XiaoMi-AI文件搜索系统
World File Search System度量
城市化对健康的影响取决于健康度量，生活阶段和城市化水平：一项全球荟萃分析对鸟类物种
与城市栖息地相关的压力源与野生动植物健康不良有关，但是尚不清楚城市化与动物健康之间的一般负面关系是否尚不清楚。我们对鸟类文献进行了荟萃分析，以测试城市和非城市环境之间的健康生物标志物是否平均有所不同，以及在物种，生物标志物，生命阶段和物种特征之间是否存在系统的差异。我们的数据集包括1989年至2022年在51种鸟类中发表的112篇文章的644个效应尺寸。首先，我们表明，当我们将采样位置归类为城市或非城市时，城市化对健康没有明显影响。但是，当这种二分变量被代表每个位置的城市化程度的定量变量所取代时，我们确实发现了城市化对健康的负面影响。第二，我们表明，城市化对禽类健康的影响取决于所测量的健康生物标志物和个体生命阶段的类型，年轻人的影响更大。我们的全面分析呼吁将来的研究剥夺特定的城市与城市相关的健康驱动因素，这些驱动因素可能在分类城市与非城市比较中被掩盖。
BPCI高级临床情节与质量度量相关表 - MY6上次更新：2024年7月
概述从2021年，型号4（My4）开始，参与者被要求选择临床发作线组（CESLG）而不是临床发作（CE）类别。在MY4及以后，参与者将通过选择“管理质量度量设置”或“替代质量度量”来评估质量的灵活性，对于他们承诺要承担责任的CESLG中的每个CE。为了帮助参与者选择，本文档确定了每个CESLG；与相应的Medicare严重性 - 诊断相关组（MS-DRGS），医疗保健通用程序编码系统（HCPCS）代码（HCPCS）代码或疾病的国际统计分类（ICD）第9或10次修订；对齐的行政/替代质量措施；国家质量论坛（NQF）或质量支付计划（QPP）编号（如果适用）；以及每个质量度量的数据源。
分布式深钢筋学习基于联邦学习启用车辆边缘计算的梯度量化
摘要 - 填充学习（FL）可以通过共享车辆本地模型而不是本地数据的梯度来在一定程度上保护车辆在车辆边缘计算（VEC）中的隐私。车辆本地型号的梯度通常对于车辆人工智能（AI）应用通常很大，因此传输如此大的梯度会导致较大的环境潜伏期。梯度量化已被认为是一种有效的方法，可以通过压缩梯度和减少位的数量，即量化水平，从而减少FL的每轮潜伏期，从而降低VEC。选择量化水平和阈值的选择决定了量化误差，这进一步影响了模型的准确性和训练时间。为此，总训练时间和量化错误（QE）成为启用FL的VEC的两个关键指标。与启用FL的VEC共同优化总训练时间和量化宽松至关重要。但是，随时间变化的通道条件会引起更多挑战来解决此问题。在本文中，我们提出了一个分布式的深钢筋学习（DRL）基于量化水平分配方案，以优化长期奖励，从总培训时间和量化宽松的时间来优化。广泛的模拟确定了总训练时间和量化宽松之间的最佳加权因素，并证明了拟议方案的可行性和有效性。
性能度量定量指标提高运输绩效•往返和细分市场旅行时间•前进时间表•交叉点延迟•n
Performance Measure Quantitative Metrics Improve Transit Performance • Roundtrip & Segment travel time • Headway schedule • Intersection delay • Number of stops for red-light Enhance Citywide System • Number of messages received and stored • Predictive algorithm accuracy Reduce Greenhouse gas emissions • Idling time savings • Stop dwell time • Number of transit riders • Corridor and side-street congestion Increase Safety of the System • Corridor crash KSI Increase运输安全•按时性能•交通骑士的数量•交叉路口的过境人员延迟图2绩效措施
种群免疫的度量可以预测2017-2018季节流感A（H3N2）的主要进化枝，并揭示了与年龄相关的敏感性和抗体结合特异性的差异
背景：对于抗原可变病原体（例如流感），应变适应性部分取决于与其他菌株相比，宿主对感染感染的相对可用性。抗血凝素（HA）和神经氨酸酶（NA）的抗体赋予了对流感感染的实质性保护。我们询问横断面抗体对人口易感性对不同型流感进化枝（H3N2）的易感性的估计是否可以预测下季节的成功。方法：我们从2017年夏季从1至90岁的483个健康个体收集了血清，并使用焦点还原中和测试（FNRT）和酶连接的凝集素分析（Ella）分析了对代表性菌株的中和对HA和NA的反应。我们估计了循环病毒进化枝的相对人口平均水平和特定年龄的敏感性，并将这些估计值与随后的2017-18季节的进化枝频率变化进行了比较。结果：中和抗体滴度最低的进化枝，表明人口易感性更高，主导下一个季节。对不同的HA和NA进化枝的滴度在个体之间发生了巨大变化，但与年龄显示出显着的关联，表明依赖相关的过去暴露。结论：这项研究表明，人口免疫的代表性度量如何改善进化预测并为流感的选择性压力提供信息。
基于扩展最小作用量原理和真空涨落信息度量的量子力学
摘要 我们证明了非相对论量子力学的公式可以从一个扩展的最小作用量原理中推导出来。这个原理可以看作是经典力学最小作用量原理的扩展，因为它考虑了两个假设。首先，普朗克常数定义了一个物理系统在其动力学过程中为可观测所需表现出的最小作用量。其次，沿经典轨迹存在恒定的真空涨落。我们引入了一种新方法来定义信息度量来测量由于真空涨落引起的额外可观测性，然后通过第一个假设将其转换为额外作用量。应用变分原理来最小化总作用量使我们能够恢复位置表象中的基本量子公式，包括不确定性关系和薛定谔方程。在动量表象中，可以应用同样的方法得到自由粒子的薛定谔方程，而对于具有外部势的粒子仍需要进一步研究。此外，该原理在两个方面带来了新的结果。在概念层面，我们发现真空涨落的信息度量是玻姆量子势的起源。尽管二分系统的玻姆势不可分，但底层的真空涨落是局部的。因此，玻姆势的不可分性并不能证明两个子系统之间存在非局部因果关系。在数学层面，使用更一般的相对熵定义量化真空涨落的信息度量会得到一个取决于相对熵阶数的广义薛定谔方程。扩展的最小作用原理是一种新的数学工具。它可以应用于推导其他量子形式，例如量子标量场论。
用于估计分布度量的参数化量子电路
抽象量子计算是一个新的令人兴奋的领域，有可能解决一些世界上最具挑战性的问题。当前，随着量子计算机的兴起，主要挑战是创建量子算法（在量子物理学的限制下），并使不是物理学家的科学家可以使用它们。本研究提出了一个参数化的量子电路及其在估计离散值向量的分布度量时的实现。可以从这种方法中得出各种应用程序，包括信息分析，探索性数据分析和机器学习算法。此方法在提供对量子计算的访问并使用户可以在无量子物理学的情况下运行它是独一无二的。在数据集和具有不同参数的五个离散值分布上实现并测试了所提出的方法。结果显示了使用量子计算的经典计算与提出的方法之间的高度一致性。数据集获得的最大误差为5.996％，而对于离散分布，获得了5％的最大误差。
种群免疫的度量可以预测2017-2018季节流感A（H3N2）的主要进化枝，并揭示了与年龄相关的敏感性和抗体结合特异性的差异
对于抗原可变病原体（例如流感），应变适应性部分取决于宿主的相对可用性与其他菌株相比，易受感染的宿主的可用性。抗血凝素（HA）和神经氨酸酶（NA）的抗体赋予了对流感感染的实质性保护。我们询问横截面抗体衍生的估计值对不同流感促进核的种群易感性（H3N2）是否可以预测下季节的成功。，我们从2017年夏季1至90岁的483个健康个体收集了血清，并分析了对代表性菌株的HA和NA的中和反应。中和抗体滴度最低的进化枝，表明人口易感性更高，主导下一个季节。对不同的HA和NA进化枝的滴度在个体之间发生了巨大变化，但与年龄显示出显着的关联，表明依赖相关的过去暴露。本研究表明，人口免疫的代表性度量如何改善进化预测并为流感的选择性压力提供信息。
Khronos：时空度量的统一方法 -
图1：我们提出了Khronos，这是一种在动态环境中执行指标同时映射和定位（SLAM）时，是一种统一的推理方法，以推理短期动态和长期变化。上面显示了始终代表场景状态的Khronos时空图中的一些实例。短期动力学（左）显示在洋红色中，并与相应时间间隔内观察到的人类作用进行了比较。我们显示了检测到的移动点以及质心轨迹周围的电流和初始边界框。检测到人类和无生命的物体（例如购物车（左下））。长期更改（右）显示了同一场景的三个时间实例。最早的实例是时间0:20（右上角）。机器人在走廊上移动时，卸下椅子，并将红色冷却器放在桌子的顶部；这些更改被检测到机器人重新访问，并在时间1:52（右下）关闭循环。最后，再次将冷却器卸下，该机器人在时间3:35检测到。
重野。法定生物多样性度量计算工具
由于预测结果的不确定性，重新野生项目应采用预防和增量方法来预测不同栖息地类型的比例，以避免设定过于雄心勃勃的初始目标。这允许识别和记录栖息地变化的关键“阶段”。一旦已确认已经以其拟议数量实现了目标栖息地类型和条件，该项目可以通过随后的栖息地增强能力提供额外的生物多样性单位，并在更新的法律协议中确保栖息地。在创建需要长时间发展的复杂栖息地时，应采取这种方法，例如“木 - 吊带和帕克兰”。在这种情况下，每个30年阶段都会生产一个单独的生物多样性指标，记录基线和最合适的预测栖息地类型。