XiaoMi-AI文件搜索系统
World File Search System常用方法
17. 土地利用土地覆盖分类的初级阶段
土地利用/土地覆盖 (LULC) 描述了地球的特征并表明了土地如何用于各种活动。土地覆盖变化是一个持续的过程，与城市化、森林砍伐、湖泊干涸、农业用地过度利用等有关。因此，它构成了经济规划和资源管理的重要基础。然而，在空间域中准备 LULC 数据是一项耗时费力的工作，需要大量的人力资源。在使用遥感卫星数据时，对一个区域的 LULC 进行分类是一项重大挑战。在过去十年中，机器学习 (ML) 因其强大的学习能力而呈现出日益上升的趋势和极大的兴趣，因为它能够在多个处理层上学习具有多个抽象级别的数据样本表示。由于 ML 方法的输出一致且对人为干预的要求较少，因此使用该方法对土地特征进行分类是地理空间领域的正确方法和当前趋势。用于 LULC 分类的 ML 技术：支持向量机 (SVM)、随机森林 (RF)、最大似然分类器 (ML) 和深度人工神经网络 (ANN) 等监督算法是从多光谱卫星图像中提取主题信息的一些常用方法。1. 2001 年，Breiman 提出了一种集成分类方法，即随机森林 (RF)
![arXiv:2006.15357v1 [cs.CV] 2020 年 6 月 27 日](/simg/g:\will\search\icon\source\a\aa25a206e2350e95792d60cffc94ef86d9a7bc51.webp)
arXiv:2006.15357v1 [cs.CV] 2020 年 6 月 27 日
摘要：视觉分类的新视角旨在从人类大脑活动中解码视觉对象的特征表示。从大脑皮层记录脑电图（EEG）已被视为了解图像分类任务的认知过程的常用方法。在本研究中，我们提出了一个由视觉诱发电位引导的深度学习框架，称为事件相关电位（ERP）-长短期记忆（LSTM）框架，由EEG信号提取用于视觉分类。具体而言，我们首先从多个EEG通道中提取ERP序列以响应与图像刺激相关的信息。然后，我们训练一个LSTM网络来学习视觉对象的特征表示空间以进行分类。在实验中，10名受试者从包含6个类别的图像数据集中记录了超过50,000次EEG试验，总共包括72个样例。我们的结果表明，我们提出的 ERP-LSTM 框架可以分别实现类别（6 类）和样本（72 类）的跨对象分类准确率 66.81% 和 27.08%。我们的结果优于使用现有的视觉分类框架，分类准确率提高了 12.62% - 53.99%。我们的研究结果表明，从 EEG 信号中解码视觉诱发电位是学习用于视觉分类的判别性大脑表征的有效策略。
![arXiv:2205.09829v1 [q-bio.NC] 2022 年 5 月 19 日 - Justin Jude](/simg/g:\will\search\icon\source\a\aa8f15f482488c0fdebafe05c6a479e23e11755b.webp)
arXiv:2205.09829v1 [q-bio.NC] 2022 年 5 月 19 日 - Justin Jude
从记录的神经活动中解码刺激或行为是研究中研究大脑功能的常用方法，也是脑机接口和脑机接口的重要组成部分。即使是从小的神经群体中也能进行可靠的解码，因为高维神经群体活动通常占据低维流形，而这些流形可以用合适的潜在变量模型发现。然而，随着时间的推移，单个神经元活动的漂移和神经记录设备的不稳定性可能会很大，使得几天和几周的稳定解码变得不切实际。虽然这种漂移无法在单个神经元层面上预测，但当底层流形随时间稳定时，连续记录会话中的群体水平变化（例如不同的神经元组和记录数据中一致神经元的不同排列）可能是可以学习的。在会话中对一致和不熟悉的神经元进行分类，并考虑在记录会话中记录数据集中一致记录神经元顺序的偏差，可以保持解码性能。在这项工作中，我们表明深度神经网络的自监督训练可用于补偿这种会话间变异性。因此，连续自动编码模型可以在未来几天内为完全未见过的记录会话保持最先进的行为解码性能。我们的方法只需要一个记录会话来训练模型，这是朝着可靠、无需重新校准的脑机接口迈出的一步。
同时对量子比特和运动退相干不敏感的无激光捕获离子纠缠门
囚禁离子具有较长的相干时间、固有的均匀性和较高的门保真度，是量子模拟和通用量子计算的一个有前途的平台[1-8]。实现高保真度多量子比特纠缠门的最常用方法依赖于将内部量子比特“自旋”态与集体运动自由度耦合[1,2,9]。几何相位门——通过运动相空间中封闭的、自旋相关的轨迹产生纠缠——被广泛使用，因为它们对离子温度（在 Lamb-Dicke 极限下）具有一级不敏感性[10-12]。几何相位门利用激光束产生所需的自旋运动耦合，已被用于产生保真度为 ∼ 0 的贝尔态。 999 [7,8]，主要误差来自非共振光子散射[13]。其他无激光方案利用静态[14-19]、近量子比特频率[20-25]或近运动频率[20,26-28]磁场梯度引起自旋运动耦合。虽然无激光方案消除了光子散射误差，并且不需要稳定的高功率激光器，但由于其门持续时间通常较长，因此更容易受到其他噪声源的影响。由于场幅度波动导致的量子比特频率偏移或错误校准是使用微波场梯度实现的无激光门的主要误差源[19,21]。最近的研究表明，通过精心的陷阱设计可以被动地减少其中一些偏移[24]。也可以通过添加控制场来执行动态解耦，从而主动减少它们[18,29-32]；迄今为止，最好的
DaSAM：基于疾病和空间注意模块的脑肿瘤检测可解释模型
摘要：脑肿瘤是细胞发育不正常的结果。它是全球成年人死亡的主要原因。早期发现脑肿瘤可以避免许多死亡。用于早期脑肿瘤诊断的磁共振成像（MRI）可以提高患者的生存机会。诊断脑肿瘤的最常用方法是 MRI。MRI 中恶性肿瘤的可见性提高使治疗更容易。脑癌的诊断和治疗取决于其识别和治疗。过去十年中提出了许多深度学习模型，包括 Alexnet、VGG、Inception、ResNet、DenseNet 等。所有这些模型都是在庞大的数据集 ImageNet 上训练的。这些通用模型具有许多参数，在针对特定问题实施这些模型时，这些参数变得无关紧要。本研究使用自定义深度学习模型对脑部 MRI 进行分类。提出的疾病和空间注意力模型（DaSAM）有两个模块； (a) 疾病注意模块 (DAM)，用于区分图像的疾病区域和非疾病区域；(b) 空间注意模块 (SAM)，用于提取重要特征。所提出的模型的实验在两个公开的多类数据集 Figshare 和 Kaggle 数据集上进行，分别达到了 99% 和 96% 的准确率。所提出的模型还使用跨数据集验证进行了测试，在 Figshare 数据集上训练并在 Kaggle 数据集上验证时达到了 85% 的准确率。DAM 和 SAM 模块的结合实现了特征映射功能，这对于在模型的决策过程中突出显示重要特征非常有用。
泡利通道和动力学图的量子模拟
自诞生以来，量子计算机就被认为是模拟量子系统的有力工具 [1]。作为具有基础意义 [2,3] 和实际意义 [4] 的开放量子系统，人们一直致力于模拟开放量子系统的演化 [5-7]，特别是量子信道 [8-11]，可用于研究和建模退相干。此类量子算法可以用所谓的量子电路 [12] 来表示，我们将在第 3 节中对其进行研究。由于此类系统具有许多应用，例如研究多体纠缠的出现 [13,14]、研究耗散过程 [15] 和建模非马尔可夫动力学 [16]，因此对其进行了模拟。在量子系统中，最简单的情况是量子比特 [ 12 ]，其中产生退相干的最简单的信道类型是泡利信道 [ 17 – 19 ]。事实上，它们是影响量子设备的噪声的有效模型 [ 20 ]。在本文中，我们提出了一种模拟泡利信道的量子算法，并在 IBM 的一台量子计算机上实现它。所提出的算法很简单，只需更改其执行操作中的几个参数即可用于任何泡利信道。为了表示算法，我们使用量子电路，这是一种表示用于量子计算机的算法的常用方法。[ 12 ]。此外，我们还将模拟泡利动力学图，它们是泡利信道的连续参数化曲线。
Synechococcus elongatus 基因组中的系统性大片段缺失及其导致的转录组学变化
摘要：基因组精简是微生物进化过程中的自然过程，已成为生成理想底盘细胞用于合成生物学研究和工业应用的常用方法。然而，由于基因操作非常耗时，系统性基因组减少仍然是蓝藻生成此类底盘细胞的瓶颈。Synechococcus elongatus PCC 7942 是一种单细胞蓝藻，是系统性基因组减少的候选者，因为其必需基因和非必需基因已通过实验确定。本文报告，23 个超过 10 kb 的非必需基因区域中至少有 20 个可以被删除，并且可以实现这些区域的逐步删除。生成了一个七重缺失突变体（基因组减少了 3.8%），并研究了基因组减少对生长和全基因组转录的影响。在祖先三重至六重突变体（ b 、 c 、 d 、 e1 ）中，与野生型相比，上调的基因数量越来越多（最多 998 个），而在七重突变体（ f ）中上调的基因数量略少（831 个）。在来自五重突变体 d 的另一个六重突变体（ e2 ）中，上调的基因数量要少得多（232 个）。在本研究的标准条件下，突变体 e2 的生长率高于野生型、e1 和 f 。我们的结果表明，大量减少蓝藻基因组以生成底盘细胞和进行实验进化研究是可行的。
![arXiv:2203.05855v1 [nucl-th] 2022 年 3 月 11 日](/simg/g:\will\search\icon\source\a\af0f8e11b0a2732ef0c398a7bd64d546b852e1a4.webp)
arXiv:2203.05855v1 [nucl-th] 2022 年 3 月 11 日
中能重离子物理的主要目标是探索热而致密的强相互作用核物质的性质。将地面实验室的实验数据与理论计算进行比较是探索各种密度、温度和同位旋不对称条件下核物质基本性质的常用方法之一[1–4]。Boltzmann-Vlasov类(通常称为BUU类)和分子动力学类(通常称为QMD类)模型是模拟中能重离子碰撞(HIC)最流行的两种理论模型。介质中的核子-核子弹性截面(NNECS)是这两个模型的重要组成部分之一，近几十年来得到了广泛的研究[5–8]。自由空间中的NNECSσfreeel可以通过实验直接测量，但介质中的NNECS（σin-medel）的信息通常受到理论假设的约束。这些理论计算包括但不限于采用Bonn势的Dirac-Brueckner方法[9,10]，采用现实核子-核子势的Dirac-Brueckner-Hartree-Fock方法[11]，相对论性Brueckner-Hartree-Fock模型[12,13]，封闭时间路径格林函数方法[14]。明确表明σin-medel受到核介质的修正，但这种修正程度还远未得到彻底解决。在大多数用于模拟中能 HIC 的理论模型中，为了简单起见，通常使用 NNECS 的参数化介质内校正因子。一般来说，该校正因子 F = σ in-med el /σ free el 与密度和/或动量以及同位旋有关 [ 15 – 21 ]。许多模型模拟已经证明 HIC 中的各种现象对 σ in-med el 敏感，因此
基因调控和基因编辑工具及其在视网膜疾病和神经保护中的应用：从概念验证到临床试验
基因编辑和基因调控领域正在不断开发新的、更安全的工具，超越最初的 CRISPR/Cas9 技术。随着更多先进应用的出现，了解和建立更复杂的基因调控和编辑工具对于有效的基因治疗应用至关重要。眼科是基因治疗应用的领先领域之一，有 90 多项临床试验和大量概念验证研究。大多数临床试验都是基因替代疗法，非常适合单基因疾病。尽管 Luxturna 取得了临床成功，但基因替代疗法仍然存在一些局限性，包括靶基因的大小、启动子的选择以及致病等位基因。因此，进一步尝试采用新的基因调控和基因编辑应用对于针对现有方法无法实现的视网膜疾病至关重要。CRISPR-Cas9 技术凭借其基因编辑特性为矫正基因疗法打开了大门。 CRISPR-Cas9 相关工具（包括碱基修饰器和主要编辑）的进步已经提高了碱基编辑方法的效率和安全性。虽然碱基编辑是一项非常有前途的努力，但不干扰基因组变化的基因调控方法也正在成为更安全的替代方案。反义寡核苷酸是纠正剪接缺陷或消除突变 mRNA 的最常用方法之一。更复杂的基因调控方法（如人工转录因子）也是另一个发展中的领域，它允许针对单倍体不足条件、功能等效基因、
通过自动微生物和玉米（Zea Mays）的植物降解的石油污染土壤修复和生物降解
摘要：生物学方法目前是从土地上去除有害物质的最常用方法。这项研究工作着重于对石油污染土地的修复。研究了脂肪液烃和PAHS的生物降解，因此研究了生物放射B1和B2的结果。生物制备B1是根据自毒细菌开发的，由菌株Dietzia sp。in118，gordonia sp。in101，53 In Mycolicibacterium frederiksbergense，119 In119 In rhodococcus erythropolis，113 In113和Raoultella sp。in109，而生物制剂B2富含真菌，例如sydowii，asspergillus versicolor，candida sp。，cardosporium halotolerans，penicillium chrysogenum。由于在接种生物制备B1的土壤下进行的生物降解测试的结果，TPH和PAH的浓度分别降低了31.85％和27.41％。用生物制备B2的土壤接种b2更有效，因此TPH的浓度降低了41.67％，PAH降低了34.73％。另一个问题是使用Zea Mays的预处理G6-3B2土壤的植物修复。测试是在三个系统（系统1-Soil G6-3B2 + Zea Mays; System 2-Soil G6-3B2 +生物制品B2 + Zea Mays; System 3-SOIL G6-3B2 + BIPGA-PGA + ZEA MAYS）持续6个月。在系统3中获得了最高程度的TPH和PAH降低，分别为65.35％和60.80％。使用Phytotoxkit TM，Ostracodtoxkit TM和Microtox®在非接种系统1中记录了最低的植物修复效率，其中TPH的浓度降低了22.80％，PAH降低了18.48％。