prediction | BriefGPT - AI 论文速递

关键词prediction

搜索结果 - 288

基于异质因果元路径图神经网络的基因 - 微生物 - 疾病关联预测
利用异构因果元路径图神经网络 (HCMGNN) 预测基因 - 微生物 - 疾病 (GMD) 关联，并通过提升图的语义和结构来解决关联稀疏性问题。
PDF5 days ago
缺失偏移下的稳健预测
预测表现受到缺失协变量的影响，处理缺失数据的方法选择会极大地影响模型性能。研究发现，具有信息性缺失值的模型可以实现最佳的预测性能，但实际部署后缺失值产生的原因可能会发生变化，此时基于缺失的条件概率在目标数据中会有所不同。因此，如果缺失值的产
PDF8 days ago
利用贝叶斯网络结构学习研究败血症潜在原因
通过结合临床专业知识与基于评分、基于约束和混合结构学习算法，该研究研究了可能受政策决策影响的败血症潜在原因的潜在因果结构，并发现慢阻肺、酒精依赖和糖尿病等风险因素的存在会增加患者患败血症的可能性，从而对政策具有潜在影响。通过评估模型在预测败
PDF19 days ago
预测信息需求的实现：一项脑电图研究
利用脑电图数据预测信息需求的实现，对实时预测信息需求的实现进行研究，提高信息检索实践的可行性。
PDF20 days ago
人口动态的在线控制
基于在线控制的新框架提出来，用于人口控制研究，以解决现有数学模型仅限于特定、无噪声动力学情况而实际人口变化复杂和对抗性的问题。通过使用一组线性动力系统和基于梯度的控制器，实证评估结果验证了该算法在包括 SIR 和复制者动力学的非线性模型中对
PDFa month ago
基于异构信息完整化和卷积神经网络的长非编码 RNA 与疾病相关性预测方法
通过建立一个基于异质网络和卷积神经网络（CNN）的深度学习模型，预测长链非编码 RNA - 疾病关联 (LDAs)，该模型名为 HCNNLDA。试验结果显示，HCNNLDA 比几个最新的预测模型具有更好的性能，并且通过三种疾病的案例研究进一
PDFa month ago
基于 Bert、Roberta 和 Xlnet 的分子性质预测集成模型
提出了一种新的方法，通过集成学习和 BERT、RoBERTa 和 XLNet 的监督微调，无需进行大量预训练即可高精度预测分子属性，解决了实验组面临的计算资源有限的问题，提供了一种具有成本效益和资源高效的解决方案，可能推进分子领域的进一步研
PDFa month ago
使用 Fitzpatrick Losses 学习
引入了 Fitzpatrick 损失函数，它是一种基于 Fitzpatrick 函数的新型凸损失函数，与 Fenchel-Young 损失函数具有相同的链接函数，但更紧致，同时保持预测的链接函数。
PDFa month ago
基于半监督学习的心脏磁共振图像自动诊断
该研究论文介绍了一种用于心脏图像的自动分割和辅助诊断的半监督模型，通过利用心脏 MRI 图像和仅需少量标注图像数据，实现了对心脏图像的全自动、高精度分割，特征提取，临床指数计算和疾病预测，并展示该模型在分割和预测中的高准确性，具备实际指导和
PDFa month ago
空间自回归模型的迁移学习
本文提出了一种新的转移学习框架，借助相似的源数据改善空间自相关模型的估计和预测精度，包括一个转移阶段和一个去偏阶段的两阶段算法用于估计未知参数，并建立了相应估计器的理论收敛速度；如果不知道哪些源数据需要转移，提出了一种基于空间残差自助法的可
PDFa month ago
AMCEN: 一个基于注意力屏蔽的对比事件网络用于两阶段时间知识图推理
提出了基于注意力掩蔽的对比事件网络（AMCEN），通过局部 - 全局时间模式对未来事件进行两步预测，以更准确地推理时态知识图谱中的事件，从而解决数据集中新事件和重复事件之间不平衡影响推理准确性的问题。在 AMCEN 网络中，设计了历史和非历
PDF2 months ago
通过 H3 索引和因果语言建模（CLM）改进海上轨迹预测
利用 GNSS 位置信息，本研究将船舶轨迹预测问题视为自然语言处理问题，通过 H3 指数将经纬度坐标转换为单元格标识符，并借助伪八进制表示使语言模型更容易学习 H3 指数的空间层次结构，该方法与传统的 Kalman 滤波器进行了比较，并引入
PDF2 months ago
公平广义线性混合模型
使用机器学习进行自动预测时，公平性对于预测是很重要的。本文提出了一种算法，可以同时处理数据分层抽样和公平机器学习预测质量的问题。
PDF2 months ago
基于时间融合变压器的机场延误预测
采用新型时间融合变压器模型，对美国前 30 个机场的 15 分钟级别的到达延误进行数值预测，并分析模型输出的重要输入因素。
PDF2 months ago
野火风险预测综述
野火对全球植被、野生动物和人类有重要影响，破坏植物群落和野生动物栖息地，并导致二氧化碳、氮氧化物、甲烷和其他污染物的排放增加。本技术综述描述了野火预测所依赖的独立变量的选择、数据处理技术、模型、独立变量的共线性和重要性估计方法以及模型性能评
PDF2 months ago
等变极限学习机快速高效预测偏微分方程
利用极限学习机（ELM）对偏微分方程（PDEs）进行预测，将状态空间分成多个窗口，通过单个模型分别进行预测，即使只有少量数据点，仍能达到很高的准确性，可以预测长时间范围内的 PDEs 流动。此外，我们展示了如何利用附加的对称性增强样本效率和
PDF2 months ago
利用机器学习的数字化孪生模型用于预测和决策优化：在污水处理中的应用
利用预测和优化技术可以提高城市公共事业中污水处理的操作效率。
PDF2 months ago
基于不确定性感知的贝叶斯神经网络实用电池健康监测
基于贝叶斯神经网络和传感器数据，本研究针对电池健康监测和终端寿命预测进行建模，在实验中验证了建议模型的有效性，预测误差率平均值为 13.9%，对特定测试电池可降至 2.9%；同时，预测结果包含可量化的确定性信息，从电池初始到中期使用阶段提高
PDF2 months ago
开发预测模型识别非骨折手术后患者无法愈合
通过应用机器学习模型（逻辑回归、支持向量机和 XGBoost）于包含 797 名长骨不愈合患者的 TRUFFLE 临床数据集，我们得出了具备 70% 敏感性以及 66%（XGBoost）、49%（支持向量机）和 43%（逻辑回归）特异性的预
PDF2 months ago
基于张量分解的多药联合副作用预测
药物联合使用引起的不良反应是现代医学中一个日益普遍的现象，对其准确预测的挑战至关重要。尽管存在大量计算方法来解决这个问题，但由于问题的多项式特性，仅依靠实验室的方法无法满足需求。我们将三种张量分解模型应用于基准数据集，与现有技术进行比较，发
PDF2 months ago