跳到主要内容
检索

# 机器学习

8 篇关联报道

订阅更新
  1. researchsquare.com

    水泥碳化养护的净碳账要重算:同一吸收量下,五种CO₂供应情景的盈亏分界从0.314到2.047 kg CO₂/kWh

    水泥碳化养护能把CO₂存进材料,但净碳收益取决于CO₂供应与养护本身的排放。研究把461条文献吸收数据统一到含骨料的原材料质量基准,用八种材料与养护描述符比较八种回归模型,并把预测吸收量与供应、运输、养护排放耦合起来。在一个示例预测吸收量0.231 kg CO₂/kg原材料、假定材料质量2400 kg/m³下,电力碳强度为0.05 kg CO₂/kWh时五种供应情景净收益为0.189–0.219 kg CO₂/kg原材料,电力碳强度升到0.40 kg CO₂/kWh时其中两种转为净排放;五种情景的盈亏分界电力碳强度为0.314–2.047 kg CO₂/kWh。

  2. 加拿大林火危险图不再等一年:AI仿真器几小时内复现BurnP3+结果

    加拿大林火危险图过去靠BurnP3+逐次模拟数百万次点火,全国制图耗时一年多。加拿大林务局与Mila合作训练的AI仿真器在数秒内复现该模拟器结果,按硬件不同快806至3400倍,一年任务缩到2至11小时。它不替代BurnP3+,而是先快速筛参数,再由原模拟器精确计算。

  3. 阴道菌群失衡不必只靠抗生素:两株植物乳植杆菌在小鼠体内把加德纳菌压低到接近健康水平

    从母乳、婴儿粪便和发酵食品分离的88株乳杆菌中,筛出两株植物乳植杆菌CYLB2146与CYLB2189,它们对加德纳菌、无乳链球菌、淋病奈瑟菌和念珠菌有抑制作用,并降低阴道上皮细胞的炎症因子。在小鼠细菌性阴道病模型中,活菌及其无细胞上清液处理5天后把加德纳菌载量从对照的51.2倍和41.6倍降到3.2倍、11.1倍与3.2倍、0.7倍,第10天进一步接近健康水平。

  4. arXiv

    XGBoost分类器在ALMA带通校准异常检测中把漏检率与误报率同时降低

    该工作把ALMA带通校准异常识别建模为监督分类任务,用XGBoost在基于Nadarya-Watson核回归扫描统计量的特征与专家特征上学习非线性决策边界,在Cycle 9的42,286个极化对样本上以执行块级嵌套交叉验证评估,相比现行ALMA管线子带启发式在19,567个FDM极化对样本上把漏检率与误报率同时降低,并在约大一个数量级的Cycle 11数据上给出与新波段Band 1一致的泛化表现。

  5. arXiv

    一个点云抓取策略在液压林业起重机上清空原木堆,BC与BCRL分别回收93.8%和88.9%库存,超过几何启发式的80.4%

    该工作训练一个在未分割点云上分类抓取点并预测深度与偏航的网络,用行为克隆(BC)、其强化学习微调(BCRL)和从零强化学习三种方式在仿真中学习清空200根原木的密堆,并在拖车式液压林业起重机上完成12次现场试验:BC与BCRL分别回收93.8%和88.9%的合并库存,高于几何启发式的80.4%,BCRL的循环成功率83.6%也高于启发式的79.6%和BC的65.7%,但微调在仿真中获得的负载稳定性优势未迁移到起重机试验台。

  6. arXiv

    S3N 用有限元 LL–HP 映射与四螺旋状态空间扫描,把 10 天预报 nRMSE 降到 0.5177

    该工作提出 S3N 球面螺旋扫描网络,用基于曲面有限元的 L2Proj 在经纬度网格与 HEALPix 等面积网格之间双向映射大气场,并用跨纬度注意力引导的四条极到极螺旋路径选择性状态空间扫描实现跨基面信息传播;在 ERA5/WeatherBench 2 上,S3N 在 4、7、10 天预报取得更低 nRMSE(10 天 0.5177,对比 OneForecast 的 0.6398),且误差增长更慢,但 6 小时与 1 天短期精度不及部分对比模型。

  7. Pain Management

    用面向小样本的机器学习框架识别脊柱疼痛脊椎按摩治疗结局的候选预测因子

    这项前瞻性队列研究纳入96名脊柱疼痛患者,在基线及1个月、3个月填写涵盖疼痛、情绪、睡眠、生活方式与治疗期望的问卷,以3个月时疼痛强度、功能障碍、生活质量与患者整体印象改善四个方面的二分恢复结局为目标,采用包含SHAP候选特征筛选、留一交叉验证与置换检验、泛化能力测试三步的机器学习框架,结果显示留一交叉验证AUC为0.93-0.99、集成交叉验证AUC为0.62-0.90,SHAP分析提示治疗期望积极、自我效能较高、年龄较轻、体质指数较低、合并症较少者恢复几率更高,心理功能障碍总体不利于恢复,而疼痛部位与疼痛持续时间对预测似乎不重要。

  8. Neurosurgical Review

    人工智能在三叉神经痛中的应用:三叉神经分割与神经血管冲突检测的系统综述与荟萃分析

    该系统综述与荟萃分析汇总了5项研究、共577例确诊三叉神经痛患者,评估深度学习与机器学习模型在MRI上自动分割三叉神经并检测神经血管冲突的诊断表现,合并敏感度为71%(95% CI: 65-76%)、特异度为92%(95% CI: 88-94%)、AUC为0.91(95% CI: 0.88-0.93),提示AI模型在该任务上具有较高的诊断准确性。

已读完全部报道