多光譜影像與機(jī)器學(xué)習(xí)算法的棉花冠層葉綠素含量估算研究
】利用RFR機(jī)器學(xué)習(xí)方法構(gòu)建的基于無人機(jī)多光譜影像的棉花冠層葉片葉綠素含量估算模型可及時、準(zhǔn)確地判斷棉花的生長狀況，為棉田精準(zhǔn)管理提供技術(shù)支撐。關(guān)鍵詞：無人機(jī)；多光譜；葉綠素含量；機(jī)器學(xué)習(xí)；遙感反演；棉花Estimation of chlorophyll content in cotton canopy using UAV multispectral imagery and machine learning algorithmsAbstract： [Obj
棉花學(xué)報 2024年1期2024-05-29
- 基于模式識別的股票價格預(yù)測研究
學(xué)、統(tǒng)計學(xué)和機(jī)器學(xué)習(xí)領(lǐng)域受到了廣泛的關(guān)注。為了避免人判斷的主觀性，因此采用一種與雙底形態(tài)的目標(biāo)模板進(jìn)行對比的方法，把一維的股價時間序列變換成二維的圖形與目標(biāo)模板進(jìn)行對比，對比后相似度高的時間片段能作為未來市場價格上漲的信號。實(shí)驗(yàn)結(jié)果表明，此方法能夠產(chǎn)生正收益，且對股票的未來漲跌具有一定的預(yù)測能力。關(guān)鍵詞：模式識別；股票價格預(yù)測；機(jī)器學(xué)習(xí)；人工神經(jīng)網(wǎng)絡(luò)中圖分類號：F830.592? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號：1673-291X（2024
經(jīng)濟(jì)研究導(dǎo)刊 2024年8期2024-05-29
- 基于機(jī)器學(xué)習(xí)的多場景行為監(jiān)測方法研究
率，關(guān)鍵詞：機(jī)器學(xué)習(xí)；計算機(jī)視覺；YOLOv5s一、引言本文以室內(nèi)場景下也可以作為一種新型的人機(jī)交互來執(zhí)行智能醫(yī)療監(jiān)控諸如智慧家居或者老年人跌倒檢測，或者可以通過識別人類行為來應(yīng)用于交互式體感游戲等。而隨著深度學(xué)習(xí)的興起和廣泛應(yīng)用，人類行為檢測的實(shí)時性和準(zhǔn)確性也都有了大幅度的提高。大多數(shù)傳統(tǒng)的人類行為檢測系統(tǒng)使用佩戴式傳感器進(jìn)行檢測和識別。盡管隨著技術(shù)的發(fā)展，傳感器的尺寸變得更小，數(shù)據(jù)收集變得更有效，但基于傳感器的檢測系統(tǒng)仍然面臨著部署的限制。特別是隨著傳
客聯(lián) 2024年2期2024-05-29
- 面向神經(jīng)網(wǎng)絡(luò)的智能分類在垃圾處理系統(tǒng)中的設(shè)計與應(yīng)用
注意力機(jī)制；機(jī)器學(xué)習(xí)；垃圾分類一、智能分類處理的研究背景2018年初，國家住房和城鄉(xiāng)建設(shè)部印發(fā)《關(guān)于加快推進(jìn)部分重點(diǎn)城市生活垃圾分類工作的通知》要求加快推進(jìn)46個重點(diǎn)城市生活垃圾分類工作，2019年起在全國地級及以上城市全面啟動生活垃圾分類。各個城市推進(jìn)垃圾分類工作的過程中，遇到了諸多問題，諸如，生活垃圾的分類標(biāo)準(zhǔn)比較繁雜、各城市的垃圾分類標(biāo)準(zhǔn)不統(tǒng)一、人們不能準(zhǔn)確判斷垃圾類別、居民沒有養(yǎng)成分類投放的習(xí)慣等。針對上述問題，各個城市采取了不同的方案，例如采用媒
客聯(lián) 2024年2期2024-05-29
- 基于特征向量信息支持向量機(jī)的RC框架易損性曲線預(yù)測
算效率不高。機(jī)器學(xué)習(xí)方法已被證明能較好地解決這一問題，但當(dāng)訓(xùn)練數(shù)據(jù)的規(guī)模較大時，由于訓(xùn)練過程涉及求解大規(guī)模逆矩陣致使計算效率依然低下。為此，本文提出了一種特征向量信息支持向量機(jī)（EILS-SVM）的新方法克服此類方法的不足。在大規(guī)模數(shù)據(jù)集下，EILS-SVM能夠篩選小規(guī)模子樣本建立低秩核矩陣。這使得其訓(xùn)練過程只需求解小規(guī)模低秩矩陣的逆矩陣，進(jìn)而極大提高計算效率。為了驗(yàn)證EILS-SVM的準(zhǔn)確性和高效性，基于16500個鋼筋混凝土（RC）框架在地震作用下的破
地震研究 2024年3期2024-05-29
- 可逆固體氧化物電池電極材料的研究進(jìn)展
方法改進(jìn)以及機(jī)器學(xué)習(xí)等策略來優(yōu)化電極性能。同時，指出了燃料電極在不同運(yùn)行模式下面臨的挑戰(zhàn)，如結(jié)構(gòu)劣化和碳沉積等，為高效、穩(wěn)定的可逆固體氧化物電池發(fā)展提供了新視角和方法。關(guān)鍵詞：固體氧化物電池；可逆；電極；機(jī)器學(xué)習(xí)中圖分類號：? TQ116.2；TM911.4；TB34? 文獻(xiàn)標(biāo)志碼：?? A0? 引言隨著經(jīng)濟(jì)社會的發(fā)展，全球?qū)δ茉吹男枨笱杆僭鲩L。然而，主要依賴化石能源的傳統(tǒng)能源體系在消耗過程中產(chǎn)生了大量CO2，導(dǎo)致環(huán)境中CO2濃度持續(xù)上升，進(jìn)而加劇了溫室氣
新能源科技 2024年2期2024-05-27
- 跨站腳本攻擊檢測與防御技術(shù)綜述
討分析了基于機(jī)器學(xué)習(xí)從數(shù)據(jù)中學(xué)習(xí)攻擊特征、預(yù)測攻擊的方法，以及基于強(qiáng)化學(xué)習(xí)識別或生成對抗樣本策略來優(yōu)化檢測模型的方法；其次，闡述了非對抗攻擊防御基于規(guī)則過濾XSS攻擊、基于移動目標(biāo)防御（MTD）隨機(jī)性降低攻擊成功率和基于隔離沙箱防止XSS攻擊傳播的方法；最后，分別從樣本特征、模型特點(diǎn)和CSP的局限性、上傳功能的廣泛性等方面提出了XSS攻擊檢測和防御未來需要考慮的問題并作出展望。關(guān)鍵詞：XSS攻擊；機(jī)器學(xué)習(xí)；非對抗攻擊檢測；對抗攻擊檢測；非對抗攻擊防御中圖分
計算機(jī)應(yīng)用研究 2024年3期2024-05-24
- 無人機(jī)遙感監(jiān)測果樹氮素含量研究進(jìn)展
更佳，且使用機(jī)器學(xué)習(xí)方法構(gòu)建模型相較于傳統(tǒng)方法具有更高精度。提出無人機(jī)遙感監(jiān)測果樹氮素含量在無人機(jī)飛行平臺與傳感器性能、數(shù)據(jù)獲取與處理、推廣與應(yīng)用及政策4個方面現(xiàn)階段存在的不足之處和未來精準(zhǔn)化、高效化和智能化的發(fā)展方向。關(guān)鍵詞：無人機(jī)；遙感；果樹；氮素含量；機(jī)器學(xué)習(xí)中圖分類號：S252文獻(xiàn)標(biāo)識碼：A文章編號：20955553 （2024） 02023509收稿日期：2022年7月11日 ?修回日期：2022年9月15日基金項(xiàng)目：國家梨產(chǎn)業(yè)技術(shù)體系（CARS
中國農(nóng)機(jī)化學(xué)報 2024年2期2024-05-22
- 基于機(jī)器學(xué)習(xí)的瀝青路面壓實(shí)度質(zhì)量評估
準(zhǔn)確率，基于機(jī)器學(xué)習(xí)對瀝青路面進(jìn)行壓實(shí)度質(zhì)量評估；通過對比實(shí)際工程中不同壓路機(jī)在瀝青路面上的振動規(guī)律，構(gòu)建振動壓路機(jī)-瀝青路面系統(tǒng)動力學(xué)模型，利用Simulink數(shù)值仿真軟件對所構(gòu)建的模型進(jìn)行仿真，設(shè)計8種工況，對比壓實(shí)度計值、 壓實(shí)度控制值、 機(jī)械驅(qū)動功率、滾輪綜合剛度、 填筑體能量、 單位體積壓實(shí)功率6個壓實(shí)度質(zhì)量評估指標(biāo)在各工況下的適用性差異；采用支持向量機(jī)、 邏輯回歸、 k最近鄰、 決策樹、 樸素貝葉斯法5種傳統(tǒng)的機(jī)器學(xué)習(xí)方法對各工況下的壓實(shí)度質(zhì)量
濟(jì)南大學(xué)學(xué)報(自然科學(xué)版) 2024年3期2024-05-21
- 以科研能力為導(dǎo)向的“機(jī)器學(xué)習(xí)”教學(xué)改革
力培養(yǎng)融入“機(jī)器學(xué)習(xí)”課程教學(xué)的問題，提出從教學(xué)內(nèi)容、教學(xué)方法、過程考核等三方面進(jìn)行改革。基于模型目標(biāo)函數(shù)優(yōu)化、模型適用場景分析兩條主線，給出了教學(xué)內(nèi)容改革的具體方法。以學(xué)術(shù)論文寫作思路為引導(dǎo)，給出了創(chuàng)新教學(xué)方法和考核的具體思路。改革有利于促進(jìn)學(xué)生掌握科學(xué)研究的思維方法，提升學(xué)生的知識應(yīng)用能力。關(guān)鍵詞：科研能力；機(jī)器學(xué)習(xí)；教學(xué)改革人工智能學(xué)科自1956年確立以來，機(jī)器學(xué)習(xí)在人工智能發(fā)展的第三時期“學(xué)習(xí)期”得到了重大發(fā)展［1］。機(jī)器學(xué)習(xí)主要是研究如何利用數(shù)據(jù)
科技風(fēng) 2024年9期2024-05-19
- 基于機(jī)器學(xué)習(xí)的本科學(xué)生成績預(yù)測與分層教學(xué)方法研究
方向，如何將機(jī)器學(xué)習(xí)模型有效地與實(shí)際教育工作結(jié)合，以發(fā)揮其在教育場景下的實(shí)際價值成為一個重要問題。研究通過機(jī)器學(xué)習(xí)模型預(yù)測本科學(xué)生的學(xué)習(xí)成績，并根據(jù)預(yù)測結(jié)果對學(xué)生進(jìn)行多層次劃分，進(jìn)而實(shí)施分層教學(xué)，以便教育工作者調(diào)整課程內(nèi)容和教學(xué)策略，為學(xué)生提供個性化指導(dǎo)。該方法不僅為傳統(tǒng)教學(xué)方法注入了新的活力，還有助于提高學(xué)生的學(xué)習(xí)成績和學(xué)習(xí)興趣。關(guān)鍵詞：機(jī)器學(xué)習(xí)；隨機(jī)森林；成績預(yù)測；分層教學(xué)法；教學(xué)服務(wù)中圖分類號：G642? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3
電腦知識與技術(shù) 2024年7期2024-05-19
- 一種區(qū)域降水預(yù)測的時空集成模型
；時空預(yù)測；機(jī)器學(xué)習(xí)；集成模型；時空相關(guān)性中圖分類號：TP 391.42;R 742.5??? 文獻(xiàn)標(biāo)志碼：A??? 文章編號：1001-988Ⅹ（2024）03-0105-10A spatiotemporal integrated model forregional precipitation predictionMA Yu-hong1，2，XUE Sheng-qian1，WANG Xiao-xiao1，LU Jin-ye1（1.College of M
西北師范大學(xué)學(xué)報(自然科學(xué)版) 2024年3期2024-05-15
- 基于K-means算法的某高校各二級單位報銷聚類分析統(tǒng)計研究
；執(zhí)行進(jìn)度；機(jī)器學(xué)習(xí)一、前言近年來，隨著高等教育事業(yè)的蓬勃發(fā)展，高校各項(xiàng)經(jīng)費(fèi)穩(wěn)步增長，配套的經(jīng)費(fèi)使用管理制度也在不斷更新和完善，師生們在進(jìn)行財務(wù)報銷時發(fā)生問題的數(shù)量也隨著報銷頻率的升高而不斷增加[1]。與此同時，對于許多高校管理者而言，如何及時有效地對二級單位的報銷情況進(jìn)行考評并督促二級單位不斷改進(jìn)完善成為擺在高校管理者面前的一個難題。考評方法選擇不當(dāng)也會使各個二級單位產(chǎn)生不解與質(zhì)疑。預(yù)約單量、問題單率以及經(jīng)費(fèi)執(zhí)行進(jìn)度作為重要的財務(wù)指標(biāo)，可以很大程度上反映
信息系統(tǒng)工程 2024年4期2024-05-13
- 基于機(jī)器學(xué)習(xí)在股票預(yù)測中的應(yīng)用
歸納目前基于機(jī)器學(xué)習(xí)的股票預(yù)測研究現(xiàn)狀，分別從單一模型、改進(jìn)模型和組合模型分類介紹研究情況，總結(jié)不同類別下預(yù)測模型的優(yōu)缺點(diǎn)。介紹各種用于股票預(yù)測的預(yù)測模型，以及不同模型的實(shí)際應(yīng)用和研究現(xiàn)狀，并總結(jié)這些模型的應(yīng)用特點(diǎn)。最后使用ARIMA模型對科大訊飛股票預(yù)測開盤價走勢，使用VAR模型預(yù)測先進(jìn)數(shù)通的股票開盤價、收盤價、最高價和最低價。關(guān)鍵詞：股票預(yù)測；機(jī)器學(xué)習(xí)；ARIMA模型；VAR模型；時間序列一、前言從股票市場出現(xiàn)到發(fā)展至今已有四百多年歷史，股票能夠在股票
信息系統(tǒng)工程 2024年4期2024-05-13
- 基于術(shù)前MRI圖像構(gòu)建影像組學(xué)與深度學(xué)習(xí)的機(jī)器學(xué)習(xí)模型預(yù)測膠質(zhì)瘤IDH1基因表達(dá)的研究
（RF）三種機(jī)器學(xué)習(xí)模型分別建模。使用受試者工作特征（ROC）曲線評價各模型的預(yù)測效能。結(jié)果基于影像組學(xué)特征的機(jī)器學(xué)習(xí)模型SVM、KNN以及RF的曲線下面積（AUC）分別為0.699、0.628、0.616。基于深度遷移學(xué)習(xí)特征的機(jī)器學(xué)習(xí)模型SVM、KNN以及RF的AUC分別為0.853、0.753、0.807。基于融合特征的機(jī)器學(xué)習(xí)模型SVM、KNN以及RF的AUC分別為0.868、0.818、0.787。結(jié)論基于常規(guī)MRI序列中的T2WI抑脂序列的SV
臨床神經(jīng)外科雜志 2024年2期2024-05-11
- 施工現(xiàn)場安全智能化管控應(yīng)用研究
；人工智能；機(jī)器學(xué)習(xí)；建筑安全中圖分類號：TU71? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ? 文章編號：2095-2945（2024）13-0179-04Abstract： In order to prevent the occurrence of construction safety accidents in the construction industry， reduce the loss of life and property and ne
科技創(chuàng)新與應(yīng)用 2024年13期2024-05-06
- 一種基于人工智能的網(wǎng)絡(luò)安全智能化運(yùn)維技術(shù)解決方案
；人工智能；機(jī)器學(xué)習(xí)中圖分類號：TP3 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2024）05-0074-031 簡介當(dāng)前，網(wǎng)絡(luò)應(yīng)用范圍不斷擴(kuò)大，網(wǎng)絡(luò)安全問題也日益突出。傳統(tǒng)的網(wǎng)絡(luò)安全運(yùn)維技術(shù)開始面臨較大局限性，惡意軟件越來越能夠適應(yīng)線性的傳統(tǒng)安全解決方案，網(wǎng)絡(luò)安全需要一種更為智能的威脅檢測、應(yīng)對及解決方法。網(wǎng)絡(luò)安全專家也一直致力于研究人工智能技術(shù)在網(wǎng)絡(luò)安全智能化運(yùn)維中的應(yīng)用。隨著云計算、大數(shù)據(jù)和人工智能技術(shù)的應(yīng)用，以機(jī)器學(xué)習(xí)為代表的人工智能，可以極大
電腦知識與技術(shù) 2024年6期2024-05-03
- 基于機(jī)器學(xué)習(xí)的高職院校網(wǎng)絡(luò)安全部署設(shè)計
析，提出基于機(jī)器學(xué)習(xí)的高職院校網(wǎng)絡(luò)安全部署設(shè)計思路，變被動防護(hù)為主動防御，以保障校園網(wǎng)絡(luò)的安全。關(guān)鍵詞：機(jī)器學(xué)習(xí)；網(wǎng)絡(luò)安全；部署設(shè)計中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2024）05-0092-03隨著互聯(lián)網(wǎng)的普及與發(fā)展，高校的信息化、數(shù)字化建設(shè)也在加快進(jìn)行，高校校園網(wǎng)作為信息化與數(shù)字化校園的重要基礎(chǔ)設(shè)施，為學(xué)校的教育教學(xué)提供著良好的保障。目前的校園網(wǎng)絡(luò)已經(jīng)遍及學(xué)校的各個部門，成為整個校園的基礎(chǔ)設(shè)備，學(xué)校對于網(wǎng)絡(luò)的可管理性與安
電腦知識與技術(shù) 2024年5期2024-05-02
- 機(jī)器學(xué)習(xí)預(yù)測腦卒中病人日常生活活動能力的研究進(jìn)展
w摘要??對機(jī)器學(xué)習(xí)的應(yīng)用基礎(chǔ)、機(jī)器學(xué)習(xí)預(yù)測康復(fù)期及恢復(fù)期腦卒中病人生活活動能力、機(jī)器學(xué)習(xí)預(yù)測腦卒中病人日常生活活動能力中的應(yīng)用局限性進(jìn)行綜述，旨在為推動腦卒中病人肢體功能康復(fù)的信息化管理提供參考。關(guān)鍵詞??腦卒中；機(jī)器學(xué)習(xí)；日常生活活動能力；信息化管理；綜述doi：10.12102/j.issn.1009-6493.2024.08.017腦卒中是一種急性腦血管疾病，由于腦血管病變引起腦功能障礙，是全球致死、致殘的首要原因。我國腦卒中篩查數(shù)據(jù)顯示，城市和農(nóng)
護(hù)理研究 2024年8期2024-04-30
- 基于超聲圖像評估甲狀腺和乳腺病變的通用計算方法
征，輸入4種機(jī)器學(xué)習(xí)模型，完成甲狀腺、乳腺結(jié)節(jié)良惡二分類和四分類。將方法應(yīng)用于來自不同平臺的甲狀腺和乳腺超聲圖像，隨機(jī)排列交叉驗(yàn)證二分類AUC達(dá)到0.88～0.99，準(zhǔn)確率ACC達(dá)到0.84～0.98，均優(yōu)于已有研究結(jié)果；四分類AUC達(dá)到0.95～0.97，ACC達(dá)到0.88～0.92，優(yōu)于深度殘差網(wǎng)絡(luò)ResNet50。基于甲狀腺（乳腺）圖像訓(xùn)練的四種模型在交叉識別乳腺（甲狀腺）良惡結(jié)節(jié)方面也取得了理想的分類結(jié)果，進(jìn)一步驗(yàn)證了所提方法的穩(wěn)定性和通用性。同時
燕山大學(xué)學(xué)報 2024年1期2024-04-29
- 機(jī)器學(xué)習(xí)在電力設(shè)備故障檢測中的實(shí)踐應(yīng)用
閭林秀摘要：機(jī)器學(xué)習(xí)在電力設(shè)備故障檢測中的實(shí)踐應(yīng)用已經(jīng)取得了顯著的成果。通過使用機(jī)器學(xué)習(xí)算法，可以對電力設(shè)備的運(yùn)行數(shù)據(jù)進(jìn)行分析和處理，從而實(shí)現(xiàn)故障的早期檢測和預(yù)測。這種方法可以幫助電力公司提高設(shè)備的可靠性和安全性，減少故障停電時間，提高供電質(zhì)量。具體應(yīng)用包括基于機(jī)器學(xué)習(xí)的故障診斷、故障預(yù)測和設(shè)備狀態(tài)監(jiān)測等。通過對大量歷史數(shù)據(jù)的學(xué)習(xí)，機(jī)器學(xué)習(xí)模型可以識別出設(shè)備故障的模式和特征，從而實(shí)現(xiàn)準(zhǔn)確的故障檢測和預(yù)測。關(guān)鍵詞：機(jī)器學(xué)習(xí)；電力設(shè)備；無人機(jī)；實(shí)踐應(yīng)用一、前言
信息系統(tǒng)工程 2024年2期2024-04-29
- 基于問題導(dǎo)向的機(jī)器學(xué)習(xí)課程教學(xué)探索
和生活方式。機(jī)器學(xué)習(xí)作為人工智能的核心技術(shù)，在很多高校已經(jīng)被列為必修課程，且很多專業(yè)（如：計算機(jī)科學(xué)與技術(shù)、數(shù)學(xué)、生物醫(yī)學(xué)工程）的本科生和研究生都涉及該課程。針對傳統(tǒng)授課方式在機(jī)器學(xué)習(xí)教學(xué)過程中處于主導(dǎo)地位，因?yàn)闊o法調(diào)動學(xué)生的自主性和積極性，使得學(xué)生處理問題能力較差和創(chuàng)新意識不強(qiáng)，導(dǎo)致高校培養(yǎng)人才的效果不佳。為此，根據(jù)機(jī)器學(xué)習(xí)課程知識的結(jié)構(gòu)特點(diǎn)，提出了基于問題導(dǎo)向的機(jī)器學(xué)習(xí)課程教學(xué)方案。通過將問題導(dǎo)向融合到機(jī)器學(xué)習(xí)課程的教學(xué)方式，促進(jìn)學(xué)生主動學(xué)習(xí)和勤于思考
電腦知識與技術(shù) 2024年4期2024-04-28
- 基于機(jī)器學(xué)習(xí)算法的上市企業(yè)內(nèi)部控制缺陷預(yù)測研究
營風(fēng)險。基于機(jī)器學(xué)習(xí)算法構(gòu)建的預(yù)測模型能夠?qū)ζ髽I(yè)的內(nèi)部控制缺陷進(jìn)行有效預(yù)測， 有助于企業(yè)對潛在風(fēng)險進(jìn)行預(yù)警。實(shí)證研究表明： 與判別分析、 邏輯回歸、 支持向量機(jī)、 決策樹等利用機(jī)器學(xué)習(xí)算法預(yù)測企業(yè)內(nèi)部控制缺陷的模型相比， 隨機(jī)森林模型在預(yù)測的準(zhǔn)確率、 精準(zhǔn)率、 召回率、 F1-score和AUC值方面綜合表現(xiàn)更好。在使用隨機(jī)森林模型預(yù)測企業(yè)內(nèi)部控制缺陷的過程中， 審計費(fèi)用、 機(jī)構(gòu)投資者持股比例和總資產(chǎn)增長率等特征變量起到了重要預(yù)測作用。進(jìn)一步采用SHAP方
財會月刊·上半月 2024年4期2024-04-26
- 基于探究社區(qū)理論的教學(xué)反饋實(shí)踐探索
摘 要］在《機(jī)器學(xué)習(xí)》課程引入了基于探究社區(qū)理論的混合教學(xué)，通過七周教學(xué)實(shí)驗(yàn)數(shù)據(jù)分析，結(jié)果表明：基于探究社區(qū)理論的混合教學(xué)中高活躍度社區(qū)所產(chǎn)生的交流信息，對低活躍度社區(qū)學(xué)業(yè)成績存在明顯的提高作用；教師教學(xué)提升效果與不同社區(qū)之間學(xué)習(xí)交流信息差有關(guān)，信息差越大，效果提升越顯著；該教學(xué)方式對于促進(jìn)學(xué)生學(xué)習(xí)的主動性、共同協(xié)作解決問題的能力、批判性思維的培養(yǎng)等方面都有一定的積極促進(jìn)作用。［關(guān)鍵詞］探究社區(qū)理論；混合學(xué)習(xí)；機(jī)器學(xué)習(xí)；教學(xué)實(shí)踐［中圖分類號］ G77［文獻(xiàn)
陜西開放大學(xué)學(xué)報 2024年1期2024-04-26
- 數(shù)學(xué)方法在新聞數(shù)據(jù)分析中的應(yīng)用及實(shí)踐研究
景，深入分析機(jī)器學(xué)習(xí)、網(wǎng)絡(luò)分析和自然語言處理等數(shù)學(xué)方法在新聞內(nèi)容分類、趨勢預(yù)測、文本挖掘和情感分析等方面的應(yīng)用。通過理論研究和文獻(xiàn)綜述，文章著重展示這些方法在提高新聞報道準(zhǔn)確性和深度方面的潛力，并探討它們在新聞行業(yè)中的實(shí)際應(yīng)用及存在的挑戰(zhàn)。研究采用理論分析與實(shí)踐探索相結(jié)合的方法，通過具體的教學(xué)案例和技術(shù)實(shí)踐，分析將數(shù)學(xué)方法融入新聞教育課程的策略和效果。與此同時，文章對在新聞教育中融入機(jī)器學(xué)習(xí)與網(wǎng)絡(luò)分析的策略、自然語言處理技術(shù)的教學(xué)實(shí)踐，以及這些方法在培養(yǎng)學(xué)
新聞研究導(dǎo)刊 2024年6期2024-04-25