XiaoMi-AI文件搜索系统
World File Search System变量
多变量孔隙压力预测的混合机学习优化算法
孔隙压力是钻孔设计中的重要数据，其准确的预测对于确保钻孔安全性和提高钻井效率是必要的。在形成特定的结构和岩性时，预测孔隙压力的传统方法受到限制。在本文中，使用机器学习算法和有效应力定理来建立岩石物理参数和孔隙压力之间的转换模型。本研究收集了三口井的数据。Well 1有881个用于模型训练的数据集，Wells 2和3具有538和464个数据集用于模型测试。在本文中，选择了支持向量机（SVM），随机森林（RF），极端梯度提升（XGB）和多层感知器（MLP）作为孔隙压力建模的机器学习算法。In addition, this paper uses the grey wolf optimization (GWO) algorithm, particle swarm optimization (PSO) algorithm, sparrow search algorithm (SSA), and bat algorithm (BA) to establish a hybrid machine learning optimization al- gorithm, and proposes an improved grey wolf optimization (IGWO) algorithm.IgWO-MLP模型通过使用5倍的交叉验证方法来获得训练数据，从而获得了最小根平方误差（RMSE）。对于井2和3井中的孔隙压力数据，SVM，RF，XGB和MLP的确定系数（R 2）为0.9930和0.9446、0.9943和0.9943和0.9472、0.9472、0.9945和0.9945和0.9488、0.9949、0.9949、0.9949和0.9949和0.9574。MLP在训练和测试数据上都达到了最佳性能，MLP模型显示出高度的概括。©2023作者。Elsevier B.V.的发布服务代表KEAI Communications Co. Ltd.表明IGWO-MLP是孔隙压力的极好预测指标，可用于预测孔隙压力。这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/ 4.0/）下的开放访问文章。
多变量病变症状映射，以预测从失语症中恢复的轨迹
中风后失语症的人倾向于在某种程度上恢复其语言；但是，可靠地预测长期将发生的恢复的性质和程度仍然充满挑战。这项研究的目的是定量预测语言结果的第一年，从多个语言的多个领域和中风后多个时间点恢复。我们招募了217名失语症患者，急性左半球缺血或出血性中风，并使用快速的Aphinia电池急性电池评估了他们的语音和语言功能，然后在势利点最多获得纵向后续数据，最多三个时间点：1个月（n = 102）（n = 102），3个月（n = 98）（n = 98）（n = 98）和1年（n = 74）（n = 74）。我们使用支持矢量回归来使用急性临床成像数据，人口统计学变量和初始失语症的严重程度作为输入来预测每个时间点的语言结果。我们发现，可以使用这些模型来预测长期（1年）失语症的60％的差异，并具有有关病变位置的详细信息，重要的是有助于这些预测。在1个月和3个月的时间点上的预测基于病变位置的准确性较小，但在模型中包括初始APHA SIA的严重性时，在1年时间点的预测中达到了可比的准确性。语言的特定子域除了总体严重程度外，还具有不同的准确性，但通常相似的准确性。我们的发现证明了使用支持矢量回归模型具有带有一方面的交叉验证的可行性，以对长期恢复失语症进行个性化预测，并提供有价值的神经解剖基线，以在此基准上建立未来模型，并将未来的模型纳入超出神经解剖学和人际预测因素以外的信息。
最小值使用具有一维潜在变量的浅生成模型
在我们看来，可以根据其数据生成过程将普遍使用的深层生成模式分为两种方法。第一种方法涉及为函数g：r d 0→r d构建估计值ˆ g，通常称为发电机。然后，从已知的D 0尺寸分布（例如标准正常或均匀）中绘制样品z，ˆ g（z）被视为估计分布中的样品。因此，ˆ g（z）的分布（或deNSISTIS）是P 0（或p 0）的间接估计器。变化自动编码器（VAE）（Kingma和Welling，2014; Rezende等，2014），正常化流量（NF）（Dinh等，2015; Rezende and Mohamed，2015）和生成的对抗性网络（GAN）（GAN-LOW-LOW-LOW。 Al。，2017年）是重要的例子。
抑制ULK1/2和KRASG12C控制肺癌临床前模型中肿瘤的生长 宿主细胞丝氨酸蛋白酶抑制剂MM3122对SARS-COV-2的疗效用于治疗和预防COVID-19 设计多面体DNA纳米结构的简单工具 北颜色：北极的4种产生色素细菌的隔离和表征 相同任务的多个大脑激活模式 标题1将性视为... 中的生物变量 NIPBL+ 中的胃阶段基因表达 珊瑚准确解决具有长阅读测序的外染色体外DNA基因组结构 在鼠感染模型中发现具有功效的SARS-COV-2蛋白酶样蛋白酶（PLPRO）抑制剂 标题：曲霉DSRNA病毒驱动真菌健身和... 通过深入的强化学习来鉴定SARS-COV-2 MPRO抑制剂，用于新的药物设计和计算化学方法
1。犹他州犹他州盐湖城肿瘤科学系。2。犹他州盐湖城犹他大学亨斯曼癌症研究所。3。德克萨斯大学医学博士安德森癌症中心遗传学系，德克萨斯州休斯敦4。Deciphera Pharmaceuticals LLC，堪萨斯州劳伦斯市643 ST。5犹他州盐湖城病理学系。 6。 犹他州盐湖城医学肿瘤学部内科学系。 7。 犹他州盐湖城皮肤科系皮肤科系。 *通讯作者马丁·麦克马洪（Martin McMahon），博士 俄罗斯大学，犹他大学，2000年希望圈，HCI-RS-2725盐湖城，盐湖城，UT 84112（801）213 5790电子邮件：martin.mcmahon@hci.utah.utah.utah.utah.utah.uta.edu作者贡献：PCG，PCG，PCG，MM，MM，MM，MB，BDS和DLF设计了实验者； PCG和MM分析了数据； PCG执行了大多数实验。 KTO协助免疫印迹；太太进行了体外协同作用测定； SSB和MTS协助体内动物研究； ELS进行了组织病理学分析； PCG和MM写了手稿；所有作者均审查并编辑了手稿。 相互竞争的利益声明：此处描述的研究得到了犹他大学和Deciphera Pharmaceuticals，LLC的赞助研究协议的支持，并授予MM和CGK。 关键字：KRAS，ULK，LKB1，TP53，自噬，KRAS G12C的基因工程小鼠模型 - 驱动的肺癌5犹他州盐湖城病理学系。6。犹他州盐湖城医学肿瘤学部内科学系。7。犹他州盐湖城皮肤科系皮肤科系。*通讯作者马丁·麦克马洪（Martin McMahon），博士俄罗斯大学，犹他大学，2000年希望圈，HCI-RS-2725盐湖城，盐湖城，UT 84112（801）213 5790电子邮件：martin.mcmahon@hci.utah.utah.utah.utah.utah.uta.edu作者贡献：PCG，PCG，PCG，MM，MM，MM，MB，BDS和DLF设计了实验者； PCG和MM分析了数据； PCG执行了大多数实验。 KTO协助免疫印迹；太太进行了体外协同作用测定； SSB和MTS协助体内动物研究； ELS进行了组织病理学分析； PCG和MM写了手稿；所有作者均审查并编辑了手稿。相互竞争的利益声明：此处描述的研究得到了犹他大学和Deciphera Pharmaceuticals，LLC的赞助研究协议的支持，并授予MM和CGK。关键字：KRAS，ULK，LKB1，TP53，自噬，KRAS G12C的基因工程小鼠模型 - 驱动的肺癌
心肌炎的进步 热泵的年度操作的能量性能以及地面冰存储和光伏/热模块 研究文章的结构共同点由物理化学原理确定 Electrochimica acta 人为与自然栖息地-DADUA研究档案 皮肤钙沉积在原发性家族性脑钙化中 系统评价和元A 大脑年龄预测：使用基于区域和体素的形态学数据的机器学习模型之间的比较 比例变量分布式可再生能源... 氧化还原流量电池 - Padua Research Archive 单方面中风：基于计算机的评估发现了非外边和对比的视觉缺陷 NASH/NAFLD的目标疗法 根据目标人群的治疗指导量化Padova 2型糖尿病模拟器 管理抗真菌剂量的不确定性：抗体图，... NSCLC中的精确手术 通过... 检测接收器在太空中欺骗的GNSS 应用能量 阶段小细胞肺癌患者 脂质体两性霉素B-未来 氧化还原流量电池：浏览安全和法规问题 引用Mondin A，Bertazza L，Barollo S，Pedron MC，Manso J，Piva I，Basso D，Merante Boschin I，Iacobone M，Pezzani R，Mian C和Mian C和Censi S（2023）
受伤。这可能归因于病毒和心脏抗原之间的分子模仿[10]。自身免疫/免疫介导的心肌炎可能发生，即在抗塑性治疗期间，由于先前的感染（不存在感染剂）或在自身疾病的过程中，具有外心外疾病，具有外表现外表现，例如肌酸酯症，高脑毒素综合症，肉芽素，肉芽素，肉芽素，肉芽素，肉芽素质性疾病。 （表1）[6]。在某些情况下，心脏受累可能是自身免疫性疾病的唯一表现[11]。新颖的心脏肿瘤学指南定义了与癌症与癌症相关的心血管毒性，例如免疫检查点抑制剂相关的心肌炎[8]。免疫检查点抑制剂 - 心肌炎最常出现在治疗的前12周中；但是，它也可以在20周后出现[12]。此外，研究表明，心肌炎可能有遗传责任。例如，脱骨体的遗传改变可能会使一种传染剂和疾病发育的传播依据[13]。患者
一个可扩展3D对象生成和重建的变量自动编码器级联级联对敌方网络
摘要：用于3D体积生成和重建的生成对抗网络（GAN），例如形状产生，可视化，自动化设计，实时仿真和研究范围，在各个领域都受到了更多的关注。但是，诸如有限的培训数据，高计算成本和模式崩溃问题之类的挑战持续存在。我们建议将变异自动编码器（VAE）和gan结合起来，以发现增强的3D结构，并引入一种稳定且可扩展的渐进式增长方法，以生成和重建基于体素的基于体素的3D形状。级联结构的网络涉及生成器和鉴别器，从小型体素大小开始，并逐步添加图层，同时在每个新添加的层中使用地面标签监督歧视器，以建模更广阔的体素空间。我们的方法提高了收敛速度，并通过稳定的增长来提高生成的3D模型的质量，从而促进了复杂的体素级详细信息的准确表示。通过与现有方法的比较实验，我们证明了方法在评估体素质量，变化和多样性方面的有效性。生成的模型在3D评估指标和视觉质量中表现出提高的准确性，使它们在包括虚拟现实，元评估和游戏在内的各个领域都很有价值。
气候模型降尺度的多变量硬物理约束
全球气候模型（GCM）是模拟气候演变并评估气候变化影响的主要工具。但是，它们通常以粗糙的空间分解运行，从而限制了它们在繁殖局部规模现象方面的准确性。利用深度学习的统计缩减方法通过近似粗略变量的局部尺度气候场来解决此问题，从而实现了区域GCM的投影。通常，感兴趣的不同变量的气候场是独立缩小的，从而违反了互连变量之间的基本物理特性。本研究研究了此问题的范围，并通过温度的应用为引入多变量硬约束的框架奠定了基础，该框架可以保证与降低气候变量的群体之间的身体关系。
普通人群新冠肺炎后心血管疾病发病率及个体风险预测：多变量预测模型开发与验证研究
数据取自英国临床实践研究数据链。估计了感染后 180 天内动脉或静脉事件、炎症性心脏病以及新发心房颤动或心力衰竭的发病率。接下来，使用年龄、性别和传统心血管危险因素，对 2020 年 12 月 1 日前感染 COVID-19 的 220 751 名成年人建立了多变量逻辑回归模型。所有模型均在 (i) 138 034 名接种疫苗的成年人和 (ii) 503 404 名未接种疫苗的成年人中进行了外部验证，这些成年人在 2020 年 12 月 1 日后首次感染 COVID-19。通过内部和外部验证评估了判别性能和校准。在感染 COVID-19 后长达 60 天内，静脉和动脉心血管事件以及新发心房颤动的发生率有所增加，但炎症性心脏病或心力衰竭的发生率没有增加，静脉事件的发生率最高（每 1000 人年 13 例）。最佳预测模型的 c 统计量为 0.90 或更高。然而，不到 5% 的成年人预测的 180 天结果特异性风险大于 1%。这些罕见的结果使校准变得复杂。
通过量子经典自适应门控实现时间扭曲不变量子循环神经网络
摘要 自适应门控在通过经典循环神经网络 (RNN) 进行时间数据处理中起着关键作用，因为它有助于保留预测未来所需的过去信息，从而提供一种保持时间扭曲变换不变性的机制。本文以量子 RNN (QRNN)（一种具有量子记忆的动态模型）为基础，介绍了一类新型的时间数据处理量子模型，该模型保持了 (经典) 输入输出序列的时间扭曲变换的不变性。该模型称为时间扭曲不变 QRNN (TWI-QRNN)，它在 QRNN 中增强了一种量子-经典自适应门控机制，该机制通过经典循环模型选择是否在每个时间步骤中根据输入序列的过去样本应用参数化酉变换。TWI-QRNN 模型类源自第一原理，其成功实现时间扭曲变换的能力已在具有经典或量子动力学的示例上通过实验证明。