简介：

简介：摘要：在现代化信息技术的支持下，计算机技术为智能人工技术发展奠定良好基础。以计算机技术为支持的智能计算技术涉及了统计学、逼近论、算法复杂论以及凸分论等学科知识，可通过计算机技术，利用自身的学习经验，在自我系统中不断完善自身性能。以计算机规律性信息数据为支持，在计算机中找到规律性信息，获取知识经验，实现计算机技术的智能化，使得计算机向人工智能方向发展。

简介：据2018年美国癌症协会统计,膀胱癌发生率居于男性恶性肿瘤发生率的第四位,及时诊断和个体化治疗可以预防膀胱癌的进展,明显提高患者生存期。研究表明利用机器学习的研究方法可以提高膀胱癌诊断的准确性、辅助临床医生选择精准治疗方案并进行预后分析。

简介：摘要针对航班延误这一航空运输业亟待解决问题，通过对航班延误影响指标的深入分析，提出基于机器学习算法解决航班延误问题。根据对大量历史数据的训练，并将机器学习分类算法与时间序列模型结合应用到数据训练，便于模型构建。结合所采集时间点的实际航班延误数对比分析评估预测模型。实验结果表明，该方法有效、精准地实现航班延误数量时间段预测及特定航班延误时间等级预测这两个业务功能，有利于机场及时进行政策方案调控，以便解决延误问题。

简介：摘要针对航班延误这一航空运输业亟待解决问题，通过对航班延误影响指标的深入分析，提出基于机器学习算法解决航班延误问题。根据对大量历史数据的训练，并将机器学习分类算法与时间序列模型结合应用到数据训练，便于模型构建。结合所采集时间点的实际航班延误数对比分析评估预测模型。实验结果表明，该方法有效、精准地实现航班延误数量时间段预测及特定航班延误时间等级预测这两个业务功能，有利于机场及时进行政策方案调控，以便解决延误问题。

简介：摘要：本文介绍了一种基于机器学习算法的智能预警预测方法。首先，通过数据融合技术获取和处理主机数据，并计算相似度和系统状态估计。接下来，引入振动诊断分析工具进行时域分析、频域分析、共振解调和频率成分分析，并具备图形输出功能。同时，利用机理诊断分析工具使用规则引擎工具，建立和优化机理模型，并实现故障预警和报警功能。通过本文的研究，可以实现智能预警预测，提高设备的可靠性和安全性。

简介：摘要：为智能体的核心是智能算法，我们便有了深入探讨智能算法主体资格的现实价值。作为当下社会功能实现所必需的智能化个体，智能算法在整个数字文明进程中所发挥的社会功能之重要性不言而喻，对其法律主体问题的回应也成为解决上述难题的根本前提。因此，有必要借此突破口以深入探索智能算法主体地位的构建，从而促进科学技术向上向善，推动全社会数字化转型和社会变革。

简介：摘要：本文探讨了深度学习与机器学习算法在通信网络中的应用。首先介绍了通信网络的基本架构，包括通信设备、传输介质和通信协议等。随后，分析了深度学习与机器学习在通信网络中的多个应用场景，包括信道估计与均衡、调制识别与解调、资源分配与功率控制等方面。在信道估计与均衡方面，深度学习算法能够准确建模复杂信道特性，提高信号接收质量。在调制识别与解调方面，深度学习通过学习大量信号样本，实现准确识别和解调调制信号。资源分配与功率控制方面，深度学习算法能够智能优化资源利用，提高系统效率。接着，讨论了机器学习算法在通信网络中的应用，包括监督学习算法在网络优化、无监督学习算法在资源管理、强化学习算法在网络控制等方面的应用。

简介：摘要：

简介：期权波动率预测是期权风险预警管理的关键问题，传统方法采取GARCH等时间序列模型。与传统方法不同，本文创建了基于机器学习算法的“SKRG递进集成”新预警体系，体系以中国波指为对象，采取48个相关指标作为对中国波指预测的特征（Feature），依次引入SVM机器学习、KNN样本不平衡机器学习、RF划分、GBDT优化完成机器学习建模过程，逐步提高预测精准率。测试样本显示，基于机器学习的预测效果好于传统的GARCH模型。本文的理论价值在于丰富了期权随机波动率预测领域的相关文献，应用价值在于为波动率的预测进而期权风险预警提供了新的方法。

简介：摘要目前肺癌已经成为全世界恶性肿瘤导致死亡的主要原因。由于肺癌患者在早期并无典型症状，多数患者在确诊时已经处于癌症晚期，预后效果不佳。尽早、准确地发现有潜在风险的患者并进行诊断，并对其预后进行准确的预测，对进一步的治疗方案的拟定有重要的意义。近年来，人工智能领域发展火热。机器学习作为人工智能领域的一个分支，具有从复杂、大量数据中进行高效学习的能力，同时学习得到的模型有良好的泛化能力。这些特点可以极大地推进肺癌的有关研究。

简介：摘要：信息技术的快速发展使我们进入了大数据时代，而知识、技术、人才和资金等的时空交换加速，使得城市生产与居民活动范围持续扩大，类型更加复杂，并促进了产业重构和空间重组，进而改变着区域和城市的空间格局。在此背景下，大数据在城市规划实践和研究中也得到越来越多的应用。

简介：摘要：多任务学习是机器学习领域中的一部分，相对于传统的单任务学习，有其独特的优势和应用场景。在现实很多的问题中，往往需要考虑不同方面带来的影响。单一的考虑一两个任务太过于局限，并且相关任务之间的共性有助于特定任务的学习过程。而多任务学习恰恰能够通过不同任务之间的联系，找到数据的共性和特性，更好地提升分类器的性能。多任务学习方法主要分为两类：共享相同的参数和共享隐藏的数据特征。目前来说，多任务学习广泛应用在多个领域，比如医疗建模，图像分类，自然语言处理和人工智能等。

简介：摘要：随着信息技术的飞速发展，以文本形式出现的信息已经越来越多，网络上电子文本的信息量呈现爆炸趋势。数据信息的飞速增长严重影响了人们充分并且快速有效地利用这些信息资源，毕竟人们已经不能仅仅依靠人工劳力迅速有效地提炼出所需的关键信息。基于机器学习的文本分类算法应用的重要性在于实现对大规模文本数据的自动化处理等方面的提升。

简介：摘要传统的生存分析方法虽在生物医学领域已有广泛应用，但需满足一些前提假设。随机生存森林方法可克服这一弱点。本文以美国梅奥诊所的肝脏原发性胆汁肝硬化的数据为例，从随机生存森林的原理、建模步骤、实例演示和适用性讨论等方面进行阐述，以期为读者进行生存分析提供新的思路和方法。

简介：在现代公安警务工作中,人脸识别是智能化目标人物排查、线索追踪的重要支撑技术。在实际应用中,公安布控人脸图像采集通常处于非合作场景。在环境因素的作用下,采集的图像相比于标准库中人脸图像往往发生噪声叠加、曝光异常以及运动模糊等降质褪化。因此,人脸识别算法的鲁棒性应当成为其有效性的重要判断依据之一。鉴于上述考虑,本文研究了几种典型机器学习算法在不同图像降质因素作用下的人脸识别性能,进一步分析了上述算法的鲁棒性。

简介：总结国内外专利文本分类情况,简要叙述基于机器学习的专利文本分类的-般框架,介绍专利文本分类的文本预处理、特征提取、文本表示、分类器构建及效果评价等过程.将应用于专利文本分类的机器学习算法分为单-分类算法和组合分类算法着重探讨单-分类算法主要有NB算法、ANN算法、Rocchio算法、KNN算法、SVM算法等;组合分类算法主要有两种组合算法,如NB-KNN算法、Rocchio-KNN算法、KNN-SVM算法、SVM-其它算法,还有多种组合算法.指出各种机器学习算法应用在专利文本分类上的优势与不足,从专利文本预处理、特征提取、专利文本表示、分类器的构建、新方法的探索等五个方面对专利文本自动分类技术进行展望.

简介：摘要：本文研究基于机器学习算法的电能负荷预测方法。通过分析电能负荷的历史数据，利用机器学习算法构建预测模型，从而实现对未来电能负荷的准确预测。本研究对比了常用的机器学习算法，如支持向量机、随机森林和神经网络，并结合实际数据对比验证了预测结果的准确性和可靠性。研究结果表明，基于机器学习算法的电能负荷预测具有较高的预测精度，并具备一定的应用潜力。

简介：摘要：传感器、卫星、移动设备、社交媒体、电子商务和互联网等，让我们充满了数据。特别是物联网，可以更快地生成大量数据。物联网是一个术语，描述了将计算机、智能设备和其他数据生成设备连接到网络并传输数据的过程。因此，数据会定期生成和更新，以反映所有领域和活动的变化。由于数据呈指数级增长，一个新的术语和概念被称为大数据。需要大数据来阐明事物之间的关系，预测未来趋势，并为决策者提供更多信息。然而，目前的主要问题，是如何有效地收集和评估大量多样而复杂的数据。在某些领域或应用中，机器学习模型是解释和分析数据以及获取重要信息的最常用方法，传统的机器学习方法本身无法成功处理大数据问题。

简介：