Scholar Hub/Chủ đề/#mô hình dự đoán/
Mô hình dự đoán là một công cụ hoặc phương pháp được sử dụng để dự đoán kết quả dựa trên dữ liệu đã cho. Đối với các vấn đề dự đoán, mô hình dự đoán có thể là một thuật toán máy học hoặc một công cụ phân tích dữ liệu khác. Mô hình dự đoán sẽ được đào tạo trên dữ liệu có sẵn, học các mẫu và quy tắc từ dữ liệu đó và sau đó được sử dụng để dự đoán kết quả trên dữ liệu mới. Mỗi mô hình dự đoán có những đặc điểm riêng, và sẽ được chọn dựa trên kiểu dữ liệu, mục tiêu dự đoán và các yêu cầu khác của vấn đề cụ thể.
Mô hình dự đoán là một biểu đồ hoặc công thức mô tả mối quan hệ giữa các biến đầu vào và biến đầu ra trong một hệ thống. Nó được xây dựng dựa trên các quy tắc và mẫu được học từ dữ liệu đào tạo. Mục tiêu của mô hình dự đoán là sử dụng mô hình đã học để dự đoán trạng thái, hành vi hoặc kết quả của các biến đầu ra mới khi chỉ có thông tin về biến đầu vào.
Các mô hình dự đoán có thể thuộc vào nhóm mô hình hồi quy, phân loại hoặc gom cụm, tùy thuộc vào loại dữ liệu đầu vào và loại dự đoán cụ thể. Một số mô hình dự đoán phổ biến bao gồm:
1. Mô hình hồi quy: Dùng để dự đoán giá trị liên tục của biến đầu ra. Ví dụ, mô hình hồi quy tuyến tính sử dụng công thức đươc biểu diễn dưới dạng `y = mx + c`, trong đó `y` là biến đầu ra dự đoán, `x` là biến đầu vào và `m`, `c` là các hệ số dự đoán.
2. Mô hình phân loại: Dùng để phân loại dữ liệu vào các nhóm, ví dụ như phân loại email vào hộp thư rác hay thư thường. Các mô hình phân loại phổ biến bao gồm cây quyết định, máy vector hỗ trợ (SVM) và học sâu.
3. Mô hình gom cụm: Dùng để phân loại dữ liệu thành các nhóm tương tự nhau dựa trên các đặc trưng công việc của chúng. Các mô hình gom cụm phổ biến bao gồm K-Means, K-Medoids và DBSCAN.
Để xây dựng một mô hình dự đoán, phương pháp đào tạo được sử dụng để tìm các quy tắc và mẫu từ dữ liệu huấn luyện. Dữ liệu huấn luyện thường được chia thành tập dữ liệu huấn luyện và tập dữ liệu kiểm tra để đánh giá hiệu suất mô hình. Mô hình dự đoán được đào tạo bằng cách tối ưu hóa hàm mất mát, tối thiểu hóa sai số giữa đầu ra dự đoán và giá trị thực tế của dữ liệu.
Pecularities of Hall effect in GaAs/δ〈Mn〉/GaAs/InxGa1−xAs/ GaAs (x ≈ 0.2) heterostructures with high Mn content The European Physical Journal B - Condensed Matter and Complex Systems - Tập 85 - Trang 1-11 - 2012
M. A. Pankov, B. A. Aronzon, V. V. Rylkov, A. B. Davydov, V. V. Tugushev, S. Caprara, I. A. Likhachev, E. M. Pashaev, M. A. Chuev, E. Lähderanta, A. S. Vedeneev, A. S. Bugaev
The transport properties of GaAs/δ〈Mn〉/GaAs/In
x
Ga1−x
As/GaAs structures containing an In
x
Ga1−x
As (x ≈ 0.2) quantum well (QW) and a Mn delta layer (DL) with relatively high content, about one Mn monolayer (ML), are studied. In these structures the DL is separated from the QW by GaAs spacer with thickness d
s
= 2–5 nm. All structures possess a non-metallic character of conductivity and display a maximum in the resistance temperature dependence R
xx
(T) at the temperature ≈ 46 K, which is usually associated with the Curie temperature T
C
of ferromagnetic (FM) transition in DL. However, it is found that the Hall effect concentration of holes p
H
in the QW does not decrease below T
C
as one ordinary expects in similar systems. On the contrary, the dependence p
H
(T) experiences a minimum at T = 80–100 K depending on the spacer thickness, then increases at low temperatures more strongly when d
s
is smaller, and reaches a giant value p
H
= (1–2) × 1013 cm−2. The obtained results are interpreted in the terms of magnetic proximity effect of the DL on the QW, inducing spin polarization of the holes in the QW. Strong structural and magnetic disorder in the DL and in the QW, leading to phase segregation in them is taken into consideration. The high p
H
value is explained as a result of the compensation of the positive normal Hall effect component by the negative anomalous Hall effect component.
Extraction chromatography in the DHDECMP—HNO3 system Journal of Radioanalytical and Nuclear Chemistry - Tập 149 - Trang 13-23 - 1991
T. Kimura, J. Akatsu
The extraction behaviour of Ce(III) and Am(III) in extraction chromatography has been investigated on the basis of partition and infrared studies. The stationary phase was purified undiluted DHDECMP supported on Amberlite XAD-4 and the mobile phase was nitric acid. The results have shown that the equilibria for the extraction of Ce(III) and Am(III) by the DHDECMP/XAD-4 resin agreed very closely with those in solvent extraction.
Ropivacaine Reactions - Tập 1771 - Trang 272-272 - 2019
Is Testudo werneri a distinct species? Biologia (Poland) - Tập 62 - Trang 228-231 - 2007
Pavel Široký, Uwe Fritz
Sequence variation of a 1066 bp long mtDNA fragment (cytochrome b gene, adjacent part of tRNA-Thr gene) of four known-locality samples of Testudo kleinmanni (Tripolitania, Libya) and of four samples of T. werneri (Negev, Israel) is compared with additional five sequences of pet trade tortoises allegedly representing T. kleinmanni. Four haplotypes, differing in one to four mutation steps occur. The most common haplotype was shared by all known-locality samples of T. kleinmanni and three T. werneri. Sequence variation within each nominal species and in the pooled sample of T. kleinmanni, T. werneri and pet trade tortoises is the lowest known for any Testudo species. We conclude there is no support for the validity of T. werneri Perälä, 2001.
Integrating reference point, Kuhn–Tucker conditions and neural network approach for multi-objective and multi-level programming problems OPSEARCH - Tập 54 - Trang 663-683 - 2017
R. M. Rizk-Allah, Mahmoud A. Abo-Sinna
In this paper, a neural network approach is constructed to solve multi-objective programming problem (MOPP) and multi-level programming problem (MLPP). The main idea is to convert the MOPP and the MLPP into an equivalent convex optimization problem. A neural network approach is then constructed for solving the obtained convex programming problem. Based on employing Lyapunov theory, the proposed neural network approach is stable in the sense of Lyapunov and it is globally convergent to an exact optimal solution of the MOPP and the MLPP. The simulation results also demonstrate that the proposed neural network is feasible and efficient.
Effects of scattering particles on the color rendering and color dispersion of white light-emitting diodes studied by optical simulation Journal of the Korean Physical Society - Tập 79 - Trang 631-637 - 2021
Seung Chan Hong, Jae-Hyeon Ko
The effects of scattering particles on the color properties of conventional and quantum dot-embedded white light-emitting diodes (LEDs) were investigated by using optical simulation. The inclusion of red quantum dot particles in the conventional white LEDs consisting of blue LED chips and yellow phosphors improved the color-rendering properties significantly due to the enhanced deep red components. The scattering particles embedded in the resin induced multiple scattering and contributed to the color conversion of phosphors and quantum dots, which became more substantial as the difference in the refractive index between the resin and the scattering particles increased. This study showed that adopting scattering particles is an efficient way to change the correlated color temperature in a wide range and remove the color dispersion of conventional white LEDs.
