MMMay, 2022

基于集成回归模型的异常 ISP 流量预测

PDF
TL;DR本研究分析了几个回归模型以预测真实的网络流量，包括 Extra Gradient Boost（XGBoost）、Light Gradient Boosting Machine（LightGBM）、Stochastic Gradient Descent（SGD）、Gradient Boosting Regressor（GBR）和 CatBoost Regressor，并展示了异常值检测在实际流量预测中的重要性。研究表明，数据中的异常值会显著影响预测质量，因此异常值检测和修正可以帮助回归模型学习数据的一般趋势并做出更好的预测。
network trafficmathematical modelsregression modelsoutlier detectionperformance analysis
发现论文，激发创造
  • 检索增强的代码生成用于情境动作生成：Minecraft 案例研究

    在该研究中，我们调查了使用大型语言模型（LLMs）来预测建造者采取的动作序列，在 Minecraft 协作建筑任务中，建筑师通过指示建造者使用 3D 方块来组装指定结构。借助 LLMs 的上下文学习能力，我们使用少样本启发式技术显著提高了性能，并对性能差距进行了详细分析，以作为未来工作的参考。

    Jun, 2024

  • 计量中的数据驱动建模 - 简介、现状和未来展望

    数学模型在计量领域至关重要，对于从测量数据推导出测量结果和计算不确定度扮演关键角色。最近，数据驱动建模方法在大规模网络传感器系统中得到广泛应用，以应对实时环境的快速变化和有限的专家理解。

    Jun, 2024

  • 一种基于 LLM 的评估自动对抗叙事生成方法的排序方法

    使用大型语言模型作为评估者，提出了一种对生成的反话进行评估的新方法，通过在锦标赛格式中对生成的反话进行成对比较，建立了一个模型排名流程，并与人类偏好达到了 0.88 的相关性。此外，通过细致的评估和性能分析，发现以聊天为导向的零 - shot 生成模型在此任务中是最佳选择，前提是它们不因安全问题而拒绝生成答案。

    Jun, 2024

  • 贝叶斯循环回归的 von Mises 准过程

    本文介绍了一种用于预测圆形值的回归模型，探讨了与高斯过程相关的一族表达且可解释的分布。该模型密度简单，具有最大熵，通过引入一种新的 Stratonovich-like augmentation，可以进行快速的 Markov Chain Monte Carlo 采样。同时，本文论证了在这些模型中采用贝叶斯方法进行参数的转导学习，通过适用于单位圆的两个欧几里得维度的概率模型，对风向和运动步态周期百分比进行了实验证明。

    Jun, 2024

  • 信息学和乳制品行业联盟：人工智能趋势与现有挑战

    人工智能可以在产业中发挥潜在的转变作用，提升生产过程，减少手动重复任务。高性能计算和强大的数学模型之间的协同作用使得机器学习等复杂数据分析过程得以应用。然而，在有效、高效和灵活处理以生成有价值的知识方面存在挑战。因此，本研究全面描述了人工智能可应用于的产业挑战，重点关注乳业。所提出的结论可以帮助研究人员应用新方法监测牛群，为农民的需求提供先进的技术解决方案。

    Jun, 2024

  • 内在确定主题数量的方法：是否可能？

    通过对几个公开可用的语料库上应用多种主题模型的各种方法的性能进行调查，揭示了内部方法并不可靠和准确，主题的数量是方法和模型相关的，而不是语料库的绝对属性。我们得出结论，应该开发其他解决这个问题的方法，并提出一些进一步研究的有希望的方向。

    Jun, 2024

  • 篮球中无球得分预测的数学模型

    我们提出了两个数学模型来预测篮球比赛中的无球得分机会，分别考虑了传球得分和运球得分的动作，我们利用 630 场 NBA 比赛中的球员追踪数据评估了这些模型，结果表明 BIMOS 在得分预测准确性方面优于 BMOS，因此我们的模型为篮球的战术分析和球员评估提供了有价值的见解。

    Jun, 2024

  • 一种基于严重程度原则的针对随机优化算法性能分析的新型排名方案

    提出了一种新的排名方案，利用基于鲁棒的自助法假设检验程序对多个单目标优化问题的算法进行排名，并考虑了算法的性能改进的大小和实际相关性，与传统假设检验相比，提出的排名方案具有可比性和许多额外的好处。

    May, 2024

  • 局部异常点检测的基于邻居的方法比较研究

    对离群点检测中的邻居方法及其组成部分进行了研究，引入了一个分类法，使用信息、邻居和方法学作为三个层面来定义混合方法，通过合并该分类法的不同组成部分，可以提出新的基于邻居的离群点检测方法，实验结果表明，基于逆 K 最近邻方法在高维空间中具有良好性能。

    May, 2024

  • 金融市场风险预测的 K-means 算法

    本研究使用 K-means 算法开发了一个金融市场风险预测系统，大大提高了金融市场风险预测的准确性和效率，实验证实该算法的用户友好性和准确率为 94.61%。

    May, 2024