Description Miscellaneous functions for (1) data management (e.g., grand-mean and group-mean cen- tering, coding variables and reverse coding items, scale and cluster scores, reading and writ- ing Excel and SPSS files), (2) descriptive statistics (e.g., frequency table, cross tabulation, ef- fect size measures), (3) missing data (e.g., descriptive statistics for missing data,错过数据模式,Little的完全随机丢失的测试以及辅助可变分析),(4)多级数据(例如,多级统计统计,组内和组相关矩阵,多级验证性因素分析,多层次验证性因素分析,特定水平的级别拟合分析,跨级别的级别测量量度分析,多数级别的多数级别的多数级别,以及5)多重级别的多重级别,多)多(5) (e.g., confirmatory factor analysis, coefficient al- pha and omega, between-group and longitudinal measurement equivalence evaluation), (6) statis- tical analysis (e.g., bootstrap confidence intervals, collinearity and residual diagnostics, domi- nance analysis, between- and within-subject analysis of variance, latent class analysis, t-test, z- test, sample size determination), and (7) functions to interact用“飞艇”和“ mplus”。
对复杂量子系统的高精度操控和控制是实现通用容错量子计算的关键。对于控制资源受限的物理系统,在扰动下有效而精确地控制目标系统的动态是一项挑战。本文提出了一个多级耗散量子控制框架,并表明深度强化学习提供了一种有效的方法来识别复杂量子系统具有受限控制参数的最优策略。该框架可推广到其他量子控制模型。与传统的最优控制方法相比,该深度强化学习算法可以对具有不同类型扰动的多级量子系统实现高效、精确的控制。
©作者2023。Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的,该许可允许以任何媒介或格式使用,共享,适应,分发和复制,只要您对原始作者和来源提供适当的信誉,请提供与创意共享许可证的链接,并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中,除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料,并且您的预期用途不受法定法规的允许或超过允许的用途,则您需要直接从版权所有者那里获得许可。要查看此许可证的副本,请访问http://创建ivecommons。org/licen ses/by/4。0/。Creative Commons公共领域奉献豁免(http://创建ivecommons。Org/publi cdoma in/Zero/1。0/1。0/)适用于本文中提供的数据,除非在数据信用额度中另有说明。
抽象背景一致的卫生专业人员的报告表明,法国接受阿片类药物维护治疗(OMT)通常使用海洛因,可能会危害其恢复过程。但是,对此事没有正式的流行病学评估。方法我们使用年度更新的汇编,以检索2010年至2020年期间在法国治疗中心接纳的患者的信息。鉴于数据收集的层次结构性质,我们进行了2级改良的泊松回归,以估计OMT患者中过去一个月海洛因使用的风险。结果尽管随着时间的流逝总体趋势总体下降,但OMT患者中海洛因的使用确实很常见,其中一半的患者宣布并发使用。我们的研究揭示了海洛因使用的风险根据OMT的类型而有所不同,与丁丙诺啡相比,美沙酮患者更有可能使用海洛因。使用多级相关的措施还发现了患者特征之间的高异质性,反映了治疗过程中的不同阶段,以及治疗中心之间的差异化实践。结论阿片类药物维持治疗与海洛因的使用有关,特别是当涉及美沙酮时。应特别注意OMT患者的异质性,因为它强调了对卫星干预措施的需求。关键字法国,海洛因,异质性,多级分析,阿片类药物维护处理
多级阈值处理是计算机视觉中的一个重要操作,计算机视觉是人工智能 (AI) 的一个子领域,用于理解和解释现实世界中的数据。现有的基于图像直方图的多级阈值熵方法主要处理除碎片边界之外的熵信息的最大化,这降低了准确性。这些问题导致阈值精度差且速度慢。为了解决这个问题,我们提出了一种基于相互依赖性的新技术,该技术使用碎片边界,这是一个最小化问题。研究了一个第一手目标函数,它处理碎片边界。传统的多级阈值技术由于穷举搜索过程而计算成本高昂,另一种方法是使用基于自然启发算法的进化计算。本文还提出了一种用于多级阈值的新优化器,称为自适应平衡优化器 (AEO),它是对基本平衡优化器 (EO) 的改进,通过为表现不佳的搜索代理实施自适应分散决策。使用标准基准函数将 AEO 性能与最先进的算法——平衡优化器 (EO)、灰狼优化器 (GWO)、鲸鱼优化算法 (WOA)、松鼠搜索算法 (SSA) 和风驱动优化 (WDO) 算法进行了比较。基于定性和定量分析,AEO 的表现优于 EO、GWO、WOA、SSA 和 WDO。通过使用 AEO 最小化目标函数来获得最佳阈值。对于实验,考虑了 BSDS 500 数据集的 500 张图像。考虑了峰值信噪比 (PSNR)、结构相似性指数 (SSIM) 和特征相似性指数 (FSIM) 等流行指标进行定量分析。在计算复杂度降低的同时,阈值精度存在显著差异。强调了本文的优点,以确保其未来在使用软计算(AI 的一个子领域)的工程应用领域中的应用。
,伊朗B加拿大B加拿大伊朗B加拿大气候变化与适应中心,爱德华王子岛大学,加拿大PE,圣彼得斯湾,c,加拿大PE,CANAHID CHANRAN UNICACTION of CANDAD 64001,伊拉克E UNISQ学院,昆士兰州南部大学,昆士兰州4350,澳大利亚,可持续设计工程学院,爱德华王子王子大学,夏洛特镇,夏洛特镇,PE C1A4P3,加拿大G水工程系印度I工程系,达尔豪斯大学,特鲁罗大学,北卡罗来纳州B2N 5E3,加拿大J公民与环境工程系,国王法赫德大学石油和矿业大学,沙特阿拉伯31261,阿拉伯语,阿拉伯沙特阿拉伯,伊朗B加拿大B加拿大伊朗B加拿大气候变化与适应中心,爱德华王子岛大学,加拿大PE,圣彼得斯湾,c,加拿大PE,CANAHID CHANRAN UNICACTION of CANDAD 64001,伊拉克E UNISQ学院,昆士兰州南部大学,昆士兰州4350,澳大利亚,可持续设计工程学院,爱德华王子王子大学,夏洛特镇,夏洛特镇,PE C1A4P3,加拿大G水工程系印度I工程系,达尔豪斯大学,特鲁罗大学,北卡罗来纳州B2N 5E3,加拿大J公民与环境工程系,国王法赫德大学石油和矿业大学,沙特阿拉伯31261,阿拉伯语,阿拉伯沙特阿拉伯,伊朗B加拿大B加拿大伊朗B加拿大气候变化与适应中心,爱德华王子岛大学,加拿大PE,圣彼得斯湾,c,加拿大PE,CANAHID CHANRAN UNICACTION of CANDAD 64001,伊拉克E UNISQ学院,昆士兰州南部大学,昆士兰州4350,澳大利亚,可持续设计工程学院,爱德华王子王子大学,夏洛特镇,夏洛特镇,PE C1A4P3,加拿大G水工程系印度I工程系,达尔豪斯大学,特鲁罗大学,北卡罗来纳州B2N 5E3,加拿大J公民与环境工程系,国王法赫德大学石油和矿业大学,沙特阿拉伯31261,阿拉伯语,阿拉伯沙特阿拉伯
本文回顾了哈萨克斯坦多级农业用地监测系统的现状,该系统是精准农业系统的一部分,在国家层面和土地使用者的背景下实施。确定了广泛使用遥感 (RS) 和无人机 (UAV) 数据的主要制约因素。该国领土面积大、气候条件不同、地形高度差异大,对数据处理和解释方法的选择产生了影响。Sentinel、Landsat、Modis 卫星的数据被用作输入数据,农业中最常用的软件应用程序以此为基础。在对巴甫洛达尔地区 KH“Mayak”农场的农业用地进行监测的基础上,利用可用的在线应用程序、程序、本地 Web 服务、UAV 评估了在哈萨克斯坦现代条件下多级使用遥感的潜力。无人机与移动 RTK 站的测量结果可以确保 1:1000 比例尺的地图精度。