XiaoMi-AI文件搜索系统
World File Search System烦恼
对CRISPR-CAS分析的烦恼：双通道...
图1。比例计量CRISPR-CAS12A系统。基于双通道FRET的CRISPR-CAS12A记者系统的示意图。电流（顶部）报告基因系统依赖于荧光团 - 猝灭记者，该记者包括黑暗（非辐射）淬火以防止发射和单个通道读数来检测裂解的报告基因。提出的读取系统而不是使用可见光的淬火。虽然报告荧光团保持与猝灭剂的结合，但报告基因系统形成一个fret对，并在可见的淬灭的发射波长中发出光。在CAS12A裂解时，报告荧光团发射通道中的信号增加，而淬火发射通道中的信号降低。因此，被分析的信号是报告荧光团发射通道与减少淬灭发射通道的比率。
噪音对心理表现和烦恼的影响......
摘要 机械系统中的旋转部件会产生音调噪声，这些音调的存在会影响乘员的质量和舒适度，导致烦恼和心理表现下降。ISO 1996-2 和 ANSI S1.13 标准已经描述了量化突出音调影响的指标，但还需要更多研究噪音属性如何影响烦恼和表现，特别是在不同任务难度水平下。本文研究了在不同任务难度水平下暴露于带有音调成分的背景噪音时，噪音指标、烦恼反应和心理表现之间的关系。在本研究中，60 名参与者在受控测试室中执行三个不同级别的 n-back 任务时，暴露于 18 个具有三个不同突出音调的噪音信号（三个频率音调和两个背景噪音水平），评估主观感知的烦恼和不同的工作量。通过记录反应时间、正确率和失误次数来测量性能参数。结果表明，在更高的任务难度水平下，失误次数和反应时间呈增加趋势，但正确率呈下降趋势。研究结果表明，在不同任务难度下，除烦躁度和响度外，主观反应存在显著差异。尤其是在任务难度增加的情况下，参与者对较高的背景噪音水平、较低的音调频率和增加的音调水平更烦躁。响度指标与其他噪音指标高度相关。基于相关性最高的噪音指标，使用神经网络模型提出了三种预测感知烦躁度的模型。这三个模型中的每一个都有不同的输入参数和不同的网络结构。这三个神经网络模型的准确率和 MSE 表明它适合预测感知烦躁度。结果显示了音调噪音对烦躁度和心理表现的影响，尤其是在不同任务难度下。结果还表明神经网络模型具有较高的准确性和效率，可用于预测噪音烦躁度。模型 1 在某些方面更受青睐，例如输入参数较低，使其更加用户友好。最好的神经网络模型同时包括响度指标和音调指标。似乎组合指标在所提出的神经网络模型中的重要性最低，也是不必要的。
基于两期SEM-SVM方法的统计分析，用于环境噪声烦恼预测和影响因子的识别
背景和目标：噪声污染是一种环境压力源，主要是由于城市场景中的大量运输而造成的。交通噪音在城市环境中越来越关注，从而影响了公共卫生和福祉。随着城市化的扩展，理解和缓解流量引起的噪声烦恼变得越来越关键。本研究旨在开发一种机器学习模型，以预测沙特阿拉伯利雅得的交通引起的噪声烦恼。该研究探讨了人口统计学，噪声特征和交通状况诸如噪声烦恼之类的因素的影响。方法：在利雅得的21个地点进行了调查，收集了928名参与者的数据。调查包括有关人口统计学的问题（性别，年龄，教育，婚姻状况，职业），交通状况（交通流）和噪音感知（运输噪音，噪音敏感性，感知到的噪音）。采用的采样方法是分层和随机抽样的组合。分层抽样用于确保在调查中按比例表示各种人口统计细分（例如不同的年龄段，性别和教育水平）。结构方程模型用于分析收集的数据并确定因素烦恼的因素。这些重要因素然后用作支持向量机模型的输入变量，旨在预测噪声烦恼。使用均方根误差，平均绝对误差和R平方来评估支持向量机模型的性能。发现：结构方程模型分析表明，性别，年龄，教育水平，交通流量，交通噪音和个人噪声敏感性是噪声烦恼的重要原因。开发的支持向量机模型以1.416的根平方误差和0.90的确定系数达到了高度的精度。噪声敏感性成为影响噪声烦恼的最关键因素。结论：这项研究证明了机器学习的有效性，特别是支持向量机在预测流量引起的噪声烦恼方面的有效性。这些发现突出了个人特征和环境因素在噪声感知中的重要性，并且对于城市规划和缓解噪音策略而言可能是有价值的，从而促进了更弹性的城市环境。对于社区，城市规划师和政策制定者可以使用这些发现来通过实施噪声障碍，优化交通流以及执行更严格的噪音法规来设计无声区域。
夜间噪声轮廓：可行性研究 Nicole D...
=~~~~i~~ re~~~~~~~~~~ .~~~ .~~ ~.r~~~ ~~~s.e. '.v.e~ .~~~~'. ~~~~~. 23 将睡眠障碍置于夜间烦恼的背景下。 27 一个从单一噪音源推导出夜间总体烦恼的理想模型 31 Schultz 合成曲线，显示受噪音严重困扰的百分比与其噪音水平的关系（L~ 39 更新的 Schultz 合成曲线，显示受噪音严重困扰的百分比与其噪音水平的关系（L~ 41 基于 LAeq(24h) 的飞机噪音剂量-反应关系 42 Miedema 审查的飞机噪音烦恼剂量-反应关系 43 建议采用 FICON 的剂量-反应烦恼曲线 44 周期烦恼方法示例 45 一天中不同时间的干扰剂量-反应关系。 46
飞机噪音和健康影响 - 每六个月更新一次
2.4 烦恼分数的值取决于直线与线性函数图 (X dBA) 上零点的交点。不同飞机噪音调查中 X 的值可能相差 ± 10 dB 或更多。这可以归因于非声学因素的影响。Miedema 和 Vos (1998) 根据 20 个不同的调查绘制了飞机噪音的剂量反应曲线。这些调查的零交叉平均值为 X = 33.4 dB，这表明任何暴露于高于此水平的噪音的人在理论上都可能被视为烦恼。然而，作者解释说，将所有这些都包括在总烦恼量中是不切实际的，因为飞机噪音必须足够大才能在一般背景噪音之上被听到。他们建议包括 40 dB 或 45 dB L dn 轮廓内的区域。
噪音污染对精神疲劳和噪音的影响...
噪音不适是开放式办公室中令人不愉快的重要物理参数之一。本研究旨在调查噪音污染状况及其对银行工作人员主观疲劳和噪音烦恼的影响。在工作时间内确定了 100 名银行员工的等效声压级 (Lp eq.T)。此外，还测量了客户等候区和所研究银行外部区域的声压级 (SPL)。为了评估心理疲劳，使用了标准多维疲劳清单 (MFI) 问卷。噪音烦恼量表 (NAS) 问卷也用于研究工作场所的噪音烦恼和噪音强度的主观印象。所研究银行的员工工作站、客户等候区和外部区域的平均 Lp eq.T 分别为 78.72、61.14 和 81.32 dB (A)。首选噪音标准 (PNC) 和语音干扰水平 (SIL) 指数的平均值分别为 58.22 和 70.25。结果显示，银行员工的精神疲劳感和噪音烦恼感受到 Lp eq.T 水平的显著影响（分别为 r=0.84 和 0.90）。研究结果表明，开放式办公室的背景噪音会增加 PNC 和 SIL 指数，从而增加员工的精神不适感并降低他们在认知任务中的工作表现。反射和刚性表面会增加
SSVEP 视觉刺激的大小和对比度对虚拟现实分类准确性和用户友好性的影响
摘要 — 基于 SSVEP 的 BCI 在速度和准确性方面是最有前途的 BCI 之一。然而，尽管社区付出了巨大的努力使它们更加实用和用户友好，但它们使用起来仍然特别烦人。在本文中，我们研究了 SSVEP 视觉刺激的大小和对比度对分类准确性和界面烦恼的影响，总体目标是在性能和用户友好性之间找到一个平衡点。我们对十二 (12) 名参与者进行了用户研究，以评估不同刺激大小和对比度对虚拟现实环境中 SSVEP 分类准确性的联合影响。该实验的结果表明，刺激的大小对分类准确性（低于某个阈值）和感知烦恼都有显著影响。然而，对比度对分类准确性和感知烦恼都没有影响，这表明使用较低对比度的刺激仍然可以准确地操作基于 SSVEP 的 BCI。索引术语 — 组件、格式、样式、样式、插入
对飞机高度和噪音的感知 (Imm-15)
普遍认为，在给定噪音水平下，当地社区会认为飞机比其他噪音源更令人烦恼 [2]。我们的文献综述还发现，不同的研究报告了“社区中飞机噪音烦恼持续增加”：对于相同噪音水平，这些研究记录了比 10 年前更多的烦恼 [6]。烦恼增加的原因尚不清楚：部分研究界将其归因于飞机起降次数 [7] 和机队组成的“变化率”（例如在 1 年或 5 年的范围内 [8] [9]），而其他人则报告了对飞机态度的普遍变化以及非声学因素的权重增加 [10]。《抵达评论》 [5] 中详细描述了飞机高度对社区感知的影响，并在其他地方非常简要地提到过 [11] [12]，这表明视觉和声学因素共同起作用。这种跨模态相互作用对声学判断的影响在安静区域的背景下得到了强调 [13]，但在飞机情况下其存在性需要进一步了解。本研究是首次尝试解决社区感知的这一方面。