通过机器学习实现基于摩擦纳米发电机的自驱动智能传感及其应用

在物联网时代,如何开发一种可持续供电、部署方便且使用灵活的智能传感器系统成为了亟待解决的难题..以麦克斯韦位移电流作为驱动力的摩擦纳米发电机(triboelectric nanogenerator,TENG)可直接将机械刺激转化为电信号,因此可作为自驱动传感器使用.基于TENG的传感器拥有结构简单、瞬时功率密度高等优点,为构建智能传感器系统提供了重要手段.同时,机器学习作为一种成本低、开发周期短、数据处理能力和预测能力强的技术,对TENG产生的大量电学信号处理效果显著.本文梳理了基于TENG的传感器系统通过采用机器学习技术进行信号处理和智能识别的最新研究进展,从交通安全、环境监测、信息安全、人机交互和健康运动检测等角度出发,概述了该研究方向的技术特点与研究现状.最后,深入讨论了该领域当前存在的挑战和未来的发展趋势,并分析了未来如何改进以期开拓更广阔的应用空间.我们相信机器学习技术与TENG传感器的结合将推动未来智能传感器网络的快速发展.     

P2P网贷平台风险预测研究

随着大数据和机器学习的流行,其在破产预测和风险预测领域逐渐崭露头角。本文运用爬虫技术得到885家网贷平台的16815条数据,通过因子分析及模型验证挖掘出了若干能较好评估P2P平台风险的因子。然后本文通过选取的指标体系建立了Logistics回归、支持向量机、BP神经网络、LightGBM等单模型以及融合模型进行学习训练,所建立的融合模型在测试集中得到最高的准确率,说明本文所建的融合模型能较好地评估网贷平台的风险。本文还选取决策树绘图以及对特征进行重要性排名,选取出了对识别问题平台有重要作用的十项特征。这对投资者选取安全平台进行投资或者监管者选取重点平台进行监管有很好的借鉴意义。     

基于网络搜索数据和机器学习的票房预测模型

电影票房预测对于管理部门一直是一项重要而复杂的工作。电影票房相关变量复杂多变,且数据获取难度较大是制约当前研究的主要因素。相比之下,网络搜索数据是互联网公司发布的用于记录网民搜索行为的结构化数据,能客观及时反映事物的发展趋势。本研究建立了基于网络搜索数据的混合预测模型。首先,匹配与测试集最相似的训练数据构建最优训练集(OTS)。其次,应用帝国竞争算法(ICA)选择最小二乘支持向量机(LSSVM)的最佳参数组合。最后,使用优化模型进行预测。为了测试模型的效果,使用中国大陆上映的电影票房数据进行模拟实验。结果表明混合模型具有更高的预测精度。本研究所构建的模型适用于中国电影业的票房预测,可为有关部门提供决策参考。     

On a Strategy to Develop Robust and Simple Tariffs from Motor Vehicle Insurance Data

The goals of this paper are twofold: we describe common features in data sets from motor vehicle insurance companies and we investigate a general strategy which exploits the knowledge of such features. The results of the strategy are a basis to develop insurance tariffs. We use a nonparametric approach based on a combination of kernel logistic regression and ε-support vector regression which both have good robustness properties. The strategy is applied to a data set from motor vehicle insurance companies.     

基于机器学习XGBoost算法的跨音速离心压气机扩压器气动优化设计

本文以某跨音速离心压气机扩压器为研究对象,提出了一种叶型参数化方法和优化流程,采用机器学习XGBoost算法以及全局寻优模型对其进行了气动优化。研究结果表明,该回归优化模型可以在较少的迭代步数内获得全局最优解,优化速度比传统代理模型具有显著的提升,优化精度与CFD仿真结果相当。优化后的扩压器能够在保证离心压气机压比基本不变的条件下,峰值效率提高1.03%,稳定裕度提高4.79%,对优化后扩压器内部流动进行了分析,讨论了不同设计参数对离心压气机的影响,为离心压气机扩压器设计提供了指导。     

人工智能化学：变革研究范式,加速物质发现

化学科学领域的复杂性和海量数据为人工智能应用提供了契机。人工智能、机器学习、深度学习从海量数据中识别新的化合物,建立新的模型,提出新的理论,正在改变化学物质的发现、转化和功能研究范式,促进重大问题的解决。本文综述了近年来国际上人工智能在化学研究中的重要进展,分析了人工智能化学的主要发展态势。人工智能通过助力化学海量数据挖掘、实现化学实验室智能化和自动化、增强计算化学解决实际问题的能力,推动化学跨越式发展。     

基于机器学习的水体化学需氧量高光谱反演模型对比研究

化学需氧量（COD）是水体有机污染的一项重要指标,如何快速准确检测水体的COD含量尤为重要。机器学习在水质反演领域应用日益增多,并取得了较多的研究成果,高光谱遥感具有光谱空间分辨率高、成像通道多等优势,使其在水体COD反演方面有着极大的潜力。利用不同的高光谱预处理方法对原始高光谱数据进行处理,并利用处理前后的高光谱数据对比研究了不同机器学习模型、不同高光谱预处理方法对水体COD的反演性能。首先利用ZK-UVIR-I型原位光谱水质在线监测仪在扬州宝带河实地收集了1 548组COD和对应的高光谱数据（400~1 000 nm）样本,为降低光谱噪音干扰以及消除光谱散射影响,分别使用Savitzky-Golay（SG）平滑、多元散射校正数据（MSC）以及SG平滑结合MSC对原始光谱进行预处理。其次,将样本集随机划分为训练集和测试集,其中训练集占比80%,测试集占比20%。对预处理后的训练集全波段光谱基于线性回归、随机森林（random forest）、AdaBoost、XGBoost四种机器学习方法建立COD高光谱反演模型,并选取了决定系数（R2）、均方根误差（RMSE）、相对分析误差（RPD）三种指标在测试集数据中评估高光谱反演模型的精度。结果表明,随机森林、AdaBoost、XGBoost均优于线性回归,无论光谱处理与否,通过XGBoost建立的反演模型预测能力均为最佳,其中使用XGBoost对经过SG平滑和MSC处理后的光谱数据进行建模的反演模型精度最高,其R2达到0.92,RMSE为7.1 mg·L-1,RPD为3.4。考虑到原始光谱可能存在冗余,通过主成分分析法（PCA）对经过SG平滑和MSC处理后的光谱进行降维,并选取累计贡献率达到95%的前十个主成分作为模型的输入变量。通过XGBoost建立反演模型,结果表明经过PCA后的反演模型不仅精度有所上升,RPD达到3.8,而且模型的训练时间也由72 s缩短到2.9 s。以上研究可为该水域及类似水域的高光谱水质反演模型的建立提供新的方法及思路。     

基于影像组学的直肠癌术前T分期预测

直肠癌T分期对患者的术前评估有重要作用.然而,传统的放射科医生根据患者磁共振图像直接判断分期的方法效果欠佳.本文提出使用影像组学的方法预测直肠癌T分期,首先获取105例直肠癌患者影像数据,根据病理报告中的T分期结果将T1、T2期患者划分为未突破肌层组,将T3、T4期患者分为突破肌层组,整理数据得到未突破肌层组31例,突破肌层组74例.在患者的轴向位T2WI图像中勾画病灶区域,并在病灶上使用pyradiomics工具包提取影像组学特征,使用最小绝对值收敛和选择算子（LASSO）对高维特征做特征选择,得到与T分期高度相关的特征数据,使用随机森林、支持向量机（SVM）、逻辑回归、梯度提升树（GBDT）分别建模,进行交叉验证调参,评估模型性能.每层图像提取100维特征,经LASSO特征选择后得到7个与T分期高度相关的特征,使用4种模型分别建模,其中SVM算法表现最优,平均受试者操作特征曲线下面积（AUC）、准确率、灵敏度、特异度分别为0.968 5、0.886 4、0.962 5、0.899 2,测试集准确率达到了0.904 7.结果表明,使用影像组学方法可以提高直肠癌T分期预测的准确率.     

从单分子到凝聚相水体系的理论描述：势能面和分子动力学最新进展

本文回顾了近十年来水体系的势能面与分子动力学理论研究的最新进展,包括水分子参与的气相反应,固体表面上的吸附与解离动力学,以及从团簇到凝聚相水的结构、振动光谱与统计力学模拟. 近年来再次发展起来的机器学习技术,例如结合置换不变多项式的神经网络,或结合基本不变量的神经网络,已被成熟应用于气相与固体表面体系的高精度势能面构造中. 对于团簇甚至凝聚相水体系,原子中心神经网络方法或基于核的高斯过程方法应用更为广泛. 此外,在多体展开框架下,在气相体系中发展起来的的方法也组成了高维度体系势函数构造的高精度方案. 当前凝聚相水体系面临的主要问题是高精度从头算数据集的积累,兼顾计算精度与效率的双杂化密度泛函是一种可能的解决方案. 在动力学理论方面,无论是化学反应截面计算还是振动光谱模拟,往往需要合理描述水分子中氢原子的量子效应,才能得到较为可靠的理论计算结果. 量子波包动力学方法已经在气相反应机理研究方面有深入的应用,也在包含数个水分子的团簇振动分析中有初步应用. 基于路径积分的分子动力学方法正在较大水团簇以及凝聚相水的结构与谱学模拟方面发挥重要作用.