XiaoMi-AI文件搜索系统
World File Search System收缩
蝴蝶正在收缩：过去一个世纪的证据
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。它是此预印本版本的版权持有人，该版本发布于2025年2月8日。 https://doi.org/10.1101/2025.02.05.636603 doi：Biorxiv Preprint
纺织品供应链中负责任的收缩
Agenda time Session Moderator 08.45-09.00 Registration of the participants / 09.00-09.10 Welcome opening from the host GIZ-IGS Serbia RBH Serbia 09.10-09.20 Introduction of Fair Wear Fair Wear 09.20-09.40 Introduction of the participants Fair Wear 09.40-11.00 Part 1: Setting the Stage: Human Rights and Environmental Due Diligence (HREDD) Standards HRDD框架和步骤立法审查：法国警惕法的义务，《德国供应链法》（LKSG），CSDD，对该地区意味着什么
景观水平的人类干扰导致热带森林中哺乳动物种群的丧失和收缩
Ilaria Greco ID 1 *，Lyelic Beaudrot 2.3，Chris Sutherland 4，Simone Tenan 5，Syone 2.3，Daniel Gorzynski 6，Ahumada 13，Rajan Amin 14，Megan Baker-Watton 1 Cremonesi 1 Cremonesi 1 Cremonesi 1 Cremonesi 1 Cremonesi 23：Adeline Fayolle 22:28，Adeline Fayolle 22:28，Davy Fonty Harry 31 22 Alys Granados 32.33，Patrick A. Jansen 34.35，Jayasilan Mohd-Azlan 11，Caspian Johnson Marcelo Magio 21：41,42，Emanuel H. Martin 43，Adriano Martinole版本28，Patrics C. Wright C. Wright C. Wright 25.50，C.
HB 5 左心室收缩
LRITP LRITP O&M LRBP-MR LRBP-CD LRBP O&M 总计 A $22,653,700 $5,854,749 $11,705,000 $196,740,000 $1,170,525 $238,123,974 B $7,895,806 $1,942,605 $2,330,000 $15,200,000 $27,368,411 C $12,465,000 $1,900,000 $475,000 $138,560,000 $733,987 $154,133,987 D $4,735,135 $1,941,000 $8,580,000 $189,750,000 $1,450,000 $206,456,135 E $6,810,408 $2,319,446 $26,835,000 $130,750,000 $2,392,761 $169,107,615 总计 $54,560,049 $13,957,800 $49,925,000 $671,000,000 $5,747,273 $795,190,122
非优势手收缩在普通桌面任务中的压力下不会促进性能
非优势手收缩（NDHC）已被证明可以帮助诱发性能焦虑的高压场景中的专家运动技能。大多数在压力下的NHDC研究都检查了过度学习的专业运动（例如，体育技能）的好处，而很少有人考虑过NDHC是否可以通过人口范围的专业知识（例如，打字）来帮助共同的运动。因此，在三个实验中，我们探讨了NDHC是否可以在时间表下（实验1＆2）和打字任务（实验3）中保护或促进绩效和/或评估压力。尽管改变了任务的性质，压力操纵和设计的性质，并在每个实验中成功地操纵了状态焦虑，但我们没有发现NDHC在这些任务中有助于绩效的证据。对于压力×收缩条件相互作用，任务响应时间的最大包含贝叶斯因子为0.40，任务错误（实验1）为0.62，表明有利于无效结果的证据。我们的结果以及该领域的其他最新研究对NDHC在体育任务之外的压力下的益处产生了怀疑，并强调了对该现象更好的机械叙述的需求。
人类运动单位放电模式揭示了跨收缩水平向运动神经元的神经调节和抑制驱动的差异
所有电动机命令都会收敛到电动机单元（MUS），这些电动机将信号转移到肌肉纤维的机械作用中。由于离子（兴奋性/抑制性）和代谢性（神经调节）输入的组合，此过程是高度非线性的。神经调节输入有助于树突持续的内向电流，这引入了MU放电模式中的非线性，并为运动命令的结构提供了见解。在这里，我们研究了神经调节的相对贡献和抑制模式，以最大70％的收缩力调节人MU排出模式。利用从三种人体肌肉（胫骨前 - TA，ta和巨大的外侧和内膜）鉴定出的MU排出模式，我们表明，随着收缩力增加，发作偏移率滞后率（ΔF）增加了升级的MU放电模式，而s升则增加了线性，并较低。在后续实验中，我们证明了增加δF的观察结果和更线性的上升MU放电模式，即使在收缩持续时间和力率增加时，也可以保持更大的收缩力。然后，我们使用在硅运动神经池中高度逼真的逆转ta Mu放电模式来证实人类记录中推断出的生理机制。我们证明了一个严格的限制性解决方案空间，通过这种空间，只有通过增加的神经调节和更相互的互惠来重新创建收缩力引起的实验获得的MU放电模式的变化（即推扣）抑制模式。总而言之，我们的实验和计算数据表明，神经调节和抑制模式的形状是独特的，以产生放电模式，这些模式支持力在大部分运动池募集范围内增加。
建立机械生物学的地图集：五种主要人类细胞类型中2418个激酶抑制剂的高通量收缩屏幕揭示了相关细胞类型之间的选择性发散响应
。cc-by-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。这是该版本的版权持有人，该版本发布于2025年1月14日。 https://doi.org/10.1101/2025.01.11.632556 doi：Biorxiv Preprint
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
电弧电磁收缩的设备设计文章
摘要：了解物种的分布范围对于保护工作至关重要。然而，在整个预测领域中对其存在的精确确认可能是一个挑战。与传统调查方法相关的分子工具可以帮助物种识别，解决标本的错误识别。本研究结合了分子方法与形态特征的结合，以确认巴西Mato Grosso do Sul（MS）的七个带状武术（Dasypus septemcinctus）的记录，位于其已知范围的南部边缘。尽管摄像头陷阱和道路杀手监测工作，但我们仅在MS东北地区获得了D. Septemcinctus的两张记录。分子分析证实了形态学的鉴定，消除了对试样鉴定的任何疑问。在MS状态下的D. septemcinctus发生的确认，不仅扩大了我们对这种广泛分布但研究不足的物种的了解，而且还突出了当地公园（Parque Natural Municipal do Pombo Pombo）对异种保护的重要性。相机陷阱； ROADKILL;七个带篮子的盔甲。