XiaoMi-AI文件搜索系统
World File Search System测试对象
舱内活动航天服的高级测试
Final Frontier Design (FFD) 继续开发和测试舱内活动 (IVA) 太空服。本文介绍了为对 IVA 太空服进行人体评估而进行的测试和分析，包括在高保真飞行环境中进行的人体测试，以及氧气兼容性评估 (OCA) 的摘要和对我们的自动压力调节系统 (APReS) 的机制审查。机构审查委员会 (IRB) 批准的我们的太空服水上逃生测试于 2018 年 4 月在康涅狄格州格罗顿的 Survival Systems 进行，包括 12 名测试对象和从降落伞和太空舱逃生的场景，与综合航天服务合作。IRB 批准的微重力飞行测试继续进行，这是我们与加拿大国家研究委员会 (NRC) 合作的第 4 年，也是与综合航天服务合作。与 NRC 一起完成了四次微重力飞行，在加压操作中使用了我们的 IVA 太空服。我们与 NASA JSC 签署的《太空法案协议》（SAA）支持马歇尔太空飞行中心（MSFC）工程师进行的 OCA，以及与 MSFC 工程师一起对我们的自动压力调节器进行的物理审查。在东北大学的协助下，我们对压力服进行了织物焊接强度测试。
舱内活动航天服的高级测试
Final Frontier Design (FFD) 继续开发和测试舱内活动 (IVA) 太空服。本文介绍了为对 IVA 太空服进行人体评估而进行的测试和分析，包括在高保真飞行环境中进行的人体测试，以及氧气兼容性评估 (OCA) 的摘要和对我们的自动压力调节系统 (APReS) 的机制审查。机构审查委员会 (IRB) 批准的我们的太空服水上逃生测试于 2018 年 4 月在康涅狄格州格罗顿的 Survival Systems 进行，包括 12 名测试对象和从降落伞和太空舱逃生的场景，与综合航天服务合作。IRB 批准的微重力飞行测试继续进行，这是我们与加拿大国家研究委员会 (NRC) 合作的第 4 年，也是与综合航天服务合作。与 NRC 一起完成了四次微重力飞行，在加压操作中使用了我们的 IVA 太空服。我们与 NASA JSC 签署的《太空法案协议》（SAA）支持马歇尔太空飞行中心（MSFC）工程师进行的 OCA，以及与 MSFC 工程师一起对我们的自动压力调节器进行的物理审查。在东北大学的协助下，我们对压力服进行了织物焊接强度测试。
舱内活动航天服的高级测试
Final Frontier Design (FFD) 继续开发和测试舱内活动 (IVA) 太空服。本文介绍了为对 IVA 太空服进行人体评估而进行的测试和分析，包括在高保真飞行环境中进行的人体测试，以及氧气兼容性评估 (OCA) 的摘要和对我们的自动压力调节系统 (APReS) 的机制审查。机构审查委员会 (IRB) 批准的我们的太空服水上逃生测试于 2018 年 4 月在康涅狄格州格罗顿的 Survival Systems 进行，包括 12 名测试对象和从降落伞和太空舱逃生的场景，与综合航天服务合作。IRB 批准的微重力飞行测试继续进行，这是我们与加拿大国家研究委员会 (NRC) 合作的第 4 年，也是与综合航天服务合作。与 NRC 一起完成了四次微重力飞行，在加压操作中使用了我们的 IVA 太空服。我们与 NASA JSC 签署的《太空法案协议》（SAA）支持马歇尔太空飞行中心（MSFC）工程师进行的 OCA，以及与 MSFC 工程师一起对我们的自动压力调节器进行的物理审查。在东北大学的协助下，我们对压力服进行了织物焊接强度测试。
dendrobium moschatum（银行）SW的DNA条形码。标本
自然界分布稀疏的树突属是最大的兰花科之一。DNA条形码可能是快速，准确鉴定树突物种的最佳选择。本研究的目的是使用DNA条形码技术来描述树突物种。在这里，我们使用了dendrobium sp的标本。从Makawanpur的Brindaban植物园（540 m ASL）收集为测试对象。我们从标本中放大并测序了三个叶绿体基因座，RBCL（Rorose-1,5-双磷酸羧化酶），MATK（成熟酶K）和PSBA-TRNH（基因间间隔）。我们从NCBI中检索了十二个质体序列，代表了六种树枝状物种（D. Candidum，D。Crepidatum，D。Chrysanthum，D。Denneanum，D。Fimbriatum和D. Moschatum）在尼泊尔报道。同样，还检索了一个质子质体的质体胶质体，以用作组外。从每个登录中提取RBCL，MATK和PSBA-TRNH的各个对齐序列。使用Mega X的最大似然方法进行进化分析。结果表明，与用单个基因座序列生成的序列相比，与所有三个基因座（RBCL，MATK和PSBA-TRNH）的组合序列产生的进化树更好。但是，需要其他标记才能提高准确性。
自动系统，用于获取和分析包含活性污泥的微观数字图像
摘要本文包含图像采集的过程，包括分析材料的抽样以及用于研究中使用的硬件和预处理的技术解决方案。通过自动化机械系统的帮助，获得了包含已识别对象的数字图像的数据集，以控制显微镜表并用于训练Yolo模型。根据自动图像分析比较了Yolov4和Yolov8深度学习网络的性能。Yolo构成一个单阶段的对象检测模型，目的仅检查一次分析的图像。通过利用单个神经网络，将图像分为单元格的网格，并为边界框以及每个框的对象类概率做出了预测。这种方法允许以最小的精度损失实时检测。这项研究涉及纤毛的原生动物Vorticella作为测试对象。这些生物都在天然水体和采用活性污泥法的治疗厂中发现。由于其独特的外观，高丰度和久坐的生活方式，Vorticella是检测任务的好主题。为了确保训练数据集准确，图像是手动标记的。使用诸如准确性，精度和召回的指标评估模型的性能。最终结果表明，在Yolo算法的后续版本中，软件中所获得的输出和进度的指标差异。
基于云的多模态人体虚拟现实研究平台
人机交互 (HRI) 研究需要大量考虑实验设计，以及大量时间来实践主题实验。虚拟现实 (VR) 的最新技术可以潜在地解决这些时间和精力挑战。VR 系统对 HRI 的显著优势是：1) 降低成本，因为实验设施不需要在真实环境中进行；2) 为测试对象提供相同的环境和具体交互条件；3) 可视化现实中无法发生的任意信息和情况，例如回放过去的经历，以及 4) 轻松访问沉浸式和自然的机器人/化身远程操作界面。尽管具有其功能的 VR 工具已在以前的 HRI 研究中应用和开发，但仍然没有全面的工具或框架。特别是，与云计算集成的好处尚未得到全面考虑。因此，本研究的目的是提出一个研究平台，通过集成 VR 和云技术，可以全面提供 HRI 研究所需的元素。为了实现灵活且可重复使用的系统，我们开发了机器人操作系统 (ROS) 和 Unity 之间的实时桥接机制。为了确认该系统在实际 HRI 场景中的可行性，我们将所提出的系统应用于三个案例研究，包括一个名为 RoboCup@Home 的机器人比赛。通过这些案例研究，我们验证了该系统的实用性及其通过多模态 HRI 开发和评估社交智能的潜力。
云实籽乙醇提取物对链脲佐菌素诱发的糖尿病大鼠的抗糖尿病作用
摘要：目的：历史文献研究表明，糖尿病在印度已得到广泛认可和理解。草药长期以来一直用于治疗多种疾病。大自然提供了大量对所有生物都有用的药用植物。虽然许多植物的基本优点早已被认可，但许多其他植物仍有待充分研究。因此，有必要研究它们的用途并进行药物学和药理学研究，以确定它们的治疗特性。事实上，糖尿病正在成为一个全球性问题。因此，本研究的目的是开辟新的途径，以改善 Caesalpinia bonduc 的药用用途，以治疗特定的糖尿病。方法：本研究的目的是评估 Caesalpinia Bonduc 种子对 STZ 诱发的糖尿病患者的抗糖尿病作用。结果：发现 Caesalpinia Bonduc 种子提取物的体重和血糖水平明显低于标准抗糖尿病药物（二甲双胍），并且相当。结论：在本研究中，白化 Wistar 大鼠被用作测试对象，以评估 Caesalpinia bonduc 的甲醇种子提取物的抗糖尿病活性。 1. 简介 糖尿病是一种代谢紊乱，其特征是血糖水平持续升高，是世界范围内的一个重要健康问题。它通常由胰岛素分泌不足或胰岛素敏感性不足引起。由于糖尿病发病率迅速增加和相关问题，人们对其进行了广泛的研究1。
基于云的多模态人体虚拟现实研究平台
人机交互 (HRI) 研究需要大量考虑实验设计，以及大量时间来实践主题实验。虚拟现实 (VR) 的最新技术可以潜在地解决这些时间和精力挑战。VR 系统对 HRI 的显著优势是：1) 降低成本，因为在真实环境中不需要实验设施；2) 为测试对象提供相同的环境和具体交互条件；3) 可视化现实中无法发生的任意信息和情况，例如回放过去的经历，以及 4) 轻松访问沉浸式和自然的机器人/化身远程操作界面。虽然具有其功能的 VR 工具已经在以前的 HRI 研究中得到应用和开发，但仍然没有全面的工具或框架。特别是，与云计算集成的好处尚未得到全面考虑。因此，本研究的目的是提出一个研究平台，通过整合 VR 和云技术，全面提供 HRI 研究所需的元素。为了实现灵活且可重复使用的系统，我们开发了机器人操作系统 (ROS) 和 Unity 之间的实时桥接机制。为了确认该系统在实际 HRI 场景中的可行性，我们将所提出的系统应用于三个案例研究，包括一个名为 RoboCup@Home 的机器人比赛。通过这些案例研究，我们验证了该系统的实用性及其通过多模态 HRI 开发和评估社交智能的潜力。
基于局部网络余弦相关性和相似性比较的新鲜天然药物分子靶点初筛
摘要背景：中药由数百种天然药物分子组成，在数千年的传统中医药中发挥着重要作用。因此，研究天然药物分子的靶点对探索中医药治疗疾病的机制具有重要意义。然而，由于药物分子与靶点相互作用的复杂性，确定一个新鲜的天然药物分子的靶点非常困难。与传统的生物实验相比，计算方法具有时间少、成本低的优势，但仍面临许多巨大的挑战，尤其是对于没有社会联系的分子。方法：本研究提出了一种基于余弦相关和局部网络相似性比较（CSLN）的新方法，对新鲜的天然药物分子进行靶点的初步筛选，并通过训练参数为它们分配权重。结果：在以药物分子为训练和测试对象的情况下，CSLN在金标准数据上的表现优于流行的药物-靶点相互作用（DTI）预测模型GRGMF。此外，CSLN 在 TCMSP 上对新鲜天然药物分子靶点筛选性能（情景模拟）的检测表现出色（top20 中有 13 个阳性样本），同时 Western-Blot 也进一步验证了 CSLN 的准确性。结论：综上所述，结果表明 CSLN 可以作为新鲜天然药物分子靶点筛选的替代策略。关键词：靶点筛选，新鲜天然药物分子，余弦相关，相似性比较，Western-Blot
基于脑电图的运动想象分类的独立于主题的深度架构
摘要 —基于脑电图 (EEG) 的运动想象 (MI) 分类是非侵入式脑机接口 (BCI) 系统中广泛使用的技术。由于 EEG 记录在不同受试者之间具有异质性并且标记数据不足，因此设计一个使用有限的标记样本独立于受试者执行 MI 的分类器是可取的。为了克服这些限制，我们提出了一种新颖的独立于受试者的半监督深度架构 (SSDA)。所提出的 SSDA 由两部分组成：无监督和监督元素。训练集包含来自多个受试者的标记和未标记数据样本。首先，无监督部分，称为列时空自动编码器 (CST-AE)，通过最大化原始数据和重建数据之间的相似性从所有训练样本中提取潜在特征。采用维度缩放方法来降低表示的维数，同时保留其可辨别性。其次，监督部分使用在无监督部分获得的潜在特征，基于标记的训练样本学习分类器。此外，我们在监督部分使用中心损失来最小化类中每个点到其中心的嵌入空间距离。该模型以端到端的方式优化网络的两个部分。在训练阶段模型未见过的测试对象上评估了所提出的 SSDA 的性能。为了评估性能，我们使用了两个基于 EEG 的基准 MI 任务数据集。结果表明，SSDA 优于最先进的方法，并且少量的标记训练样本足以实现强大的分类性能。