关键词： 反馈神经网络   支持向量机   高斯处理   柴油-天然气双燃料发动机  

摘要： 为了提高六缸重型柴油-天然气双燃料发动机的性能、减少污染物排放,使用反馈神经网络、支持向量机和高斯处理3种先进的机器学习方法来建立以发动机的转速、扭矩、柴油预喷提前角、柴油预喷比例和天然气替代率作为输入,以NO_(x)、CO_(2)和比油耗作为输出的预测模型,对比3种机器学习模型的预测结果。结果表明:高斯处理(Gaussian processing, GP)模型的预测精度最高,其输出变量的总体决定系数分别为0.960 1、0.991 9和0.993 5,相比于反馈神经网络(feedback neural network, FNN)和支持向量机(support vector machine, SVM),NOx预测精度分别提高3.7%和2.6%,CO_(2)排放预测精度提高约3%,比油耗(brake specific fuel consumption, BSFC)预测精度分别约提高4%和8%;GP模型预测NO_(x)、CO_(2)和BSFC的总体均方相对误差均小于0.13,总体平均绝对百分比误差均小于0.1%。

关键词： 两相流   流型   汽泡尺寸分布   机器学习   输入特征  

摘要： 研究流动沸腾两相流动形态对封闭反应堆安全分析程序关键本构模型具有重要意义。本文基于非监督机器学习流型识别方法,提出将两相流物理知识融入数据驱动的机器学习模型,并构建输入特征的挑选原则:①机器学习在输入特征中捕捉到的应为流型相关信息;②机器学习的聚类准则应包络该流型下输入特征的所有可能性。依据挑选原则分析电导探针信号生成的汽泡分布特征,确定汽泡弦长累积分布函数数据可用于非监督机器学习流型判断。依据流型识别结果,获得了竖直环形流道内流动沸腾的二维局部流型特性,发现高位局部流型出现在流道中心位置并偏向内加热壁面;并判别了流道截面的全局流型,结果表明流动沸腾泡状流至弹状流的流型转变出现在空泡份额约为0.14位置。

关键词： 地震破坏预测   破坏状态预测   机器学习   随机森林算法   新西兰地震损失数据  

摘要： 地震破坏预测研究对于建筑结构减灾规划、震前风险预测、震后应急评估有着重要意义。传统的方法因为受到震害资料数量的限制以及计算精度和能力的制约,一般基于经验只考虑少数因素对结构破坏的影响。通过使用随机森林算法,设计了一个综合考虑地震动、结构和场地等多维度信息的分类方法,用以预测建筑物的地震破坏程度。本文研究框架基于新西兰国家地震委员会所收集的27次地震详细破坏资料,处理得到14.2万条高质量建筑物损失数据,考虑了谱加速度、建筑形状、层数等16个影响因素,将4种不同的损伤状态作为模型的学习标签进行地震破坏预测训练。结果表明,随机森林算法在6种分类算法中性能最佳,经过学习曲线法调参、代价敏感学习之后,经过优化得到的随机森林模型对于测试集的整体预测精确率可以达到75.4%,对4种损伤标签的召回率分别达到了88.2%、55.0%、60.7%和70.8%,远好于其他方法。当只考虑对结果影响最重要的前12个因素,该模型的预测精度仍然能够达到73.7%。可见,基于此框架所训练的预测模型具有良好的精度与适用性,同时该框架对于中国震害资料大数据库的研究具有较高的参考价值。

关键词： 糖尿病肾脏病   风险评估模型   Logistic回归   BP神经网络   分类树  

摘要： 运用 Logistic 回归模型、BP 神经网络模型、分类树模型三种机器学习算法分别构建糖尿病肾病预警模型,通过分析比较,筛查出糖尿病肾病最佳评估模型。方法 选取2型糖尿病肾病组214人和2型糖尿病非肾病组210人,分别应用logistic回归、BP神经网络、分类树构建糖尿病肾脏病风险评估模型,筛选出高危因素,根据预测结果计算三种算法的召回率、正确率、查准率、F1、 ROC曲线下面积。结果 三种方法构建的预测模型筛选出的高危因素包括血清胱抑素C(Cys-c)、视黄醇结合蛋白测定、24h尿微量白蛋白、尿微量白蛋白/肌酐比值(ACR)。分类树模型、BP神经网络模型、logistic回归模型ROC曲线下面积(AUC)值分别为0.853、0.906、0.874。结论 本研究筛选的高危因素包括Cys-c、视黄醇结合蛋白测定、24h尿微量白蛋白、ACR,基于高危因素应用三种统计学方法构建的预测模型中BP神经网络模型预测效果最佳,对糖尿病肾脏病风险评估具有较好的预测能力。

关键词： 科学发现   机器学习   科学大数据   瞬变事件发现   智能科学发现  

摘要： 大规模科学装置与重大科学实验使得科学发现进入了数据密集型的第四范式,借助蓬勃发展的人工智能技术促进智能科学发现势在必行.机器学习作为人工智能中的一项重要技术,已广泛应用于各个科学领域.然而,现有工作仅研究特定任务下的机器学习方法,没能抽象出一个通用的智能科学发现研究框架.本文首先总结了科学发现任务中常用的机器学习方法,并将科学任务归类为五大机器学习问题.其次,提出了基于机器学习的智能科学发现研究框架,作为“AI for Science”的典型范例,阐述了一种高效的智能科学发现模式.再次,本文以时域天文学中发现瞬变事件这一科学任务为例,通过实验证明了唯有恰当地结合领域知识后,机器学习算法才能更好地服务于智能科学发现,验证了该框架的有效性.最后进行总结与展望,以期对各领域进行智能科学发现形成参考意义.

关键词： 机器学习   系统软件   索引结构   键值存储   并发控制  

摘要： 机器学习方法为构建系统软件带来了新的机遇.为充分利用硬件资源支撑新型应用,系统软件的设计与实现需要不断改进与演化,以适应不同场景的需求.机器学习方法具有从数据中提取规律并自动优化系统性能的潜力.然而,使用机器学习方法赋能系统软件面临一些挑战,包括设计面向系统软件的定制化模型、获取足量且高质量的训练数据、降低模型开销对系统性能的影响,以及消除模型误差对系统正确性的影响等.介绍了上海交通大学并行与分布式系统研究所在索引结构、键值存储系统、并发控制协议等方面应用机器学习方法优化系统软件的实践,并从模型设计、系统集成和实践者自身知识储备等方面总结了经验与教训.此外,还回顾了国内外相关研究,并对此研究方向提出了展望与建议,希望为未来的研究提供参考与帮助.

关键词： 高血压   机器学习   农兽药   化学污染物   预测模型  

摘要： 目的基于不同的机器学习方法探究石家庄与杭州成年居民体内农兽药及化学污染物暴露与高血压患病情况之间的关系。方法采用2018—2019年在石家庄与杭州进行的“降低成年超重者营养相关慢性病风险的适宜身体活动量研究”调查数据,选择496名包含人口学资料、体格测量、常规血清检测和血清农兽药及化学污染物暴露信息的成年居民作为研究对象,在Lasso变量筛选后分别使用传统的逻辑回归模型与多种机器学习模型建立高血压的预测模型,利用ROC曲线下面积(AUC)评估模型效果。结果Lasso变量筛选结果显示,农兽药及化学污染物暴露4-氯苯氧乙酸(4-CPA)、全氟辛酸(PFOA)、全氟己烷磺酸(PFHxS)和全氟辛烷磺酸(PFOS)与高血压具有显著的关联。机器学习模型中支持向量机模型预测效果最好(AUC=0.71),优于传统的逻辑回归模型(AUC=0.57)。结论农兽药及化学污染物暴露中4-CPA、PFOA、PFHxS和PFOS是高血压的重要危险因素,机器学习模型在流行病学影响因素研究中具有很好的适应性,在拟合非线性关系的数据时有一定的优势。

关键词： 数字经济   机器学习   舞弊识别   上市公司  

摘要： 数字时代的来临使利用机器学习识别财务舞弊成为研究的热点。在采用原始财务数据的基础上,引入财务比率、公司治理指标、审计指标和我国资本市场特殊指标,并以Logistic模型为评价基准,分别运用决策树、随机森林、Adaboost决策树和支持向量机(SVM)模型进行机器学习分析,并利用采样的方式降低样本不平衡性,以召回率(recall)为评价各模型的标准,综合运用准确率(accuracy)、召回率和AUC判断模型和数据的优劣。研究发现:加入财务比率、审计指标和我国资本市场特殊要素指标的模型能够得到较优的识别效果,而公司治理指标并不能提高模型的舞弊识别能力;与其他模型相比,随机森林模型和Adaboost-决策树模型具有更好的舞弊识别效果。

关键词： 不平衡分类数据   平衡采样算法   随机森林(RF)模型   图神经网络   特征融合  

摘要： 针对神经网络分类模型对美国联邦运输统计局(Bureau of Transportation Statistics,BTS)航班数据集中的不均衡数据预测误差较大的问题,采用自适应合成采样算法(adaptive synthetic sampling approach,ADASYN)和合成少数类过采样算法(synthetic minority over-sampling technique,SMOTE)对航班延误类别进行平衡处理,并用随机森林(random forest,RF)模型进行训练和贝叶斯调参。结果表明:与不经过平衡采样的方法比较,该方法在权重平均下的精确率、召回率和F 1评分分别提高了19%、8%和16%;分类预测准确率提升8.03%,模型拟合指数AUC(area under curve)提升5.4%。同时,采用多特征相融合的图神经网络模型Graph WaveNet对航班平均延误时间进行预测。实验结果表明:与单特征模型比较,该模型平均绝对误差和均方根误差分别降低了16%和12.45%。这些方法和结果对研究航班延误分类和预测算法研究具有参考价值。

关键词： 机器学习   肿瘤标志物   胃癌   分类算法  

摘要： 目的基于三种机器学习方法建立多肿瘤标志物联合区分胃炎和胃癌模型。方法选取2010~2021年期间来西京医院就诊诊断为胃炎和胃癌的患者13727例,收集入组患者基本信息(年龄和性别)、甲胎蛋白(alpha-fetoprotein,AFP)、癌胚抗原(carcinoembryonic antigen,CEA)、糖链抗原19-9(carbohydrate antigen 19-9,CA19-9)及糖链抗原125(carbohydrate antigen 125,CA125)结果。采用随机森林(random forest,RF)、决策树(decision tree,DT)和K最邻近法(K-nearest neighbor,KNN)三种机器学习算法挖掘入组患者6种变量的数据,建立区分胃炎和胃癌模型。验证各模型对所有入组患者、不同年龄层的入组患者、AFP阴性入组患者的胃炎和胃癌鉴别能力,并与单肿瘤标志物鉴别能力做对比。结果利用机器学习算法构建的RF-pv6,DT-pv6和KNN-pv6模型对所有的患者诊断曲线下面积(area under the curve,AUC)均高于0.742,单肿瘤标志物AUC均低于0.644;各模型对于小于50岁患者,AUC均高于0.668,单肿瘤标志物AUC均低于0.641;各模型对于大于50岁患者,AUC均高于0.734,单肿瘤标志物AUC均低于0.647;各模型对于AFP阴性患者,AUC均高于0.731,单肿瘤标志物AUC均低于0.639。各模型在所有入组患者及其亚组中的AUC高于单肿瘤标志物的AUC。结论通过利用机器学习算法挖掘入组患者的6种特征数据建立的三种模型效能均优于单肿瘤标志物对胃炎和胃癌的鉴别能力。