关键词： 隐私风险   机器学习方法   中间变量   模型训练   共享学习   隐私安全   去中心化   研究团队  

摘要： 分布式机器学习能够协同实际系统中分布在不同节点的数据和资源,通过节点间共享学习中间变量(如模型参数)进行模型训练。该技术具有去中心化的特性,一定程度上避免了数据集中存储带来的隐私风险,是目前面向隐私保护的主流机器学习方法。

关键词： 数据中心   云计算   能耗预测   随机森林   超参数  

摘要： 随着全球数据中心的大量部署和云计算服务需求激增,其高能耗问题日益严重,如何精确预测数据中心的能耗已成为一项重要研究课题.针对数据中心服务器的能耗具有不确定性和非线性等特点,本文提出了一种机器学习方法的服务器实时能耗预测方法.该方法采用随机森林算法筛选模型的输入参数,使用网格搜索方法优化模型的超参数,利用机器学习方法构建服务器的能耗模型.实验结果表明:与基准算法相比,经过优化后的模型其平均绝对误差降低了6.5%,并且在加入误差置信区间后能耗模型的平均绝对误差低于1.4%.

关键词： 生产安全   皮带运输机   目标检测   计算机视觉  

摘要： 为了能够及时对煤矿运输皮带的故障进行检测,文章研究一种用于煤矿运输皮带机故障检测的机器学习方法。在对皮带故障检测图像特点分析的基础上,以基于ShuffleNet V2改进的YOLOv5网络建立了煤矿运输皮带的故障检测网络。针对因工作环境导致的图像质量问题,在网络前部加入了图像预处理模块。同时,为了减小模型体积,提高检测速度和效率,对加强特征提取模块和多尺度特征融合模块进行了改进。实验结果表明,煤矿运输皮带故障检测网络的mAP值达到0.896,实现了较高的检测精度;同时检测速度可达32.2帧/秒,满足工业现场对实时检测的需求。

ISBN: (纸本)9787112288410

关键词： 债券市场   违约风险   文献综述   机器学习  

摘要： 自刚兑打破以来,我国债券市场违约趋于常态化,迫切需要加强对信用债违约风险的识别和防控研究。本文系统梳理了债券违约风险的影响因素,包括宏观经济、金融市场、企业特征、债券特征四大方面,并总结了适用于债券违约风险预警的模型。进一步,本文指出有必要将前沿机器学习方法应用于信用风险的精准识别与智能预警,具体可以使用文本分析深入挖掘债券违约风险影响因素,运用机器学习算法推动债券违约风险预警模型的迭代创新,旨在为坚守不发生系统性金融风险的底线,维护经济金融稳定,推动金融市场高质量发展提供政策参考。

关键词： 慢性非传染性疾病   糖尿病症状   代谢性疾病   机器学习   高血糖   相关并发症   全球范围   预测分析  

摘要： 糖尿病是以高血糖为特征的一种代谢性疾病,血糖高大多是由胰岛素分泌缺陷或其生物作用受损引起,患糖尿病时持续存在的高血糖,会损害各种组织,特别是脑、肾、心脏、神经等[1]。目前,糖尿病是全世界最主要的慢性非传染性疾病之一[2]。新版糖尿病地图指出,在全球范围4.63亿糖尿病患者中,有2.319亿未诊断,未诊断率为50.1%,其中绝大多数为2型糖尿病患者。中国有超过6500万糖尿病患者尚未确诊,这些患者没有明显的糖尿病症状,如果不能早发现、及时干预,将增加糖尿病相关并发症的风险,从而极大地增加糖尿病相关医疗保健费用[3]。在糖尿病相关方面的预测分析研究领域,目前更多的是采用机器学习(machine learning,ML)的方法。

关键词： 高分辨率遥感卫星影像   位置精度   多元线性回归   支持向量回归   随机森林  

摘要： 提出了利用机器学习对高分辨率影像的位置精度进行建模分析的方法。实验提取上海市资源三号遥感影像中心城区与郊区空间纹理统计特征,用作解释变量,构建位置误差回归模型,对比分析不同机器学习模型之间拟合差异,并进行实验验证。结果表明,支持向量回归模型整体拟合精度最优,其在两块实验区域拟合均方根误差(rootmean squares error,RMSE)均在0.9 m左右,随机森林(random forest,RF)模型在郊区也有较好拟合结果。与常规方法相比,机器学习方法更有效,平均绝对误差(mean absolute error,MAE)相差较小,预测结果对异常值较小的样本可信度更高。所提出方法可通过模型预测影像逐像素位置误差,为精细地物信息提取和精度控制提供技术支持。

关键词： 机器学习   密码学   神经网络   网络安全  

摘要： 随着大数据、人工智能等技术的快速发展,计算能力的大幅提升威胁着基于计算困难性理论的传统密码学算法。同时,数以亿计的联网设备产生的海量数据给传统的安全解决方案带来了巨大挑战,数据安全和通信安全成为亟待解决的问题。人工智能技术的兴起为传统密码学提供了新的机遇。机器学习作为一种强大的技术,在密码学领域具有自适应性和高维表征能力,为密码学提供了有效的分析和决策工具。文章介绍了密码学领域中经常使用的机器学习方法,总结了国内外密码算法与密码分析算法的最新研究进展,分析了基于机器学习的密码学的优势和劣势,及面临的挑战与未来研究方向。

关键词： 行为数据   机器学习   医疗险   赔付预测  

摘要： 随着人们健康意识不断增强,医疗保障需求呈现多元化特点。为进一步推动商业医疗保险健康可持续发展,对商业医疗险赔付的精准预测研究很有必要。基于包括个人行为偏好的经验数据,构建并对比商业医疗险的创新预测机器学习模型,分析与医疗险赔付风险相关的重要因素,研究发现,个人对健康信息的关注等行为因素与赔付风险高度相关,可以为年龄、性别、受教育水平、婚姻状况、地区等传统赔付经验分析因素提供很好的补充。与索赔发生关联最大的是年龄,与案均医疗赔款关联最大的是赔付次数,远高于其他因子。当赔付次数多于5次时,预测案均医疗赔款呈发散性分布。被保险人为女性、学历更低的人更易发生索赔。疾病负担呈现区域不平衡特点。据此提出完善商业医疗险风险管理等建议。

关键词： 台风   机器学习   危险性   暴露性   脆弱性   风险评估   动态风险预报  

摘要： 利用机器学习方法建立以区县为基本研究单元的浙江省台风灾害风险评估模型,并进一步结合气象预报与实测数据形成覆盖全省、时空连续的台风过程动态风险预报,为科学应急减灾提供决策支持。首先,本研究以浙江省各区县为研究对象,考虑危险性、孕灾环境、暴露性和脆弱性等风险要素选择台风灾害风险评估模型的预测变量;其次,基于10个重大历史灾害的灾损数据(直接经济损失)划分风险等级作为输出变量;最后,采用机器学习模型XGBoost建立台风灾害风险评估模型。同时,以利奇马为例,进一步探索该模型的实战应用潜力,即以气象预报和实测数据为模型驱动,实现浙江省全域各区县台风灾害风险的实时更新预报。