XiaoMi-AI文件搜索系统
World File Search System一个多
一个多功能的计划者，用于学习灵巧和整体...
摘要：由于不连续的动力学以及高维状态和动作空间，机器人的操作具有挑战性。在操纵任务中成功的数据驱动方法通常需要大量数据和专家证明，通常来自人类。现有的计划者仅限于特定系统，并且通常依靠用于使用演示的专业算法。因此，我们引入了一名灵活的运动计划者，该计划量身定制了灵巧和全身锻炼任务。我们的计划者可以为增强学习算法创建可用的演示，从而消除了对额外的培训管道复杂性的需求。使用这种方法，我们可以有效地学习复杂的操纵任务的政策，仅传统的强化学习只会取得很少的进步。此外，我们证明了学习的政策可以转移到真正的机器人系统中，以解决复杂的灵巧操纵任务。项目网站：https：//jacta-manipulation.github.io/
DOI：https://dx.doi.org/10.30919/es1088 人工智能和机器学习在制造工程中的作用和应用：回顾 Sara Bunian，1，# Meshari A. Al-Ebrahim 2，*，# 和 Amro A. Nour 3，# 摘要 人工智能 (AI)、机器学习 (ML)、嵌入式系统、云计算、大数据和物联网 (IoT) 的使用正在影响工业 4.0 向先进技术和高效制造流程的范式转变。由于智能和学习机器的成功使用所带来的快速进步，对人工智能的需求日益增加。人工智能被植入智能制造中，以解决关键的可持续性问题并优化供应链、能源和资源使用以及废物管理。工业 4.0 致力于实现客户驱动的制造能力，以提高灵活性、可持续性和生产力。AI 和 ML 主要用于现代工业流程的优化和监控。工业人工智能系统研究是一个多学科领域，ML、机器人和物联网都参与其中。工业人工智能开发、验证、部署和维护可持续制造的解决方案。由于云计算的兴起和数据存储成本的大幅下降，现在可以存储大量信息和数据并将其传输到 ML 和 AI 算法中，以简化和自动化组织的不同流程。
DOI：https://dx.doi.org/10.30919/es1088 人工智能和机器学习在制造工程中的作用和应用：综述 Sara Bunian，1，# Meshari A. Al-Ebrahim 2，*，# 和 Amro A. Nour 3，# 摘要 人工智能 (AI)、机器学习 (ML)、嵌入式系统、云计算、大数据和物联网 (IoT) 的使用正在影响工业 4.0 向先进技术和高效制造流程的范式转变。由于智能和学习机器的成功使用所带来的快速进步，对人工智能的需求日益增加。人工智能被植入智能制造，以解决关键的可持续性问题并优化供应链、能源和资源的使用以及废物管理。工业 4.0 正在努力实现客户驱动的制造能力，以提高灵活性、可持续性和生产力。AI 和 ML 主要用于现代工业流程的优化和监控。工业 AI 系统研究是一个多学科领域，ML、机器人和物联网都参与其中。工业 AI 开发、验证、部署和维护可持续制造的解决方案。由于云计算的兴起和数据存储成本的大幅下降，现在可以存储大量信息和数据并将其传输到 ML 和 AI 算法中，以简化和自动化组织的不同流程。智能制造和工业 4.0 的框架基于智能流程设计、监控、控制、调度和工业应用。智能制造涵盖了广泛的领域，最初被称为基于物联网的技术。
癌症进化：一个多面性的问题 - Infoscience
1 瑞士洛桑莱曼癌症中心。2 瑞士洛桑大学计算生物学系。3 英国伦敦癌症研究所乳腺癌托比罗宾斯研究中心。4 英国伦敦癌症研究所乳腺癌研究部乳腺表观遗传可塑性和进化实验室。5 英国伦敦帝国理工学院外科和癌症系。6 英国剑桥大学医学研究委员会毒理学部。7 英国剑桥大学医院 NHS 基金会组织病理学系。8 荷兰阿姆斯特丹荷兰癌症研究所 Oncode 研究所肿瘤生物学和免疫学部。9 英国欣克斯顿威康桑格研究所。10 英国剑桥大学医院 NHS 基金会。11 英国剑桥大学儿科系。 12 瑞士洛桑路德维希癌症研究所。13 纽约基因组中心，纽约，纽约。14 纽约威尔康奈尔医学院医学系和迈耶癌症中心血液学和医学肿瘤学分部，纽约，纽约。15 威尔康奈尔医学院计算生物医学研究所，纽约，纽约。16 西班牙巴塞罗那科学技术研究所生物医学研究所 (IRB Barcelona)。17 西班牙马德里卡洛斯三世健康研究所癌症红细胞生物医学研究中心 (CIBERONC)。18 西班牙巴塞罗那加泰罗尼亚先进治疗和研究中心 (ICREA)。19 德国柏林亥姆霍兹联合会马克斯德尔布吕克分子医学中心、柏林医学系统生物学研究所。 20 比利时鲁汶 VIB 癌症生物学中心分子癌症生物学实验室。21 比利时鲁汶鲁汶大学肿瘤学系分子癌症生物学实验室。22 德国癌症研究中心分子神经生物学系
癌症进化：一个多面性的问题
1 瑞士洛桑莱曼癌症中心。2 瑞士洛桑大学计算生物学系。3 英国伦敦癌症研究所乳腺癌托比罗宾斯研究中心。4 英国伦敦癌症研究所乳腺癌研究部乳腺表观遗传可塑性和进化实验室。5 英国伦敦帝国理工学院外科和癌症系。6 英国剑桥大学医学研究委员会毒理学部。7 英国剑桥大学医院 NHS 基金会组织病理学系。8 荷兰阿姆斯特丹荷兰癌症研究所 Oncode 研究所肿瘤生物学和免疫学部。9 英国欣克斯顿威康桑格研究所。10 英国剑桥大学医院 NHS 基金会。11 英国剑桥大学儿科系。 12 瑞士洛桑路德维希癌症研究所。13 纽约基因组中心，纽约，纽约。14 纽约威尔康奈尔医学院医学系和迈耶癌症中心血液学和医学肿瘤学分部，纽约，纽约。15 威尔康奈尔医学院计算生物医学研究所，纽约，纽约。16 西班牙巴塞罗那科学技术研究所生物医学研究所 (IRB Barcelona)。17 西班牙马德里卡洛斯三世健康研究所癌症红生物医学研究中心 (CIBERONC)。18 西班牙巴塞罗那加泰罗尼亚临床与临床研究中心 (ICREA)。19 德国柏林亥姆霍兹联合会马克斯·德尔布吕克分子医学中心、柏林医学系统生物学研究所。 20 比利时鲁汶 VIB 癌症生物学中心分子癌症生物学实验室。21 比利时鲁汶鲁汶大学肿瘤学系分子癌症生物学实验室。22 德国癌症研究中心分子神经生物学系
高中生对人工智能聊天机器人在英语学习中使用的看法：好处、顾虑和道德考虑 Ji Eun Lee 和 Unkyoung Maeng Lee, JE, & Maeng, U. (2023)。高中生对人工智能聊天机器人在英语学习中使用的看法：好处、顾虑和道德考虑。泛太平洋应用语言学协会杂志，27 (2)，53–72。本研究探讨了高中生对在英语学习中使用人工智能聊天机器人的看法。具体来说，它旨在衡量聊天机器人使用的广度，并辨别与其使用相关的潜在挑战的看法。来自一所高中的 30 名学生参加了调查。数据分析涉及频率、平均值和独立样本 t 检验。研究结果如下。首先，学生高度认可聊天机器人的重要性和价值，并对其可用性给予了积极评价。然而，他们之前使用聊天机器人的经验并没有影响这种看法。第二，学生认为在英语学习中使用聊天机器人非常有益。特别是，那些有聊天机器人使用经验的人比没有经验的人有更积极的看法。第三，学生相对意识到使用聊天机器人的潜在道德问题。无论他们是否有使用聊天机器人的经验，他们都特别担心抄袭和版权问题以及潜在的个人信息泄露。他们还意识到了潜在的教育问题，担心过度依赖聊天机器人可能会阻碍他们的探索性学习或导致直接抄袭作业，错失学习机会。然而，没有经验的人比有经验的人更持怀疑态度。本文还讨论了从这些发现中得出的含义和建议。关键词：人工智能聊天机器人、感知、教育用途、道德问题 1 引言 第四次工业革命开启了一个多种技术融合和快速发展的时代。值得注意的是，人工智能的引入不仅有望在制造业、经济和医疗保健等行业取得重大潜在进步，而且还在不断增加
高中生对人工智能聊天机器人在英语学习中使用的看法：好处、顾虑和道德考虑 Ji Eun Lee 和 Unkyoung Maeng Lee, JE, & Maeng, U. (2023)。高中生对人工智能聊天机器人在英语学习中使用的看法：好处、顾虑和道德考虑。泛太平洋应用语言学协会杂志，27 (2)，53–72。本研究探讨了高中生对在英语学习中使用人工智能聊天机器人的看法。具体来说，它旨在衡量聊天机器人使用的广度，并辨别与其使用相关的潜在挑战的看法。来自一所高中的 30 名学生参加了调查。数据分析涉及频率、平均值和独立样本 t 检验。研究结果如下。首先，学生高度认可聊天机器人的重要性和价值，并对其可用性给予了积极评价。然而，他们之前使用聊天机器人的经验并没有影响这种看法。第二，学生认为在英语学习中使用聊天机器人非常有益。特别是，那些有聊天机器人使用经验的人比没有经验的人有更积极的看法。第三，学生相对意识到使用聊天机器人的潜在道德问题。无论他们是否有使用聊天机器人的经验，他们都特别担心抄袭和版权问题以及潜在的个人信息泄露。他们还意识到了潜在的教育问题，担心过度依赖聊天机器人可能会阻碍他们的探索性学习或导致直接抄袭作业，错失学习机会。然而，没有经验的人比有经验的人更持怀疑态度。本文还讨论了从这些发现中得出的含义和建议。关键词：人工智能聊天机器人、感知、教育用途、道德问题 1 引言 第四次工业革命开启了一个多种技术融合和快速发展的时代。值得注意的是，人工智能的引入不仅有望在制造业、经济和医疗保健等行业取得重大潜在进步，而且还在不断增加
一个多功能的托管病毒衍生的纳米颗粒，其靶向癌细胞并内化为
随着合成生物学的努力变得更加雄心勃勃，活细胞中预定义功能的工程需要越来越准确的工具。此外，遗传构建体的表型性能的表征需要细致的测量和广泛的数据获取，以实现进食数学模型和沿设计构建测试生命周期的匹配预测。在这里，我们开发了一种遗传工具，可以简化高通量转座子插入测序（TNSEQ）：携带HIMAR1 Mariner Transposase System的PBLAM1-X质粒载体。这些质粒源自Mini-TN5转座子矢量PBAMD1-2，并按照标准欧洲矢量体系结构（SEVA）格式的模块化标准构建。为了展示它们的功能，我们分析了60个土壤假单胞菌putida kt2440克隆的测序结果。新的PBLAM1-X工具已经包含在最新的SEVA数据库版本中，在这里我们使用实验室自动化工作流程描述其性能。
Clear Creek 县应急管理办公室 (OEM) 战略计划的目的是设计一个多年期应急管理计划，以
Clear Creek 县应急管理办公室 (OEM) 战略计划的目的是设计一个多年期应急管理计划，该计划将县的优先事项、拨款要求和行业最佳实践融为一体。本文件概述了 OEM 从 2023 年 1 月到 2024 年 12 月的预期目标和目的。
livheart：一个多器官芯片平台，用于研究肝脏代谢的药物外毒性的非核心毒性
药物发现和开发是一个漫长，昂贵且高风险的过程，大约需要10年的时间，每种新药的平均成本超过15亿美元，以供临床使用。[1]其中一个存在于一个事实中，即仅在临床试验阶段丢弃90％的候选药物。[1]不可控制的毒性代表了一个主要的流失因子，占此类失败的总体30％，[2]由肝和心脏不良影响带领。[3]此外，药物诱导的心脏和肝脏不良反应共同占与安全性相关的75％以上，并吸引了来自FDA批准的药物市场。[4]这表明目前使用临床前方法评估药物安全性，主要依赖于2D细胞培养物和动物模型，这不足以预先与人类相关的结果。[5]最近，在微流体和微生物技术的基础上，已经花费了巨大的努力来开发先进的人类微型组织模型，以更好地代表人类的体外药物筛查和安全应用。在这种情况下，片上器官（OOC）代表了在体外模拟人体器官的基本功能的创新和可靠的工具[6]，并且在临床翻译能力方面证明，与之前提到的传统临床前系统相比，这两种功能都具有前所未有的优势。[7]包含单个器官的不同OOC解决方案（即肝脏或心脏）已提出形成药物安全研究。[15]在肝脏心脏模型中引起了极大的兴趣，这些模型可以模仿和预测药物肝变代后靶向心脏的毒性。[8–11]但是，只有很少的平台能够结合对药物的靶标和靶向效应的检测，从而有效地再现了体内药物代谢过程。[12–14]多器官片（MOOC）代表了一种颠覆性解决方案，用于同时研究与药物相关的几个器官的影响，具有巨大的承诺，可以在临时性试验中有效预测药物毒性，并最终防止意外的临床药物安全问题。[8]在这种情况下，Oleaga等人[16]开发了一个由五个腔室组成的Pumpless重力驱动的MOOC平台，该平台可以整合肝脏和心脏模块，能够预测肝脏代谢后的环磷酰胺和Terfena-ninine的心脏毒性副作用。该商业设备也用于药代动力学药物研究[17]另一个例子
一个多尺度时空模型，包括从有氧运动到厌氧代谢的转换，可再现早期婴儿肠道微生物群的继任
摘要人类肠道菌群在出生后立即形成，对宿主的健康很重要。在第一个日子里，师生的细菌种类通常占主导地位，例如肠杆菌科。这些由严格的厌氧物种（尤其是双杆菌种类）继承。早期过渡到双杆菌物种与健康益处有关；例如，双杆菌物种抑制病原竞争者的生长并调节免疫反应。替代多杆菌被认为是由于辅助厌氧菌（包括肠杆菌科）在新生儿中存在于新生儿中的氧氧氧气所致。为了研究过渡到双杆菌物种的氧气耗竭，我们在这里引入了一个多尺度数学模型，该模型考虑了代谢，空间细菌种群动力学和交叉进食。使用Agora Collection的公开代谢网络数据，该模型从头开始模拟了严格和某些厌氧物种在肠道和氧气影响下的肠道状环境中的竞争。该模型预测，新生婴儿的殖民地内氧的个体差异可以解释观察到的与厌氧物种，尤其是双杆菌物种的术中观察到的个体变异。双杆菌种类通过使用双杆分流器在模型中变为模型，这使双杆菌可以切换为次优屈服代谢，并在高乳糖浓度下快速生长，如此处使用液压平衡分析。因此，计算模型使我们能够检验婴儿结肠中细菌定植和继承的假设的内部合理性。
b'我们考虑由小型、自主设备组成的网络，这些设备通过无线通信相互通信。在为此类网络设计算法时，最小化能耗是一个重要的考虑因素，因为电池寿命是一种至关重要的有限资源。在发送和侦听消息都会消耗能量的模型中，我们考虑在任意未知拓扑的无线电网络中寻找节点最大匹配的问题。我们提出了一种分布式随机算法，该算法以高概率产生最大匹配。每个节点的最大能量成本为 O (log n )(log \xe2\x88\x86) ，时间复杂度为 O (\xe2\x88\x86log n )。这里 n 是节点数量的任意上限，\xe2\x88\x86是最大度数的任意上限； n 和 \xe2\x88\x86 是我们算法的参数，我们假设它们对所有处理器都是先验已知的。我们注意到，存在一些图族，对于这些图族，我们对能量成本和时间复杂度的界限同时达到多项对数因子的最优，因此任何显著的\xef\xac\x81 改进都需要对网络拓扑做出额外的假设。我们还考虑了相关问题，即为网络中的每个节点分配一个邻居，以便在最终节点发生故障时备份其数据。在这里，一个关键目标是最小化最大负载，定义为分配给单个节点的节点数。我们提出了一种有效的分散式低能耗算法，该算法确定一个邻居分配，其最大负载最多比最优值大一个多项对数 (n) 因子。'
b'我们考虑由小型、自主设备组成的网络，这些设备通过无线通信相互通信。在为此类网络设计算法时，最小化能耗是一个重要的考虑因素，因为电池寿命是一种至关重要的有限资源。在发送和侦听消息都会消耗能量的模型中，我们考虑在任意未知拓扑的无线电网络中寻找节点最大匹配的问题。我们提出了一种分布式随机算法，该算法以高概率产生最大匹配。每个节点的最大能量成本为 O (log n )(log \xe2\x88\x86) ，时间复杂度为 O (\xe2\x88\x86log n )。这里 n 是节点数量的任意上限，\xe2\x88\x86是最大度数的任意上限； n 和 \xe2\x88\x86 是我们算法的参数，我们假设它们对所有处理器都是先验已知的。我们注意到，存在一些图族，对于这些图族，我们对能量成本和时间复杂度的界限同时达到多项对数因子的最优，因此任何显著的\xef\xac\x81 改进都需要对网络拓扑做出额外的假设。我们还考虑了相关问题，即为网络中的每个节点分配一个邻居，以便在最终节点发生故障时备份其数据。在这里，一个关键目标是最小化最大负载，定义为分配给单个节点的节点数。我们提出了一种有效的分散式低能耗算法，该算法确定一个邻居分配，其最大负载最多比最优值大一个多项对数 (n) 因子。'