期刊名：Technologies

期刊主页：https://www.mdpi.com/journal/technologies

本期编辑荐读为您精选 Technologies 期刊2022年至2023年发表的5篇热点发文，这些文章紧跟机器学习与人工智能 (AI) 应用的趋势，在一年多的时间内，平均每篇被阅读8000次，引用15次，希望这些研究能够为您的学术带来新的思考。

01

A Thematic Travel Recommendation System Using an Augmented Big Data Analytical Model

基于增强大数据分析模型的主题旅游推荐系统

Suriya Priya R. Asaithambi et al.

https://www.mdpi.com/2121136

增强大数据模型集成图示

文章亮点：

(1) 本文提出了一种新的增强大数据模型，利用协同过滤技术和群众外包来构建有效的推荐系统。

(2) 该系统创新性地糅合了系统的深度学习模型，采用机器学习技术，例如时间序列预测、情绪挖掘和人工神经网络等，能在旅游相关活动中做出智能、以用户为中心的决策。

(3) 本文结合了多种结构化和非结构化数据，涵盖与用户个人偏好、环境因素和目的地特征相关的各种主题；此外，主题推荐系统采用集群部署，并使用通用的可扩展框架进行分析建模、自动扩展和模型调整，为未来的扩展和微调提供了灵活的空间。

02

A Survey of Advancements in Real-Time Sign Language Translators: Integration with IoT Technology

实时手语翻译器进展调查：与物联网技术的融合

Maria Papatsimouli et al.

https://www.mdpi.com/2353504

与物联网技术结合的实时手语翻译技术演示图

文章亮点：

(1) 本研究分析了过去五年来实时手语翻译的进步，特别关注其与物联网的结合。

(2) 本研究通过分析当前文献、技术报告和会议论文，提供了有关该领域最先进技术的宝贵见解。

(3) 研究结果强调了这些系统的应用潜力，尤其是当结合到物联网技术时，可以弥合手语与非手语使用人群的沟通鸿沟，并促进对失聪和听力障碍人群的包容性。

03

Evaluation of Machine Learning Algorithms for Classification of EEG Signals

针对脑电信号分类机器学习算法的评估

Francisco Javier Ramírez-Arias et al.

https://www.mdpi.com/1705478

脑电信号分类方法图示

文章亮点：

(1) 本研究评估了使用脑电信号对运动进行分类的机器学习算法，重点关注特征提取技术，以提高分类准确性，方便了解该方法在机器人假肢等应用中的潜在用途。

(2) 作者使用C3、C1、CZ、C2和C4电极获取30名受试者的脑电信号数据，而后将其用于ANN、LDA、DT、KNN、NB 和 SVM等9种机器学习算法的训练。

(3) 作者采用LabVIEW™和MATLAB中的定制应用程序进行信号处理、特征提取和算法训练。综合结果表明Medium-ANN模型效果最好，AUC为0.9998，Cohens Kappa为0.9552，Matthews相关系数为0.9819，损失为0.0147。

04

Stacking-Based Ensemble Learning Method for Multi-Spectral Image Classification

基于堆叠的多光谱图像分类集成学习方法

Tagel Aboneh et al.

https://www.mdpi.com/1469354

元学习算法图示

文章亮点：

(1) 作者提出了一种基于堆栈的集成学习方法，利用多光谱图像数据有效地分析土地利用和土地覆盖。

(2) 作者采用此方法来构建模型，其性能优于其他强大的单一分类器；当该种基于堆栈的集成学习与XGBoost方法相结合时，新模型能够有效地对所用土地进行分类，准确率超过99%。

(3) 为了生成用于学习元级分类器的训练集，作者进行交叉验并得出结论：基于集成的方法优于任何强大的单机器学习算法。

05

Explainable AI (XAI) Applied in Machine Learning for Pain Modeling: A Review

综述：解析型人工智能在疼痛建模机器学习中的应用

Ravichandra Madanu et al.

https://www.mdpi.com/1676294

图. (a) 骨盆倾斜描述了下背部疼痛的特征；(b) 肩袖肌腱撕裂或撕裂过程，这种损伤被认为是导致肩痛复发的一个关键因素

文章亮点：

(1) 解析型人工智能 (Explainable AI, XAI) 模型通过提供透明的诊断和治疗计划，来支持医疗决策，它们在医学科学和临床实践中发挥着关键作用，尤其是在医患沟通方面。

(2) 人工智能系统利用脑电图 (electroencephalograms, EEG)、肌电图(electromyograms, EMG)、脉搏率和心电图 (electrocardiograms, ECG) 数据，实时监测患者的健康状况，越来越多地被用于助力外科手术等医疗环节。

(3) 可以通过突出与特定疾病相关的关键特征，来提高XAI模型诊断的准确性，从而更容易理解其根本原因，并指导更有效的治疗策略。

特刊征稿

选择适合您的特刊进行投稿，Technologies 将为您提供高效优质的出版服务，守护您的发表体验。

点击下方链接，了解更多特刊详情：

https://www.mdpi.com/journal/technologies/special_issues

作者指南

如您对投稿有任何疑问，欢迎阅读作者指南，或联系 Technologies 期刊编辑部 (technologies@mdpi.com)。

点击下方链接，获取作者指南：

https://www.mdpi.com/journal/technologies/instructions

Technologies 期刊介绍

主编：Manoj Gupta, National University of Singapore, Singapore

期刊旨在为新兴的科技趋势提供一个交流平台，包括但不限于机器学习、物联网、新兴材料科学、电子技术、辅助技术等领域。