XiaoMi-AI文件搜索系统
World File Search System动作
物理AI代理：将认知智能与现实世界动作整合
垂直AI代理人通过提供主要特定智能和量身定制的解决方案来彻底改变行业。然而，许多部分，例如制造业，医疗保健和物流，都需要能够将其智力扩展到物理世界，直接与物体，环境和动态条件直接进行。这一需求导致了物理AI代理的出现，该系统的系统将由专业LLMS提供支持的认知推理和精确的身体动作以执行现实世界任务。这项工作将物理AI代理引入了与垂直AI代理共享原理的演变，该原理是针对物理相互作用而定制的。我们提出了一个具有三个核心区块的模块化体系结构，即感知，认知和驱动 - 为不同的工业提供了可扩展的框架。此外，我们介绍了物理检索增强发电（pH-rag）设计模式，该模式将物理知识与特定于行业的LLM相关联，以实时决策和以物理环境告知。通过案例研究，我们演示了物理AI代理和pH-rag框架如何改变自动驾驶汽车，仓库机器人技术，医疗保健和制造业等行业，为企业提供了整合体现的AI的途径，以进行运营效率和创新。
气候动作的二氧化碳证书
今天，人为气候变化已经在全球产生了切实的影响，并对国家政府构成了重大挑战。排放交易系统旨在帮助避免即将来临的气候灾难。原则是，政府为其国家的温室气体排放设定了上限，并签发了排放津贴的公司。这些津贴允许定义的排放量。公司可以自己使用津贴，也可以将其出售。为了逐渐减少排放，津贴总数（“ CAP”）不断减少。重工业传统上在乌克兰经济中发挥了主导作用。相对于其经济产出，该国排放的二氧化碳是欧盟平均水平的三倍。即使在全球比较中，乌克兰的排放量也是国际平均水平的两倍。这是该国致力于改变其气候政策的原因之一。与欧盟的协会协议还需要引入排放贸易体系，这使得这成为乌克兰加入欧盟的条件之一。
平稳的追捕眼动动作有助于下肢长期反射调制
抽象的体感介导的反应在适应环境变化方面起着基本作用，尤其是通过长期响应（LLRS）。我们研究了用于跟踪移动物体的缓慢移动的平滑追捕眼运动（SPEM）如何在机械与移动物体的机械相互作用期间影响上肢和下肢的LLR。17名参与者在站立时以25 cm/s接近的虚拟物体发生碰撞，稳定了肢体。此任务发生在受试者在视觉上追踪对象或固定中心位置时发生。在两个时间点应用机械扰动：在预期碰撞之前约为200ms和60ms。在随机的试验子集中，机器人在预期的碰撞之前应用了200ms（早期）或60ms（晚）的机械扰动。与以前的研究一样，在腿部肌肉中观察到上肢位移。此外，腿部LLR是通过凝视调节的，在追捕过程中比固定更大，但仅在晚期扰动中。这种特定时序调制与先前关于反馈控制中的政策转变的报告在影响之前大约60ms。上肢LLR不受目光的影响，表明对姿势控制电路有优先排序。这项工作扩展了我们对感觉运动积分基础的神经机制的理解，并突出了人类运动控制系统的复杂性，以与全身姿势反应协调眼运动。
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
MSCI气候动作索引方法
如果非索引成分获得现有索引成分，则将从索引中删除现有组成部分，并且不添加非组成部分将不会添加到索引中。安全特性的变化，如果特征发生变化（国家，行业，大小段等），安全性将继续成为索引组成部分。将在随后的索引审查中进行持续纳入指数的重新评估。有关与此指数相关的公司事件的具体处理的更多细节和说明可以在“ MSCI公司事件方法论”书籍中找到，详细介绍了限制的加权和非市场资本化加权指数中事件的处理。
针对性刺激运动皮层神经系统可促进学习动作
这与“初始条件假设”相一致，该假设认为准备活动设定了动态系统的初始状态，然后演变为产生由初始状态部分定义的时空活动（28）。支持这一观点的是，在视觉和自愿试验中，刺激前和提示前活动状态分别在每次试验的基础上预测了运动过程中的后续群体活动（图 4C）。也许因此，我们 10
气候动作状态报告2024 MSAR＃14367 ...
资料来源：https：//www.fhwa.dot.gov/policyinformation/motorfuelhwy_trustfund.cfm除了联邦绩效跟踪外，MDOT还生产了与ACTAINMECTIONT的年度GHG库存。与图1中所示的图表不同，公路运输的温室气体排放库存分析主要是三种趋势的产物：VMT，车队的效率和车辆中使用的GHG能量强度。公路温室气体排放量在2006年至2019年之间每年都在减少，而2020年的大量减少与Covid大流行有关。 2021，2022，2023和2024估计值保持在2019年的水平以下，因为大流行旅行的恢复如图2所示。 2023年所示的排放量的略有增加主要是用于计算总发射的模型变化的结果。公路温室气体排放量在2006年至2019年之间每年都在减少，而2020年的大量减少与Covid大流行有关。2021，2022，2023和2024估计值保持在2019年的水平以下，因为大流行旅行的恢复如图2所示。2023年所示的排放量的略有增加主要是用于计算总发射的模型变化的结果。
气候动作
气候变化扩大了现有的漏洞和不平等，包括基于年龄，性别，阶级，种族，能力和土地权利的脆弱性和不平等。与气候有关的冲击和压力加剧了儿童在健康，教育和长期发展成果方面的不平等现象。2个居住在城市贫民窟的女孩和男孩，由于定居点在不安全和边际土地上的定居点位置，缺乏基础设施和基本服务，质量不佳的住房以及定居点内部拥挤，因此对极端天气事件的暴露和脆弱性通常更大。3居住在低洼，边际或退化的土地上的贫困和脆弱的社区高度暴露于气候变化的影响，但他们常常缺乏获得信息，资源和决策来适应或保护自己的信息。4个妇女和女孩特别容易受到气候变化的影响，这是由于性别不平等和社会规范。，例如，在全球范围内，诸如干旱，洪水和风暴之类的气候灾难杀死的女性比男性多，并且往往在年轻时杀死女性。5威胁生计和资源竞争已证明使妇女和女孩处于性暴力的风险增加。6
HKUST Net-Zero碳动作计划2024
最终目标是到2045年达到零排放水平，但要确保我们步入正轨，实现临时目标和目标很重要。最早的温室气基线是2014年，这成为了第一个大学范围内的可持续发展计划的起点（HKUST 2020年可持续发展挑战）。2014年，HKUST排放了61,200吨温室气体。到2023年，HKUST的排放量减少了38％。由于校园的增长，进一步的减少将继续很困难，但要保持与香港的脱碳计划保持一致，HKUST将在2035年将排放量减少50％至约30,000吨。这些削减将伴随着可比的水消耗量，垃圾填埋场的浪费以及校园可持续性的总体可持续性进步，如每个七年的可持续性计划更新（目前是HKUST 2028可持续发展挑战）。
精神疾病和大麻使用：动作机制和长期风险Michaella Nascimento Carsola，Maria Eduarda Azevedo Schmidt Ze
摘要大麻的使用及其与精神疾病的关联已广泛讨论主题，现代研究突出了复杂的动作机制和长期风险。研究表明，大麻使用可以产生重大的神经心理学作用，从而影响多巴胺和内源性大麻素系统等基本神经递质，它们可以触发或加剧精神疾病，例如精神分裂症，焦虑和抑郁症。这些作用机制与影响情绪，记忆和行为的关键大脑调节有关，从而影响了倾向人的脆弱性。临床研究和系统评价指出，慢性大麻使用与精神病症状的发展之间存在联系，尤其是在遗传易感的个体或关键的发展期（例如青春期）之间。此外，长时间使用与大脑的结构和功能变化有关，从而影响与情绪处理和认知控制有关的区域。风险包括增加对精神病疾病的敏感性和损害认知功能的敏感性，并有证据表明，即使在使用药物使用中断后，这些影响也可能持续。因此，对于卫生专业人员来说，了解大麻使用与心理健康之间的复杂相互作用至关重要，认识到个性化和预防方法的重要性。考虑到个体脆弱性因素，例如遗传易感性和家族史，对于减轻与大麻使用相关的风险至关重要。总而言之，对行动机制和潜在的长期风险的认识对于指导临床决策，促进充分的干预措施并防止弱势群体的不利后果至关重要。