predicting | BriefGPT - AI 论文速递

关键词predicting

搜索结果 - 31

利用 Nichesourcing 和 AI 数据增加，从非结构化数据中挖掘疫苗接种的赞成和反对原因
我们通过利用 GPT4 和 GPT3.5-Turbo 进行细分外包和增强，提出了用于预测疫苗赞成和反对的原因以及科学权威，并展示了如何在非结构化文本中挖掘这些原因，探索了使用 GPT4 和 GPT3.5-Turbo 进行上下文学习的人工增强
PDF6 days ago
超越前沿：通过从平面图中学习，预测占用栅格中的未知墙壁
在本文中，我们通过在 360 度 LIDAR 传感器的轨迹上整合占用栅格，预测部分观测环境的未见墙壁作为一组二维线段的挑战。我们通过在大学校园的一组随机采样路径之间导航虚拟机器人，收集了这种占用栅格及其相应目标墙壁段的数据集。我们将线段预测
PDF21 days ago
尽管信息不完整，事件预测与因果推断
我们研究了在数据点序列中预测和解释事件发生的挑战，特别关注未知触发器导致事件发生的非连续、屏蔽和嘈杂数据点的情况。通过结合分析、仿真和机器学习方法，我们探索、量化和提供了解决此挑战的解决方案，并确证了支持各种变化的通用方程。使用这些方程，我
PDF25 days ago
基于序列的时空图卷积网络用于分钟级和道路级交通事故风险预测
利用 GCN 和 LSTM 相结合的顺序空时图卷积网络（SST-GCN）预测首尔的道路数据集构建的分钟级和道路级交通事故，实验证明 SST-GCN 在分钟级预测方面胜过其他最先进的模型。
PDFa month ago
金融机构服务中的客户目标预测：基于数据驱动的 LSTM 方法
在如今竞争激烈的金融领域，准确理解和预测客户目标对于金融机构提供个性化和优化的用户体验至关重要。本研究基于历史客户数据，提出了两个简单模型，即 LSTM 模型和增强了状态空间图嵌入的 LSTM 模型，用于预测客户目标和未来动作。结果表明，这
PDFa month ago
Traj-LLM：赋能轨迹预测的新探索
使用大型语言模型和创新的技术，本研究拟探索将 LLM 应用于交通场景中的动态车辆轨迹预测任务，以提高预测效果并适应不同情形。
PDF2 months ago
ICLR基于时间文档历史的未来语言建模
预测未来的文本数据，结合时间历史背景，基于概率模型建立了未来语言模型。
PDF3 months ago
通过神经网络的近似推理进行贝叶斯生存分析
本文研究了在深度神经网络中建模不确定性对生存分析的预测和校准性能的好处，提出了一个贝叶斯深度学习框架，评估了四个基准数据集上的预测表现，并与传统非贝叶斯方法进行比较。
PDF3 months ago
使用有针对性的干预进行活跃因果学习，解码化学复杂性
基于分子结构预测和增强固有性质对于医学、材料科学和环境管理中的设计任务至关重要，本研究介绍了一种主动学习方法，通过智能抽样和干预来辨识潜在的因果关系，以优化在未接触到的化学空间内的设计任务。
PDF3 months ago
溶剂感知的 2D NMR 预测：利用多任务训练和迭代自训练策略
利用迭代自训练的深度学习模型，我们提出了一种预测原子二维核磁共振（NMR）位移并标记实验光谱峰值的方法，该方法能准确处理中等和大分子，包括多糖。
PDF4 months ago
需要多少数据？第 2 部分：预测深度学习类别的训练数据集大小
通过考虑每个类别的训练样例数量而非整体训练样例数量，本文提出了一种预测机器学习分类模型性能的算法，并应用于 CIFAR10 和 EMNIST 数据集，以解决由此引发的组合问题。
PDF4 months ago
演化基因规划树模型用于预测绿色纤维力学性能，以改进生物复合材料
使用创新的进化遗传程序树模型，基于多种固有的化学和物理特性，预测天然纤维的力学性能，以提高以人工智能为基础的预测整体力学性能，促进开发更好的绿色复合材料应用于各种工业应用。
PDF4 months ago
有害藻类水华预测：流式学习与批量学习的比较
通过对历史数据和新工具进行比较，开发了一种机器学习工作流程来预测毒性滨藻属浮游植物丰度的变化，发现 Stream Learning 模型 DoME 是最有效和可解释性最强的预测器，超过了其他算法。
PDF4 months ago
机器学习模型对天气预测的比较评估
该研究通过应用机器学习算法，分析了各种算法在使用达卡市一个气象站 20 年数据预测降水和温度变化模式方面的贡献和性能指标。研究结果突出了显著成就，并提供了有价值的洞察和特征相关性。
PDF5 months ago
ACL基于医疗码为中心的多模态对比电子健康记录建模的层次正则化下次就诊诊断预测
使用电子病历（EHR）来预测下次就诊诊断是医疗保健中的重要任务，为医疗服务提供者和患者制定主动的未来计划至关重要。然而，许多先前的研究没有充分解决 EHR 数据中固有的异质性和分层特征，不可避免地导致次优性能。为此，我们提出了 NECHO，
PDF5 months ago
AAAIMDGNN：多关系动态图神经网络用于全面和动态的股票投资预测
股市是金融系统的关键组成部分，本文提出了一种名为 MDGNN 的动态图神经网络框架，结合传统方法和图模型，全面捕捉股票之间的多方面关系和随时间的演化，利用 Transformer 结构编码时间演化的多重关系，实现了最佳股票投资预测性能。
PDF5 months ago
MA2GCN：基于轨迹数据的交通预测的多邻接关系注意力图卷积网络
提出了一种新的交通拥堵预测模型 - 多邻接关系注意力图卷积网络（MA2GCN），通过将车辆轨迹数据转换为以网格形式的图结构化数据，提出了基于不同网格之间的移动性的车辆进出矩阵。同时，为了提高模型性能，还构建了一种新的自适应邻接矩阵生成方法和
PDF6 months ago
无目标复合物活性预测：基于少样本学习
设计了一种新颖的神经网络结构，以元学习大规模生物活性数据集上的连续化合物活性，并通过聚合已知化合物及其活性产生的编码来捕捉测定结果的信息。与传统的基于相似性的技术以及其他领先的少样本学习方法相比，FS-CAP 在各种无靶标药物发现设置和数据
PDF7 months ago
DESTINE: 动态目标查询与时间传导对齐在轨迹预测中的应用
在多智能体环境中准确预测道路用户的轨迹是一项具有挑战性的任务，需要建立一种能够在不同粒度进行行为推理的有效机制。本文提出了一种名为 DESTINE 的动态目标查询与时间传导对齐的方法，通过动态预测智能体的目标、生成地图兼容的轨迹预测以及使用
PDF9 months ago
预测事故严重程度：使用随机森林模型分析影响事故严重程度的因素
这项研究调查了使用随机森林机器学习算法预测事故严重程度的有效性，在大型都市地区的事故记录数据集上训练模型并使用各种指标进行评估，结果显示随机森林模型能够有效地预测事故严重程度，准确率超过 80%，并确定了模型中最重要的变量，包括风速、气压、
PDF9 months ago