Journal of Data Science
and Intelligent Systems
（JDSIS, eISSN: 2972-3841）
JDSIS (eISSN: 2972-3841)第二卷第三期于2024年7月26号正式出版上线。
文章导览
文章题目：
Advancing Bridge Structural Health Monitoring: Insights into Knowledge-Driven and Data-Driven Approaches
推进桥梁结构健康监测：洞察知识驱动和数据驱动的方法
作 者：
Shuai Wan
Zhongkai University of Agriculture and Engineering, China
Shuhong Guan
Zhongkai University of Agriculture and Engineering, China
Yunchao Tang
Zhongkai University of Agriculture and Engineering, China
摘 要：
结构健康监测(SHM)越来越多地应用于桥梁工程领域，桥梁监测技术发生了根本性的变化。从最初主要依靠人工的局部监测和评估，发展到现在由智能监测系统提供全方位、全时的智能评估。本文回顾了土木工程领域SHM技术的发展，并研究了目前桥梁SHM中的两种人工智能方法，即知识驱动方法和数据驱动方法。分析了这两种人工智能方法的优缺点，并讨论了未来的发展趋势。研究结果表明，知识驱动方法具有可解释性和稳定性等优点。然而，它们目前的应用是有限的，并且仍然存在重大的技术瓶颈。另一方面，数据驱动的方法显示出更高的效率和准确性。然而，由于其“黑箱”性质，它具有不稳定和不安全的特点，这阻碍了其解释内部运行机制的能力。鉴于这些发现，混合知识数据驱动的方法成为一种潜在的解决方案。这种方法可以有效地综合知识驱动和数据驱动两种方法的优点，避免各自的缺点。结果表明，该方法在实际应用中更加稳定、安全、高效。
图：结构健康检查系统的子系统及其主要功能
文章题目：
Dynamic Neural Network Architecture Design for Predicting Remaining Useful Life of Dynamic Processes
预测动态工艺剩余使用寿命的动态神经网络架构设计
作 者：
Silvio Simani
University of Ferrara, Italy
Yat Ping Lam
The Chinese University of Hong Kong (Shenzhen), China
Saverio Farsoni
University of Ferrara, Italy
Paolo Castaldi
University of Bologna, Italy
摘 要：
剩余使用寿命的预测在预测性健康管理中至关重要。这样做是为了通过避免动态过程中的错误和故障来减少与操作和维护相关的费用。最近，在利用深度学习结构估算动态过程的剩余使用寿命时，卷积形式的神经网络的特征分类和自动提取能力表现出了惊人的性能。其方法是将这些性能用于预测程序的使用寿命。另一方面，现有的网络拓扑几乎完全在单一尺度上提取特征，而忽略了其他尺度上的重要信息。同时，由于单一网络路径的架构，这些工具发现的特征的全面性受到限制。为了解决这些问题，作者提出了一种基于并行多尺度架构的特征融合策略的网络结构。然后利用该结构计算剩余使用寿命。该原型分为两部分：第一部分是多尺度特征提取模块，用于提取局部信息特征；第二部分是因果卷积模块，通过多层因果卷积与平均池化相结合，用于提取全局信息特征。多尺度特征提取模块用于提取局部信息特征，因果卷积模块用于提取全局信息特征。最后，将两个不同的路径连接起来创建一个完全集成的层。仿真结果表明，该方法具有提高剩余使用寿命指数估算效率和准确性的潜力。此外，通过将所获得的结果与应用尖端技术在一个知名的模拟涡扇发动机数据集上所产生的结果进行比较，表明了所建立策略的优势。
图：启动模块结构图
文章题目：
Intra-Annual National Statistical Accounts Based on Machine Learning Algorithm
基于机器学习算法的年度内国民统计账户
作 者：
Sandip Garai
ICAR-Indian Agricultural Statistics Research Institute, India
Ranjit Kumar Paul
ICAR-Indian Agricultural Statistics Research Institute, India
Mohit Kumar
ICAR-Indian Agricultural Statistics Research Institute, India
Anish Choudhury
Bidhan Chandra Krishi Viswavidyalaya, India
摘 要：
用于预测金融序列的方法是基于这样一个概念，即可以在数据中识别模式，并通过平滑过去的值与随机性区分开来。这种平滑过程消除了数据中的随机性，使固有模式能够用于预测。然而，获取高频率的国民核算数据可能具有挑战性，需要复杂的方法才能获得与年度总数相符的分类序列。因此，需要一种更简单的技术来从低频等效物中获得高频数据。机器学习算法正在迅速发展，人们提出了具有适当训练机制的前馈人工神经网络(ANN)来暂时分解经济序列，而不考虑相关指标。本研究提出使用人工神经网络算法对国家统计账户进行分类。还介绍了将澳大利亚年度国内生产总值数据分解为季度数据的应用。将产生的高频数据与观察到的季度数据进行比较，以评估其准确性。对比研究表明，基于人工神经网络的模型优于Chow and Lin方法(CL1)和Fernandez方法(f)等基准方法。
文章题目：
Identifying Risk Factors for Heart Failure: A Case Study Employing Data Mining Algorithms
识别心力衰竭的危险因素：使用数据挖掘算法的案例研究
作 者：
Vitória S. Souza
Federal Institute of Triangulo Mineiro Campus Patrocínio, Brazil
Danielli A. Lima
Federal Institute of Triangulo Mineiro Campus Patrocínio, Brazil
摘 要：
心脏病在现代人类生活中变得越来越普遍，它是一种影响心脏和血管的疾病，可能导致患者死亡。在本文中，分析了一个公开的心力衰竭数据库，该数据库由299人和12个属性组成。本文提出了一种使用曲线下面积(AUC)滤波器的预处理技术，该技术通过减少参数来提高算法的效率，从而获得更好的内存使用和计算处理。为了提升结果，文章使用了包含102个同时验证的方法。这种方法能够获得更稳健、更可靠的结果。此外，文章使用接收者工作特征曲线来评估每个属性的整体性能。文章训练了一组九种分类算法，其中随机森林学习器脱颖而出，在考虑 AUC 值的情况下，使用AUC大于0.4的属性过滤器，准确率达到87.21%。此外，模糊规则学习器也证明了其有效性，在过滤限制为0.6的情况下，其准确率达到84.45%，重点关注射血分数、血清钠、时间属性和死亡事件类别。这一分析表明，这些算法能够有效地使用较少的属性进行准确预测。
图：使用ROC曲线和AUC技术的机器学习应用拟议流程图
文章题目：
Performance Metrics of an Intrusion Detection System Through Window-Based Deep Learning Models
基于窗口深度学习模型的入侵检测系统性能指标
作 者：
Fatima Isiaka
Nasarawa State University, Nigeria
摘 要：
入侵和预防技术在恶劣的条件下表现可靠，为世界上许多安全级别最高的场所提供加固服务，而且在高性能方面几乎没有缺陷。本文旨在利用基于窗口的卷积神经网络(CNN)、集成递归神经网络(RNN)和自动编码器(AutoE)设计入侵/预防系统，以检测和测试入侵检测系统的性能。数据包被转换成图像，其中像素被用作输入。CNN架构显示了一个具有高预测性能的三层模型。结果显示，与RNN和AutoE相比，CNN的性能更高；与其他模型相比，CNN似乎更能抵御过拟合。未来将在其他标准方法(如支持向量机(SVM)和动态控制系统)上测试该模型。
图：拟议系统的一般网络模型
文章题目：
Bootstrap Methods for Canonical Correlation Analysis of Functional Data
函数数据典型相关分析的自助法
作 者：
Haoyu Yu
Nanjing University, China
Lihong Wang
Nanjing University, China
摘 要：
自助法是一种非常通用的重采样程序，用于研究统计数据的分布特性。本文提出了两种自助方法，旨在研究函数数据的函数典型成分。自助法I通过从原始数据中重新采样来构建bootstrap复制，而自助法II则从主成分得分中进行替换采样。文章进行了模拟研究，以检验建议的自助方法的性能。该方法还应用于运动分析数据集，该数据集由39名儿童在每个步态周期中的髋关节和膝关节所形成的角度组成。数值模拟和实际数据分析表明，这两种自助法在功能相关分析中都有良好的表现。此外，从平均误差和均方误差来看，自助法II在近似样本典型成分方面的表现优于自助法I。
图：39名儿童在步态周期中髋关节和膝关节形成的角度
征稿范围及优惠政策
期刊的收稿范围包括但不限以下领域
• Big data itself, i.e., the nature and quality of the data
大数据，即数据的性质和质量
• Data science and intelligent systems aspects of knowledge-based and expert systems
基于知识和专家系统的数据科学和智能系统
• Principles and theories of data acquisition, extraction, and integration
数据获取、提取和整合的原则和理论
• Techniques and systems used to analyze and manage big data
用于分析和管理大数据的技术和系统
• Methods and algorithms designed for data mining, online analysis, decision-making, and other data-intensive computing
设计用于数据挖掘、在线分析、决策和其他数据密集型计算的方法和算法
• Artificial Intelligence techniques relating to data science and intelligent systems
与数据科学和智能系统有关的人工智能技术
• Artificial Intelligence for database (AI4DB) and database for Artificial Intelligence (DB4AI) techniques
数据库的人工智能(AI4DB)和数据库的人工智能(DB4AI)技术
• Knowledge and data engineering tools and techniques
知识和数据工程工具和技术
• Data management methodologies
数据管理方法
• Distributed and parallel databases processing
分布式和并行数据库处理
• Architectures for knowledge and data-based intelligent systems
基于知识和数据的智能系统的架构
• Database design and modeling
数据库设计和建模
• System integration and modeling of intelligent systems
智能系统的系统集成和建模
• Algorithms and technologies for intelligent systems
智能系统的算法和技术
• Hardware systems and software systems for data computing
用于数据计算的硬件系统和软件系统
优惠政策：凡在2024年12月31日之前投稿并被接受的文章，作者可享受出版费 (APC) 全免的优惠政策。
投稿方式
如需投稿，请登录下方网址：
https://ojs.bonviewpress.com/index.php/jdsis/about/submissions
如需获取更多信息，请邮件：
jdsis@bonviewpress.com
版权声明：
*本文由Bon View Publishing中国办公室排版，审核翻译，遵守CC BY 4.0许可：
https://creativecommons.org/licenses/by/4.0/
如需转载，请于公众号后台留言咨询。
排版：徐远山
编辑：林姗姗
监制：张 雨
