- 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。
- 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 - 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 - 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%。
- 通过核算子学习学习流行病轨迹:从建模到最优控制
利用机器学习和数学模型,本文探讨了在流行病爆发期间重建人口动态的有效性,以及用于确定特定绩效度量的最佳干预策略的竞争性。
- 基于混合机器学习方法的随机参数简化模型
建立适当的数学模型来研究自然现象中的复杂系统不仅有助于加深对自然的理解,还可以用于状态估计和预测。然而,自然现象的极端复杂性使得发展全阶模型并将其应用于研究多个感兴趣的量非常具有挑战性。相反,适当的降阶模型由于其高计算效率和描述自然现象的关 - AI-Lorenz:一种用于深度学习物理推理的黑盒和灰盒混沌系统鉴定框架
通过从嘈杂和稀疏的可观测数据中识别微分方程,我们开发了一个框架,学习建模复杂动力行为的数学表达式,从而填补了基于经验数据而非已知物理机制的系统的数学模型的空白。
- 知识图谱嵌入:概述
本文综述了知识图谱完成中的当前研究状态,特别关注了知识图谱嵌入设计的两个主要分支:基于距离的方法和基于语义匹配的方法,并探讨了与最近提出的模型之间的关联及其背后的趋势,最后讨论了利用预训练语言模型和实体关系的文本描述相结合进行知识图谱完成的 - 各种机器学习模型频繁交易效应分析
该研究旨在开发一种先进的高频交易算法,并比较三种不同的数学模型的性能:交叉熵损失函数和拟牛顿算法的组合、FCNN 模型和向量机。该算法利用神经网络预测生成交易信号,并基于特定条件执行买入和卖出操作,通过利用神经网络的力量提高交易策略的准确性 - 基于人工智能和大数据的患者特定的肿瘤生长机制模型
癌症治疗的个性化递送可能通过根据每个病人预计的反应个性化的递送来取得进展,而目前面临的基本障碍是缺乏严谨但实用的肿瘤发生、发展、扩散和治疗响应的数学理论。在这篇综述中,我们讨论了肿瘤生长和治疗建模的不同方法,包括基于 “大数据” 和人工智能 - 一个模型胜过几万个例子
本文通过对精确定义的数学模型生成的数据进行实证研究,在一维高斯信号去卷积和估计随机灰度圆形图像中圆的半径和位置等简单例子上,通过训练各种网络,发现与传统的基于数学模型的方法相比,无论是从头开始训练还是采用迁移学习或微调,神经网络需要数万个示 - 如何证明粒子群算法超参数优化结果的有效性?
本文提出了一种解决各种优化问题的基于数学模型的分析框架,可以确定被提出的 PSO 算法的超参数值,以获得更高效的收敛性和更低的 AFFV。
- AI 是否制造网络剑或盾:技术进步的几种数学模型
本文旨在通过数学模型对网络安全领域技术进步、网络钓鱼、漏洞发现以及补丁和攻击之间动态的政策辩论进行价值探讨,并根据技术进步的变化情况调整模型,发现人工智能对网络钓鱼的影响可能被高估,但可能导致更多攻击不被检测到,漏洞发现的进步有助于攻击方而 - 大脑编程原理的规范化
该文是一篇关于强人工智能的论文,提出了基于类别论的 Brain Principles Programming(BPP)的形式化方法,并应用数学模型和算法对其进行描述和建模,最终得到了计算机实验演示算法操作的结果。
- MM基于集成回归模型的异常 ISP 流量预测
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 De - 基于可见性的触觉传感器导航模型
该论文介绍了基于可见性模型的移动机器人感应器的数学模型,可以用于导航、定位和制图等任务,特别是提供了关于触摸传感器的独特优势的特征,为移动机器人传感器融合系统的革新性触发器设计提供基础。
- 大脑原理编程
该论文介绍了强人工智能领域中一个交叉学科的研究,提出了 “脑部原理编程” 的概念, 运用数学模型和算法为 BPP 进行了建模, 并提供了相关的计算机示例。
- 一种贝叶斯机器科学家用于帮助解决复杂科学问题的方法
引入了一种贝叶斯机器科学家,它使用对模型的后验分布的明确逼近来确定模型的合理性,并通过从数学表达式的大量经验语料库中进行学习来确定模型的先验期望。该方法可以自动从数据中提取精确的模型,并且在合成数据和真实数据上提供比现有方法和其他非参数方法 - 表征模型不足:一种随机算子方法
本文提出一种概率的物理意义下的随机不足算子,用于化学动力学反应机理的不充分模型,通过高维层级贝叶斯推断对模型参数及超参数进行校准,以解决数学模型适应性差的问题。
- NIPS基于记忆嵌入的学习
本文研究嵌入学习,将其扩展到时间、空间和符号的各种认知内存功能,并利用该数学模型推导出许多有关人类记忆的假设。