Region area differen的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

不平衡資料分類之過取樣研究

為了解決Region area differen的問題，作者林桐斌 這樣論述：

現實世界以感測器蒐集之多類別數據集異常樣本之數量通常遠少於正常樣本之數量，這種數據集又稱為不平衡數據集(imbalanced data set)。許多機器學習(machine learning)演算法在用於不平衡數據集辨識異常樣本時之表現都不如辨識正常樣本，對此過取樣(oversampling)是改善此問題之ㄧ種可行方法。在本研究中提出兩種有效之過取樣方法分別為進化式馬氏距離過取樣(evolutionary Mahalanobis distance oversampling, EMDO)和迭代式馬氏距離過取樣(iterative Mahalanobis distance oversampli

ng, IMDO)。這兩種方法都是利用多組橢球來近似於少數類別之判定區域，EMDO以多目標粒子群演算法(multi-objective particle swarm optimization, MOPSO)和Gustafson-Kessel演算法學習每個橢球之大小、中心和方向。而IMDO則是基於最大期望演算法(expectation maximization, EM)進行學習。在模擬中會證明EMDO擁有更佳準確率，而IMDO在準確率和運算速度上取得良好平衡。無論如何，本研究所提出之兩種方法都優於目前大多數廣泛使用之過採樣演算法。本研究也於台北捷運公司所合作之AI人工智慧研究計畫中，針對軌道電路

(track circuit)資料應用IMDO和EMDO來進行軌道電路故障預判系統之設計與開發。另外為能夠了解台灣全區之落雷分佈情況，台電公司對此建置一套整合型落雷偵測系統(Total Lightning Detection System，TLDS)，該系統會將雷擊資料儲存於伺服器中，運作20年來已經收集非常大量之台灣雷擊數據。在本研究中將使用TLDS所蒐集之雷擊數據結合台灣輸電鐵塔資料，以深度學習進行資料分析開發一套雷擊閃絡風險決策科學模型。然而在實際資料中曾經發生過雷擊閃絡事故之鐵塔遠遠少於未曾發生過事故之鐵塔，有著嚴重之不平衡問題，會影響機器學習效能。為改善此問題，本研究將IMDO和EM

DO應用於學習過程中所遇到之不平衡問題。並且在實驗章節中證明該方法確實適用於台灣訓練資料合成，使得雷擊閃絡風險模型有著令人滿意的辨識結果。

I.七層塔水萃物對四氯化碳誘導急性肝臟發炎影響機制之探討II.人類微小病毒B19與博卡病毒結構蛋白獨立區域對呼吸道上皮細胞緊密連接之影響探討

為了解決Region area differen的問題，作者邱駿清 這樣論述：

七層塔(Ocimum gratissimum)是一種常見的食物香料及傳統草藥，在早期曾經被用來治療各種疾病。為了進一步探討七層塔水溶性萃取物(OGAE)對肝臟的保護作用，我們利用了四氯化碳誘發雄性老鼠(male Wistar rats)產生肝臟損傷的動物模型，並餵食這些老鼠七層塔水溶性萃取物，探討七層塔水溶性萃取物是否有保護肝臟的效果。結果發現，七層塔水溶性萃取物可以提高損傷的肝臟產生清除自由基的酵素濃度及降低壓力性蛋白的產生，因此有機會成為進一步預防肝臟受損的健康輔助食品或草藥。人類微小病毒B19(B19)及博卡病毒(HBoV)是重要的人類致病原。在人類微小病毒B19及博卡病毒上的結構蛋白

獨立區域(VP1u)都具有表現類似分泌型磷脂水解酶A2(sPLA2)的酵素活性。然而，到目前為止少有文獻探討人類微小病毒B19及博卡病毒的VP1u結構蛋白獨立區域對細胞緊密連接(tight junction)的影響。因此，本研究主要藉由檢測磷脂水解酶A2(sPLA2)活性，上皮細胞穿透電阻(TEER)，以及西方墨點法來探討B19-VP1u及HBoV-VP1u是否會影響人類呼吸道上皮細胞A549細胞緊密連接(tight junction)。實驗結果指出，HBoV-VP1u比B19-VP1u對呼吸道細胞緊密連接(tight junction)的破壞扮演更重要的角色。