机器学习方法

摘要： 伴随信息通讯技术的不断发展,如何通过提升信息赋权能力进而有效减少贫困是实践者和研究者关注的焦点,但关于信息赋权能力促进减贫的内在机制依然尚无共识。基于1990—2017年124个国家(地区)的面板数据,通过机器学习中的随机森林方法实现对控制变量的客观选取,不同的实证模型表明:信息赋权能力虽然对不同国家(地区)降低贫困发生率具有显著的正向影响,但这一影响呈现出两个临界拐点的非线性特征。进一步分析发现信息赋权能力对减贫的长、短期动态效应存在显著差异,同时这一影响机制既展现在信息赋权能力对贫困发生的外部环境改善,形成减贫的外生刺激机制,还呈现在信息赋权能力降低减贫过程中对内生环境的路径依赖机制。利用工具变量等不同稳健性检验方法验证上述结果的一致性。这一研究发现为后发国家通过信息赋权能力提升来实现发展的弯道超车提供理论与实证支撑,也为中国反贫困实践的理论提炼和经验的国际推广提供了新视角。最后讨论了本研究的理论、方法和政策层面启迪。

摘要： 科技大数据在科技创新、社会经济运行和国家安全等活动中发挥着重要的作用,其价值评估问题是目前学术界和工业界关注的难题。基于价值链理论和品牌价值理论,本文构建了科技大数据的全过程价值链模型,提出了科技大数据的核心价值链;基于科技大数据核心价值链,构建了科技大数据价值评估指标体系,并针对其中难以量化的关键指标,提出了基于社交网络分析和动态主题模型的指标测度方法,同时以科技论文数据为例验证了所提测度方法的有效性。本文研究为科技大数据价值评估难题提供了新的研究视角、理论框架和模型方法。

摘要： 随着大数据的发展,需要加强对数据的计算处理工作。云计算能够根据用户需求进行数据中心资源的分配工作,能够显著的提升资源效率和网络灵活性,节约企业的经济成本,具备较好的经济效益。要明确主机负载的变化特征,并根据不同的应用情况选择最佳的负载预测算法,历史数据的分析和采集可以采用不同的方式,定量预测是综合数理统计、概率论来进行分析,根据使用的机器学习方法来完成时间序列数据的预测,具备非常强的现实工业价值。

摘要： 知识融合是知识管理的一个重要部分,它可以融合、转换分布式的信息源,是一种将多个信息源的不同知识进行合并,从而产生新知识的过程。知识融合能对不同的知识库进行深度挖掘,实现不同知识系统资源之间的共享,从而获取有价值或可用的新知识。该文主要对知识融合的相关研究方法进行了综述。首先,对国内外研究现状进行了归纳整理并对语义规则、贝叶斯网络等知识融合算法进行了总结,对所用算法的目的和未来研究方向进行了描述。其次,重点从知识融合定义、模式、框架三个方面进行综述,意在解释当前知识融合由于多学科领域交叉,概念边界模糊,没有形成统一的框架的问题,为研究知识融合的通用框架提供了新思路。再次,详细讨论了机器学习方法、深度学习方法等知识融合的前沿方法,并结合具体的应用实例对知识融合方法的特点进行了分析。最后对知识融合领域应用状况及现阶段存在的问题和发展方向进行了总结和展望。

摘要： 针对人脸图像的性别识别领域,从准确率、计算速度、稳定性等多个角度出发,采用无监督学习、半监督学习、有监督学习等多种机器学习方法进行计算识别。将不同机器学习方法的运行结果进行统计整理,分析各个方法的优缺点。通过参数特征的对比,得出不同应用场景下的机器学习方法适用性结论,为实际应用场景提供具有参考价值的机器学习方法选择方案。

摘要： 近年来,随着高通量检测技术与机器学习方法的发展,以前瞻性队列设计为基础的纵向组学研究已经成为系统生物学研究新趋势。统计学上,纵向数据统计分析方法已经形成了系统的统计分析框架,但这些方法主要集中于变量数目小于观察单位数的低维医学纵向数据。而针对纵向组学数据,目前仍缺乏成熟的统计分析策略。本文拟对近年来国内外研究者提出的纵向组学数据统计分析方法进行介绍,并系统地总结各个方法的核心思想及优缺点,给出纵向组学数据统计分析策略。

摘要： 基于光辐射的测温技术一般工作在热辐射较强的红外波段,基于光反射的测温技术虽然可以工作在可见光波段,但目前使用条件只限于暗环境下正入射单波长的光源,而电力设备工作在日光下难以使用该技术。文中通过数字图像处理技术和机器学习方法,将热调制光反射技术扩展到不需要正入射和固定光源的情况,利用日光实现常温电力金具表面温升识别。在日光下利用3种手机拍照建立了110 kV输电线路一种金具不同日光环境(每个温度下日光照度有3种)的图像库4 500幅,3种不同金具(每个温度下日光照度一种)的图像库每种金具1 500幅,提取每张照片的三基色灰度频率分布(RGB-GLH)为特征量,分别通过支持向量机、决策树法、梯度提升法和K近邻法4种机器学习方法,建立了表面温度的识别模型。交叉验证结果表明K近邻法最优,平均绝对误差适合识别一般金具故障的温升。文中还从材料电磁特性出发,根据电磁波反射规律探讨了日光下热调制光反射温升识别技术的原理,以及利用机器学习方法处理大数据矩阵的依据。

摘要： 混杂复合材料是一种新型复合材料,其复杂的细观结构导致预测其等效热传导性能极富挑战性.本文结合渐近均匀化方法、小波变换方法和机器学习方法发展了一种新的可以有效预测混杂复合材料等效热传导性能的小波-机器学习混合方法.该方法主要包括离线多尺度建模和在线机器学习两部分.首先借助渐近均匀化方法通过离线多尺度建模建立了混杂复合材料的热传导性能材料数据库,然后利用小波变换方法对离线的材料数据库进行预处理,接下来分别运用人工神经网络和支持向量回归方法建立混杂复合材料等效热传导性能预测的在线机器学习模型.最后通过对周期和随机混杂复合材料进行数值实验,验证了小波-机器学习混合方法的有效性,数值实验结果表明小波-神经网络混合方法具有最优的预测效果和抗噪能力.此外,需要强调的是对于具有高维大规模数据特征的随机混杂复合材料,小波-机器学习混合方法不仅可以提取离线材料数据库的重要特征,还可以显著减少在线监督学习的输入数据规模并提高机器学习模型的训练效率及抗噪性能.本文建立的小波-机器学习混合方法不仅适用于混杂复合材料等效热传导性能的预测,还可进一步推广应用于复合材料等效物理、力学性能的预测.

摘要： 科学家们开发了一种可以处理大量数据以帮助现有药物找到其新用途的机器学习方法。这项科研工作的目的是为了加快药物再利用的步伐,药物再利用并不稀奇,例如最初被批准用于治疗眼疾的肉毒杆菌注射液,现在被用于治疗偏头痛和美容减皱。但是,要获得这些新用途,通常需要进行偶然性、耗时且昂贵的随机临床试验,以确保被认为对特定疾病有效的药物可用于治疗其他疾病。

摘要： 针对山丘区中小流域洪水预报面临的产流机制混合多变和模型参数难以获取的问题,提出了适用于缺资料地区的中小流域时空变源混合产流模型和基于机器学习CART的参数区域化方法.在小流域地貌水文响应单元划分基础上,利用GARTO非饱和下渗计算模型,从超渗/蓄满机制的平面混合、垂向混合和时段混合三个方面构建时空变源混合产流模型,并采用机器学习CART方法进行模型参数区域化研究.选取不同地貌类型区的15个流域和河南省19个小流域实测降雨径流资料分别对模型适用性和参数区域化方法进行了验证.结果表明,通过与国内外8个水文模型的对比验证,时空变源混合产流模型模拟平均纳什系数为0.78,比其他模型提高约20％;利用本模型和CART参数区域化方法在河南省19个流域计算的平均纳什系数为0.70,比参数随机移植结果提高了35％,本模型和参数区域化方法在山丘区中小流域洪水模拟中应用效果较好.

摘要： 本工作提出了一种利用半监督机器学习方法学习有效谱峰特征，判别谱图中关键谱峰，对蛋白质组磷酸化位点定位给出打分的方法。在国际标准合成数据上进行相关实验，证实其可比无定位步骤的传统方法提高一定的位点定位准确率，并能区分和报告不可定位谱图，是针对磷酸化位点定位问题的一个新的有效尝试。后续将进一步设法增加定位正确谱图数目，提高定位准确率。

摘要： 缩略语在自然语言中被大量应用，是未登录新词的一大“贡献者”，给自然语言处理带来了诸多困难。在汉语分词、词性标注、命名实体识别、机器翻译和信息检索等领域都受到了缩略语问题的干扰。大规模的完整形式与缩略语对照库是解决上述问题的重要资源。从完整形式出发推导缩略形式是构建对照库的途径之一。这一过程也称为缩略语预测。在自然语言中广泛使用的缩略语是重要的新词来源之一,成为了自然语言处理的一大问题.本文研究了从完整形式预测缩略语形式的方法.首先,使用CRF模型对完整形式预测,形成一定量的缩略候选,再利用搜索引擎得到的结果信息对各候选依次评估,通过打分和重排序,选择最终缩略结果.实验结果表明,增加网络信息之后,预测的缩略语准确率(top-1)可以提高5个百分点。

摘要： 机器学习方法可分为人工智能方法与数学方法两大类,数学方法中基于统计的学习方法近年来蓬勃发展.本文阐述了传统的统计学习方法及其进展、人工智能中的应用

摘要： 由于多示例学习能够有效处理图像的歧义性，因此本文提出一种基于多示例学习理论(MIML)机器学习的通用目标分类方法。该方法将图像作为多示例包，首先将图像分成四区域，然后分别统计各区域的直方图边界分布，这些直方图分布信息作为示例向量生成测试图像包，使用多示例学习算法(MIML方法)进行学习，并实现通用目标的识别。实验表明，在多类的通用目标分类中。本文的方法比传统的支持矢量机(SVM)分类方法平均分类准确率提高3%。

摘要： 由于多示例学习能够有效处理图像的歧义性，因此本文提出一种基于多示例学习理论(MIML)机器学习的通用目标分类方法。该方法将图像作为多示例包，首先将图像分成四区域，然后分别统计各区域的直方图边界分布，这些直方图分布信息作为示例向量生成测试图像包，使用多示例学习算法(MIML方法)进行学习，并实现通用目标的识别。实验表明，在多类的通用目标分类中。本文的方法比传统的支持矢量机(SVM)分类方法平均分类准确率提高3%。

摘要： 由于多示例学习能够有效处理图像的歧义性，因此本文提出一种基于多示例学习理论(MIML)机器学习的通用目标分类方法。该方法将图像作为多示例包，首先将图像分成四区域，然后分别统计各区域的直方图边界分布，这些直方图分布信息作为示例向量生成测试图像包，使用多示例学习算法(MIML方法)进行学习，并实现通用目标的识别。实验表明，在多类的通用目标分类中。本文的方法比传统的支持矢量机(SVM)分类方法平均分类准确率提高3%。

摘要： 由于多示例学习能够有效处理图像的歧义性，因此本文提出一种基于多示例学习理论(MIML)机器学习的通用目标分类方法。该方法将图像作为多示例包，首先将图像分成四区域，然后分别统计各区域的直方图边界分布，这些直方图分布信息作为示例向量生成测试图像包，使用多示例学习算法(MIML方法)进行学习，并实现通用目标的识别。实验表明，在多类的通用目标分类中。本文的方法比传统的支持矢量机(SVM)分类方法平均分类准确率提高3%。

摘要： 由于多示例学习能够有效处理图像的歧义性，因此本文提出一种基于多示例学习理论(MIML)机器学习的通用目标分类方法。该方法将图像作为多示例包，首先将图像分成四区域，然后分别统计各区域的直方图边界分布，这些直方图分布信息作为示例向量生成测试图像包，使用多示例学习算法(MIML方法)进行学习，并实现通用目标的识别。实验表明，在多类的通用目标分类中。本文的方法比传统的支持矢量机(SVM)分类方法平均分类准确率提高3%。

摘要： 本发明中：观测状态变量，该状态变量包含关于成膜的性能评价的至少1个物理量、以及至少1个成膜条件；根据所述状态变量，计算对所述至少1个成膜条件的决定结果的回报；根据所述回报，更新用于根据所述状态变量决定所述至少1个成膜条件的函数；通过反复进行所述函数的更新，从而决定获得所述回报最多的成膜条件；其中，所述至少1个成膜条件是关于真空排气系统的第1参数、关于加热冷却系统的第2参数、关于蒸发源系统的第3参数、关于工作台系统的第4参数、以及关于工艺气体系统的第5参数中的至少1个，所述至少1个物理量是关于皮膜的膜质特性、机械特性、以及物理特性中的至少1个。

摘要： 本发明以高精度预测ADNC患者将发展成为阿尔茨海默病的可能性。本发明提供一种根据机器学习的预测算法(D4)预测患有ADNC的受试者将在规定时间之内发展成为阿尔茨海默病的可能性的诊断辅助装置(2)，该诊断辅助装置(2)包括预测受试者将在规定时间之内发展阿尔茨海默病的可能性的预测单元(23)。

摘要： 具备：取得包含基板在装置内的位置及在各单元内的经过时间的状态信息的状态信息取得部；具有预测在某个状态下对于进行是否从匣盒取出新的基板及搬送至哪个处理单元的行动的价值的预测模型，并将取得的状态信息作为输入，基于预测模型选择一个行动的行动选择部；以进行所选择的行动的方式发送指示信号的指示信号发送部；取得包含处理片数与等待时间的动作结果的动作结果取得部；及以处理片数越多且等待时间越短则报酬越大的方式基于取得的动作结果来计算报酬，并基于该报酬来更新预测模型的预测模型更新部。

摘要： 本发明涉及的机器学习方法，获取包含与混炼物的性能评估相关的至少一个第一评估参数和至少一个混炼条件的状态变量；基于状态变量计算对至少一个混炼条件的决定结果的报酬；基于报酬更新用于根据状态变量决定至少一个混炼条件的函数；通过反复更新函数，决定最多地获得报酬的混炼条件，其中，至少一个第一评估参数包含有关混炼物的物理特性以及形状特征的至少其中之一。

摘要： 本发明提供一种提高自动光学检测设备的图形检测准确率的机器学习方法，包括：步骤一、获取零件的照片；步骤二、对照片进行预处理形成照片数字信息；步骤三、依照片数字信息建立机器学习模型；步骤四、将照片数字信息输入至机器学习模型进行判断；步骤五、校验所述机器学习模型判断结果的准确率；步骤六、根据机器学习模型判断结果的准确率对所述机器学习模型进行调整优化；步骤七、优化后的所述机器学习模型重复执行步骤四至步骤六直至机器学习模型判断结果的准确率达到预设值。

摘要： 本发明涉及机器学习程序、机器学习方法以及机器学习装置。进行训练数据的离散化，以便模型精度提高。关于将标签信息与多个数据项目的数据项目值的组合建立关联的多个学习数据，对每个数据项目将数据项目值转换为基于规定的基准离散化后的离散化数据值。使用转换后的多个学习数据执行学习将离散化数据值作为输入进行关于标签信息的判定的模型的学习处理。从学习处理的执行结果获取示出多个数据项目中的用于判定的两个以上的数据项目的组合的不同的多个特征信息、和示出多个特征信息各自的重要性的指标值。基于指标值选择一个以上的特征信息，基于选择出的一个以上的特征信息来变更用于数据项目值的离散化的基准。

摘要： 本发明提供机器学习方法、机器学习装置以及机器学习程序。机器学习方法获取包含有关树脂的颗粒状态的物理量和处理条件的状态变量，基于状态变量，计算出对处理条件的决定结果的奖励，基于计算出的奖励更新用于根据状态变量决定处理条件的函数，通过反复进行函数更新，从而决定获得奖励最多的处理条件。据此，不依靠熟练的技术人员的长年的经验，也能容易地决定对所要求的树脂的颗粒状态的适当的处理条件。

摘要： 本发明提供机器学习程序、机器学习方法以及机器学习装置，通过使计算机执行如下处理能够避免过学习，即，对多个数据进行聚类；通过使用了通过聚类分类为第一组的数据的机器学习生成模型；以及使用通过聚类分类为第二组的数据，验证生成的模型的输出精度。

摘要： 提供了一种机器学习系统、机器学习设备和机器学习方法，用于对人的行为和人周围的环境之间的相关性进行机器学习，以便促进从人的行为到目标行为的转变。本技术提供了一种机器学习系统，至少设置有：状态获取单元，至少获取关于人的行为的状态信息；评估单元，评估关于当获取状态信息在人周围的环境的环境信息和状态信息时，以便获得价值函数；以及机器学习分类器，对价值函数执行强化学习，并且选择当价值函数最高时的环境信息，以便鼓励行为到目标行为的转变。

摘要： 提供从多个设备取得参数数据而增加训练数据的数量且学习精度高的机器学习装置、机器学习系统、机器学习方法及存储介质。机器学习装置具备：取得部，取得包含第一数据和与所述第一数据建立了关联的第二数据的第三数据，所述第一数据包含关于多个收集设备收集到的参数数据及根据所述参数数据而制作出的训练数据中的至少一方，所述第二数据表示所述参数数据的收集条件；选定部，从所述第三数据选定特定的数据；及学习部，使用所述特定的数据来进行机器学习，生成对对象设备使用的已学习模型，所述选定部选定与相对于所述对象设备的所述已学习模型的使用条件和所述收集设备中的所述收集条件比规定基准接近的所述收集条件建立了关联的所述特定的数据。