识别和评估糖尿病患者的虚弱应该是优先事项，以便更好地治疗和管理

德克萨斯农工大学阿蒂·麦克费林化学工程系副教授兼安全工程项目主任王庆生博士所写的一篇文章被美国化学学会(ACS)编辑选择。王集团研究生焦泽仁、胡平帆、徐宏飞为论文共同作者。这篇文章名为《化学健康与安全中的机器学习和深度学习:技术和应用的系统综述》，最初发表在该杂志上美国化学健康与安全协会，王某和他的团队审查了当前的文学周边机器学习和安全工程背景下的深度学习。

机器学习和深度学习是基于机器学习的人工智能和模型的子集/深度学习技巧可以自动从数据中学习，并执行诸如预测和决策等任务。大量跨学科研究表明，将机器学习和深度学习结合到一个全面的安全机制中，在趋势识别和预测辅助方面取得了成功，可以极大地节省人力、物力和财力。

虽然两种机器和深度学习在安全工程背景下具有非常相似的目标，但有一些关键差异。机器学习包含概率论，统计，近似理论，算法复杂性理论和凸分析构建可以基于训练数据构建数学模型的预测或决策，而不明确地编程为此。基本上，机器学习技术可以解释大量数据，并提供预测，趋势并做出明智的决策。

深度学习是机器学习的一个子集人工神经网络- 作为生物神经元灵感的计算系统 - 作为表征和学习数据的架构。深度学习形成更摘要，高级表示属性类别或通过组合低级功能来发现数据的分布式功能表示，可以消除功能工程步骤机器学习基于准确度的增加，并且对于计算机视觉和自然语言处理等任务来说非常有用。这两个领域都迅速发展，在安全工程中的应用很大。

在文章中，王某和他的研究小组分析并分析了100多个同行评审的论文，以表现当前机器和深度学习奖学金的快照，以及对该地区的进展审查审查。此外，王突出了当前机器中的挑战和差距深度学习有关安全工程的文献。

---

---