-
點內科技:基於3D深度學習自動預測肺腺癌EGFR突變狀態,預測精準度...
2019年7月，國際期刊CancerMedicine以封面文章的形式，刊登了點內科技、復旦大學附屬華東醫院、上海交通大學等多單位的最新聯合研究成果，《基於3D深度學習自動預測肺腺癌EGFR突變狀態》，研究顯示預測精準度超過傳統影像組學。
-
人工智慧可預測患者壽命!精準度與醫生相當
據連線雜誌報導，阿德萊德大學的研究者開展了一項史無前例的研究，使用人工智慧預測人類壽命，其精準度與醫生相當。人工智慧通過分析患者胸部影像預測未來五年內哪些病人會死亡，精確度為69%，與人類醫生判斷的精準度相當。
-
遠傳技術研發出溫度相關呼叫中心話務量預測模型
近日，杭州遠傳通信技術有限公司研發出一種多因素話務預測模型—溫度相關預測模型。該模型是在行業內通用話務預測方法的基礎上，首先計算溫度修正係數，然後綜合考慮當地氣溫、周規律、月規律、法定節假日、同期增長趨勢等因素。該模型被編製成相關算法，並在算法中實現了公曆日期轉農曆日期，從而能夠較好的預測時段話務量，特別是受天氣影響較為顯著的行業的話務量。
-
基於GWO-BP-CNN-ec的風電功率短期預測模型*
通過仿真分析得出，基於GWO-BP-CNN-ec的組合模型預測效果優於單一CNN，GWO-CNN及GWO-BP-CNN，然後對比了基於BP、Elman、小波神經網絡的淺層網絡預測模型與基於CNN的深層網絡組合預測模型的預測效果，驗證出了深層CNN網絡在預測方面的精度優勢，在高風速段時尤為明顯。證明深層卷積神經網絡組合模型對風電短期功率預測精度的提升有顯著作用。
-
臨床預測模型:模型的建立
建立預測模型前，研究者應該系統檢索文獻，收集整理已經報導的預測因子以備用。目前並無廣泛認可的最優統計方法篩選預測因子，常見的預測因子篩選策略有兩種：全模型策略或者篩選模型策略。全模型策略是將所有的潛在因子納入統計模型，且不進行篩選。
-
基於深度神經網絡的脫硫系統預測模型及應用
目前主流的脫硫系統神經網絡模型也大都以脫硫率預測結果來評價模型的性能。故本模型將預測的出口SO2濃度轉化，增加脫硫率指標，一則貼近現場需求，二則方便與其他模型預測性能進行比較。圖 12 不同網絡預測 pH 和脫硫率誤差主要指標對比如圖 12，本文提出的深度神經網絡模型對於 pH 的預測值 RMSE=0.0947,優於深度 BP 的 0.116
-
論文推薦王苗苗:無縫線性回歸與預測模型
E-mail:5wmmgps@tongji.edu.cn通信作者： 李博峰bofeng_li@tongji.edu.cn摘要：建立回歸模型常採用最小二乘方法並忽略自變量觀測誤差。儘管同時顧及自變量和因變量觀測誤差的總體最小二乘方法近年來得到了廣泛研究，但在模型預測時，依然忽略了待預測自變量的觀測誤差。
-
AI新知 | 斯坦福人工智慧模型實現地震的精準預測
隨著技術的不斷進步，雖然地震預測的精準度不斷得到提升，但地震預測對人類來說依然是一道難題。它建立在哈佛和谷歌的工作基礎之上，後者在8月創建了一個人工智慧模型，能夠預測大地震發生後一年內餘震的位置。研究人員開發的人工智慧模型主要包括兩種神經網絡層（互連的處理節點組成，模仿大腦中神經元的功能 ）：卷積神經網絡和遞歸神經網絡。前者從地震儀數據中提取特徵，而後者學習地震儀數據的順序特徵，並且可以結合記憶輸入提高其預測的準確性。
-
基於預測模型的COMEX黃金期價實證分析
建立ARMA預測模型的目的在於確定模型的係數之後，根據相對較少的數據集對COMEX黃金期貨價格走勢進行預測，但ARMA預測模型的缺點也同樣明顯，那就是未考慮其他相關變量的影響。在市場經濟活動中，黃金價格的變化往往受多種因素的影響，一個因變量和一個或幾個自變量有存在依存關係的情況，而且有時幾個影響因素主次難以區分，通常採用多元回歸模型進行分析。
-
預測模型的偏倚風險考慮和PROBAST
疾病的發生、進展或者預後，我們一樣需要去對其進行預測，於是便出現了各式各樣的預測模型。隨著更大量數據的積累和各種算法的跟進，預測模型又有了「更多的原材料」和「更好的加工方法」。預測的準不準，是評價預測模型好壞的關鍵。那麼準不準會受到哪些影響因素呢？
-
基於人類歷史發展的數學模型，能否預測未來？
但是隨著勞動的積累，人們又發現可再生資源對於生活質量的改善又優於枯竭資源。這就是為什麼人類社會不約而同地發展到了農業時代。「實際上，這裡比較的就是可再生資源與枯竭資源所帶來的經濟效益的大小。」程曉舫說。而接下來遇到的問題就是，當生產出現剩餘後，如何將剩餘再轉化到經濟當中去成為資本，就由國家制度所決定了。很多對此不以為然的古文明也就消失了。
-
谷歌天氣模型MetNet 可預測未來8小時降水量
在最新一期谷歌AI博客中，官方介紹了一款可以快速準確預測未來8小時內將水量的天氣模型MetNet，並表示該模型性能優於美國國家海洋和大氣管理局(NOAA)目前使用的最先進的物理模型，MetNet能在幾秒鐘內對整個國家進行預測，而此前則需要一個小時左右。
-
混合時空圖卷積網絡:更精準的時空預測模型|KDD2020
H-STGCN經由端到端的訓練，可具備基於計劃中交通流量信息預測未來擁堵的能力。利用真實交通數據集進行實驗可驗證，H-STGCN的效果顯著優於各種前沿模型。2混合時空圖卷積網絡，獨創域轉換器和複合鄰接矩陣1、整體框架圖 4 展示了H-STGCN的整體框架。模型輸入由兩個特徵張量組成，理想未來流量和通行時間張量。
-
《在線速遞》人工智慧模型或可預測急性腎損傷
該模型的預測先於急性腎損傷確診48小時，雖然每個真陽性預測結果伴隨兩個假陽性預測結果。除了預測急性腎損傷外，該模型還提供了置信度評估和每個預測最突出的臨床特徵列表，以及臨床相關血液檢測的預期趨勢。我們知道，雖然對急性腎損傷的識別和及時治療具有挑戰性，但是該方法或能提供一種機會，在一定時間窗內，及時發現有病情惡化風險的患者，並實施早期治療。
-
...知識計算解決方案,讓鋼企一年省2000萬,合金成分預測精準度超 95%
根據預測，到 2025 年，全球 AI 空間市場將達到 3800 億美金，其中 90% 將來自於企業市場。趨勢大家都能看到，但問題就在於 AI 要如何與行業融合。目前國內對 AI 的研究大多集中在晶片、算法等底層技術或者自動駕駛等頂層應用上。
-
Google發布神經天氣模型 幾秒鐘預測整個美國降水量
神經氣象模型 MetNet 的結構結果研究人員根據一個降水率預測基準對 MetNet 進行評估，並將結果與兩個基線進行比較：NOAA 高解析度快速刷新 HRRR 系統，這是目前在美國運行的物理天氣預測模型；一個估計降水場運動（即光流）的基線模型，它是一種在預測時間少於 2 小時時，
-
Google發布神經天氣模型,幾秒鐘預測整個美國的降水量
近日，在先前對降水量預報的研究基礎上，Google 提出了 MetNet，這是一種用於降水預報的神經天氣模型。這種 DNN 能夠在未來 8 小時內以 1km 的解析度預報降水量，時間間隔為 2 分鐘。MetNet 的預測時間比 NOAA 目前使用的最先進的基於物理的模型提前了 7-8 小時。它可以在幾秒鐘內對整個美國的降水量進行預測，而 NOAA 需要花費一小時。
-
數據建模中分類與預測模型
因此，本文基於上期數據預處理部分之後，介紹如何在清洗過後的數據基礎之上建立分類與預測模型，為此種模型的構建方法進行簡單介紹，輔助投資者對自身分析邏輯中的分析框架進行量化分析，方便其多元化的交易分析。 一、分類與預測的介紹 數據建模中分類與預測模型主要是尋求合適的分類模型並在此基礎之上進行未來預測。
-
谷歌官方公布:票房預測模型
谷歌公布了一項重要研究成果–電影票房預測模型。該模型能夠提前一個月預測電影上映首周的票房收入，準確度高達94%。這在業內引起了強烈討論，不少內人士認為該模型非常適合好萊塢電影公司通過預測票房來及時調整電影營銷戰略，但同時也有吐槽者暗示谷歌的票房預測模型別有用心，旨在鼓動電影公司購買其搜尋引擎廣告。那麼，孰是孰非，谷歌票房預測模型以及大數據在電影行業的應用是噓頭，還是大有來頭，讓我們來一探究竟。
-
如何使用XGBoost模型進行時間序列預測
XGBoost也可以被用於時間序列預測，儘管它需要將時間序列數據集先轉換成監督學習問題。它需要用到一種被稱為前進式驗證的特殊方法來評估模型，因為使用k折驗證來評估模型容易導致偏向樂觀的結果。本教程中，你將探索如何為時間序列預測開發一個XGBoost模型。