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： 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： 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： 机器学习   点估计   区间估计   学生成绩  

摘要： 利用现代技术挖掘高校学生成绩的影响因素并对学生成绩进行预测,是教师优化教学方法、学校调整教学策略的关键。将Bootstrap方法、递归特征消除、支持向量回归模型以及变邻域搜索算法相结合,对小样本下影响高校学生成绩的因素进行挖掘,并基于此对高校学生成绩进行点预测和区间预测。将上述方法应用于某高校学生数学成绩数据,并与传统Bootstrap支持向量模型进行对比,验证了所提方法的有效性。

关键词： 螺栓连接件   K近邻算法   机器学习算法   功率谱密度   频率特征   机器学习方法   定期检测   预紧力  

摘要： 水下螺栓连接件松动可能导致灾难性后果,因此,对其进行定期检测至关重要.本文探索性地提出了一种通过叩击检测水下螺栓连接件松动情况的方法.当螺栓连接件预紧力降低时,通过敲击其产生的声音会发生相应变化.该方法利用功率谱密度进行特征选择,根据叩击引起的声音频率特征变化,采用浅层机器学习方法K近邻算法来识别相应的松动状态.实验结果证明了该方法的有效性.

关键词： 制造业   结对集聚   机器学习方法   产业空间网络   产业链   高质量发展  

摘要： 结对集聚是产业空间集聚的重要现象之一。文章应用并改进机器学习方法,测度了中国城市的制造业结对集聚指数,从时序变化、空间格局方面分析结对集聚特征。研究表明:(1)制造业结对集聚指数整体上呈现出“U”型分布特征。(2)2013年劳动与劳动、劳动与资本、劳动与技术密集型产业显著结对集聚组合明显上升。(3)中国四大区域板块中,技术密集型产业的结对集聚指数低于劳动、资本密集型产业。(4)2013年城市产业空间网络呈现出一定的“核心—边缘”特征。最后,提出了加强产业链的整体规划与布局、进一步提升制造业集聚水平、引导城市制造业差异化发展等政策建议。

关键词： 麻醉药品   精神药品   药物滥用   物质使用障碍   药物不良反应   机器学习   预测模型  

摘要： 麻醉药品、精神药品不合理用药在欧美国家已造成了严重的公共卫生问题,评估麻精药品的滥用及其他不合理用药模式风险、监督麻精药品全流程合理合规使用是监管工作的重点难点。近年来,国外借助真实世界数据,采用机器学习方法构建预测模型以快速识别药物滥用和药物使用障碍,以及预测药物依赖、持续使用等不合理使用模式和不良反应等研究日益增多,然而我国学者对类似研究范式关注仍较少。通过梳理麻精药品预测模型研究现状,集中关注阿片类药物用药风险预测相关研究,概括研究场景和研究设计要点,提出对模型转化和我国监管重点的思考,以期为将机器学习用于中国麻精药品监管领域提供思路。