关键词predictive capabilities
搜索结果 - 9
- 多维度和不平衡数据集的稳健预测模型
数据挖掘是一个有前景的领域,并且在多个领域中应用其预测能力。该文献提出了一种强大的预测模型,用于找到相关属性集,并解决了真实数据集的多维性和不平衡问题,帮助进行明智的决策。该模型在健康领域、教育、商业和欺诈检测领域的五个不同数据集上进行了测 - 基于机器学习的模拟退火优化 TPMS 构造材料
通过机器学习和模拟退火方法,本研究提出了一种优化三维周期性最小曲面结构的拉伸应力的新方法。评估了随机森林、决策树和 XGBoost 模型在预测拉伸应力方面的性能,使用来自有限元分析的数据集生成。结果表明,SA-XGBoost 模型在捕捉数据 - 物理信息对神经网络在水力建模中的泛化能力的影响
神经网络在河流水力学中的应用尚不成熟,尽管该领域存在数据稀缺等机器学习技术挑战。因此,本研究旨在通过在训练阶段引入物理信息来缓解这一问题,并展示了这种方法可以提高预测能力。
- VQSynery:基于向量量化机制的稳健药物协同作用预测
本研究提出了 VQSynergy 框架,利用向量量化(VQ)机制、门控残差和定制的注意机制来增强药物协同效应预测的精确性和泛化能力,结果表明 VQSynergy 在鲁棒性方面超过现有的模型,尤其是在高斯噪声条件下,强调其在药物协同研究的复杂 - 临床环境下脓毒症发作的早期预测
采用机器学习模型来预测感染性休克的早期发生,利用来自纽约布朗克斯 Montefiore 医疗中心的非身份识别的临床数据。
- 供应链风险评估中的人工智能:系统文献综述和计量分析
供应链风险评估 (SCRA) 通过整合人工智能 (AI) 和机器学习 (ML) 技术取得深刻的发展,彻底改变了预测能力和风险缓解策略,这一进化的重要性源于稳健的风险管理策略在确保现代供应链的运营韧性和连续性方面的关键作用。
- 贝叶斯神经网络初识:评述与争议
神经网络在各个问题领域取得了显著的表现,但其普适性受到其内在限制的阻碍,如预测上的过度自信、解释能力的欠缺和对对抗攻击的易受攻击性等。为了解决这些挑战,贝叶斯神经网络(BNNs)已成为传统神经网络的引人注目的扩展,在预测能力中整合了不确定性 - 从深度学习到神经科学的机械理解:视网膜预测的结构
通过对感知神经元输入输出映射建模的深度前馈神经网络提出新的计算机制提取系统方法,将此方法应用于视网膜深层网络模型。研究揭示了视网膜的预测特征提取以及各种时空刺激下信号偏离期望的计算机制,为神经科学深度学习研究提供了 新的理论基础和研究方向。
- 神经跳跃随机微分方程
本文提出了一种名为神经跳跃随机微分方程的数据驱动方法,用于学习连续和离散动态行为,即同时具有流动和跳跃的混合系统,并在几个合成和真实世界的标记点过程数据集上展示了其预测能力。