- 锂离子电池寿命预测的注意机制:时序和周期注意
运用注意力机制的数据驱动模型,通过电压、电流、温度和容量等易于测量的输入,准确预测锂离子电池的使用寿命。
- PlantPlotGAN:一种基于物理信息的生成对抗网络用于植物疾病预测
通过使用无人机采集的多光谱图像,我们提出了一个具有物理特性的生成模型 PlantPlotGAN,能够创建具有逼真植被指数的合成多光谱区块图像,用于植物病害检测,并且通过与真实图像训练组合,能够提高早期病害检测的准确性。
- 基于大型语言模型的阿拉伯法律裁决预测
在阿拉伯法律分析领域中,我们的研究通过使用现有最先进的大型语言模型,全面预测了一批基于商业法庭真实案例的阿拉伯法院判决。通过评估不同预训练模型和训练方法的性能,并采用不同的评估指标,我们发现基于 GPT-3.5 的模型在所有模型中表现最佳, - 利用深度学习模型预测三种步冻事件
使用深度学习模型,结合 Transformer 编码器架构和双向 LSTM 层以及不同的特征集,预测三种不同类型的步态冻结事件,最佳模型在测试数据上达到 0.427 的得分,在 Kaggle 的步态冻结预测竞赛中排名前五。
- 行人 - 车辆混合环境中的行人轨迹预测:一项系统综述
自主车辆与行人共享空间时,规划行驶路径需要考虑行人的未来轨迹。本文系统地回顾了文献中用于在存在车辆的情况下建模行人轨迹预测的不同方法,研究了与行人 - 车辆交互作用相关的特定考虑因素,并回顾了先前提出的预测模型中如何考虑预测不确定性和行为差 - 利用替代特征选择找到最佳的多样特征集
特征选择是一种流行的方法,可以获得小型、可解释且高度准确的预测模型。本文介绍了一种名为 “替代特征选择” 的方法,并将其形式化为一个优化问题。我们定义了替代特征集合的约束条件,并允许用户控制替代特征的数量和差异性。进一步分析了该优化问题的复 - 因果导向的鲁棒性:利用一般性可加介入
本文提出了一种基于因果性的分布鲁棒性方法,命名为分布鲁棒性通过不变梯度(DRIG),通过利用训练数据中的一般加性干预来实现对未见干预的鲁棒预测,自然地在分布预测和因果性之间插值。在线性设置中,证明 DRIG 在数据相关的一类分布转换中得到鲁 - 多目标复数性:资源有限情况下目标规定中的灵活性和公平性
通过建立多目标多重性理论框架,研究预测模型中目标变量选择对不同个体的结果和不同群体之间选择率差异的影响,涉及研究多元目标选择、公平性和预测倍数等方面。
- 团队 Jumbo-Visma 卡路里预测中的共形回归
运用回归模型,预测速度和功率以提供每位选手的热量需求估计,以此改进 UCI 世界巡回赛中车队教练对选手能量的估算,采用多种预测间隔的方法对预测模型进行比较且发现使用最小值和最大值计算模型的方法能有效产生紧密的预测间隔。
- 应用 API 域标签于问题追踪系统
该研究讨论了利用 API 域自动标记 Open Source 软件项目中的问题,证明了 API 域对于新手选择任务的有效性,并提出了高精度的预测模型。
- 利用机器学习技术预测病灶药物抗性癫痫切除手术短期效果
本研究采用七种不同的算法通过临床和人口统计学数据开发和测试机器学习模型,精确预测癫痫手术的预后,研究表明,基于机器学习的手术前的患者临床特征预测模型,能够精确地预测难治性病人的癫痫手术结果。通过挑选特征子集数据挖掘的监督分类机器学习策略可达 - 基于统计学和机器学习模型的实时日常排放比较研究
本文选用六种模型(灰色预测模型、ARIMA 模型、SARIMAX 模型、人工神经网络模型、随机森林模型和长短时记忆模型)对中国所有部门(电力、工业、地面交通、住宅、国内航空、国际航空)在 2020 年 1 月 1 日至 2022 年 9 月 - ECCV自主驾驶中基于运动的无监督感知与预测
本文提出一种使用自学生成流技术的框架,自动学习行驶中的自由运动的物体,以替代在自主驾驶系统中昂贵的人工标注,实现更广泛、准确、自主的交通参与者识别和动作预测。
- 基于场景的自动驾驶预测模型评估
本文研究了自动驾驶车辆的安全性评估中的预测模型。作者指出,常用的评估方法不足以准确地评估预测模型,应该采用场景评估方法进行评估。通过 Waymo 开放运动数据集的轨迹分类,作者评估了三种不同的预测模型。结果表明,应根据模型所用于的应用程序的 - 临床数据可解释人工智能方法的实证比较:以创伤性脑损伤为例的案例研究
利用结构化表格和时间序列生理数据实现了创伤性脑损伤 (TBI) 的短期和长期预测模型,使用六种不同的解释技术分析了局部和全局的预测模型,并对每种方法的优缺点进行了比较,发现 SHAP 是最稳定的,且保真度最高,但理解度低。
- 基于数据驱动的电力系统关键电压事件预测模型
该研究探讨了使用简单分类标签的数据驱动模型来预测电力系统中电压失控事件的有效性,通过将预测视为分类任务来降低计算和数据负担,并在一个真实的意大利 150 千伏输电网络部分进行了实证案例研究,证明了该方法的广泛适用性,并提供了几种广泛使用的预 - 短期股市预测的单变量和多变量 LSTM 模型
本文使用两种不同的输入方法设计了一种 LSTM 模型,以预测印度两家公司 Reliance Industries 和 Infosys Ltd 的短期股价。结果表明,使用技术指标的 Multivariate LSTM 模型可以更准确地预测未来 - 面向自动驾驶的大规模交互式运动预测:Waymo 开放运动数据集
该研究介绍了当前最全面的交互式动作数据集,包含超过 100,000 个场景,用于发展动作规划模型与提供强大的基线模型来对单独或多个交互式对象进行预测,并提供了新的度量方法。
- 多模态融合支持用户自主权,检测用户何时需要社交机器人协助
研究使用多个预测模型来预测需要协助的用户,并借助滑动窗口和随机森林分类算法的决策融合来提高其准确性,以维护用户的自主权和辅助机器人在更广泛任务设置中的应用潜力。
- 域通用中未被观察到的混淆因素计算
本文探讨了如何从多个数据集和关于基础数据生成模型的定性假设组合中学习出强健、通用的预测模型。通过定义不同的不变性特性,我们的方法旨在在未观察到混淆因素的情况下建立因果性的解,从而连接数据分布的一组仿射组合上的显式分布鲁棒优化问题。我们在医疗