XiaoMi-AI文件搜索系统
World File Search System线数
养活世界的植物：基线数据和指标，以供策略保存和使用植物遗传资源作为食物和A
• FAO's Food and Agricultural Statistics Database (FAOSTAT) • FAO World Information and Early Warning System on Plant Genetic Resources for Food and Agriculture (WIEWS) • Data Store of the International Treaty on Plant Genetic Resources for Food and Agriculture • International Union for the Protection of New Varieties of Plants (UPOV)'s PLUTO Plant Variety Database • Genesys Plant Genetic Resources portal (Genesys PGR) •植物园保护国际的Plantearch数据库•全球生物多样性信息设施（GBIF）•Svalbard Global Seed Vault的种子门户•国家生物技术信息中心（NCBI）（NCBI）的Entrez数据库
在生物多样性监控中利用在线数字数据
1赫尔辛基跨学科保护科学实验室（HELICS），地球科学与地理系，赫尔辛基大学，赫尔辛基大学，芬兰赫尔辛基2号，赫尔辛基可持续发展科学研究所2县，洛杉矶，加利福尼亚，美国，美国5国际自然保护联盟（IUCN），瑞士腺体，瑞士6号，世界农业库中心6号（ICRAF），菲律宾大学洛斯巴斯大学，拉古纳大学，菲律宾，菲律宾，菲律宾7号，海洋和南方杂志，菲律宾7学院王国，剑桥大学，剑桥大学，王国，英国剑桥大学，巴黎 - 萨克莱10号，CNRS，CNRS，Agroparistech，Ecologie syste syste´matique Evolution –Ideev，Gif-Sur-yvette，法国，法国11号，11个生物学中心，科学家学会，水平科学学院12 Instituto deciênciasbiolo´gicas e da sau de da sau´de，联邦联邦大学，梅西奥，巴西，巴西，13，Cibio，Centro de Resjuctiveacticaude e emodivesidade e Rocursos e Rocursos e Rocursos e gene´ticos，Inbio Laborato laborato Associa'rio AssociaDe Vair de Vair do porto do porto do o. Biologia，Faculdade deciências，do Porto大学，波尔图大学，葡萄牙，15 Biopolis基因组学计划，生物多样性和土地规划，CIBIO，CIBIO，CAMPUS deVairâO，VairâO，VairâO，VairâO，Vartugal，葡萄牙，16号生命科学学院，16岁
印度电力行业用户的二氧化碳基线数据库...
《联合国气候变化框架公约》京都议定书下的清洁发展机制 (CDM) 为印度电力行业提供了通过减少温室气体排放 (GHG)，特别是二氧化碳 (CO 2 ) 来赚取收入的机会。印度在 CDM 项目方面拥有巨大的潜力。基于更高效技术的发电，例如超临界技术、整体煤气化联合循环、旧火电厂的改造和现代化、热电联产以及可再生能源，都是电力行业 CDM 的一些潜在候选项目。能源效率和节约项目也是符合条件的 CDM 项目，因为这些项目也将节省能源并减少与电网连接的发电站产生的相关二氧化碳排放。
Super Tau Charm 设施的离线数据处理软件
摘要：中国拟建的超级金牛座神灯装置（STCF）是新一代正负电子对撞机，质心能量为2~7 GeV，峰值亮度为0.5×1035cm−2s−1。开发了STCF离线软件（OSCAR），支持离线数据处理，包括探测器仿真、重建、刻度以及物理分析。针对STCF的具体要求，OSCAR基于HEP实验轻量级通用软件SNiPER框架进行设计和开发。除了常用的 Geant4 和 ROOT 软件外，OSCAR 还采用了 HEP 社区中一些最先进的软件包和工具，例如探测器描述工具包 (DD4hep)、普通旧数据 I / O (podio) 和英特尔线程构建模块 (TBB) 等。本文将介绍 OSCAR 的总体设计和一些实现细节，包括事件数据管理、基于 SNiPER 和 TBB 的并行数据处理以及基于 DD4hep 的几何管理系统。目前，OSCAR 已全面投入使用，以促进 STCF 探测器的概念设计和其物理潜力的研究。
深入了解多标签不平衡的胸部X射线数据集
在过去的几年中，卷积神经网络（CNN）占据了计算机视觉领域的主导，这要归功于它们在分类问题中提取功能及其出色表现的能力，例如在X射线自动分析中。不幸的是，这些神经网络被视为黑盒算法，即不可能了解该算法是如何实现最终结果的。将这些算法应用于不同领域并测试方法的工作原理，我们需要使用可解释的AI技术。医学领域的大多数工作都集中在二进制或多类分类问题上。但是，在许多现实情况下，例如胸部X射线，可以同时出现不同疾病的放射学迹象。这引起了所谓的“多标签分类问题”。这些任务的缺点是阶级失衡，即不同的标签没有相同数量的样本。本文的主要贡献是一种深度学习方法，用于不平衡的多标签胸部X射线数据集。它为当前未充分利用的Padchest数据集建立了基线，并基于热图建立了新的可解释的AI技术。此技术还包括概率和模型间匹配。我们系统的结果很有希望，尤其是考虑到使用的标签数量。此外，热图与预期区域相匹配，即他们标志着专家将用来做出决定的领域。©2023作者。由Elsevier B.V.这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
BrainForge：用于综合神经影像采集、分析和共享的在线数据分析平台
1. Morita T、Asada M、Naito E。神经影像学研究对理解人类认知大脑功能发展的贡献。Front Hum Neurosci。2016；10：464。doi：10.3389/fnhum.2016.00464 2. Bandettini PA。神经影像学方法有什么新进展？Ann NY Acad Sci。2009；1156：260-293。doi：10.1111/j.1749-6632.2009.04420.x 3. Verner E、Baker BT、Bockholt J 等人。使用 BrainForge 加速神经影像学研究。Gateways 2020，会议改善生物医学研究的数据使用； 2020 年 10 月 21 日。4. Poldrack RA、Baker CI、Durnez J 等人。扫描地平线：迈向透明和可重复的神经影像学研究。Nat Rev Neurosci。2017；18(2):115-126。doi: 10.1038/nrn.2016.167 5. Gorgolewski K、Poldrack R。提高神经影像学研究透明度和可重复性的实用指南。PLOS Biol。2016；14:e1002506。doi: 10.1371/journal.pbio.1002506 6. Baker M。1,500 名科学家揭开可重复性的面纱。Nature。2016；533(7604):452-454。 doi: 10.1038/533452a 7. Scott A、Courtney W、Wood D 等人。COINS：为大型异构数据集构建的创新信息学和神经成像工具套件。Front Neuroinform。2011；5：33。doi: 10.3389/fninf.2011.00033 8. Yoo AB、Jette MA、Grondona M。SLURM：用于资源管理的简单 Linux 实用程序。引自：Feitelson D、Rudolph L、Schwiegelshohn U 编。并行处理的作业调度策略。JSSPP 2003。计算机科学讲义。Springer；2003：44-60。9. Avesani P、McPherson B、Hayashi S 等人。开放扩散数据衍生物、通过衍生物的集成发布和可复制的开放云服务进行脑数据升级。 Sci Data 。2019；6(1)：69。doi：10.1038/s41597-019-0073-y 10. Flywheel。为医疗和研究领域的数字化转型提供动力。2021 年 5 月 14 日访问。flywheel.io 11. Kurtzer GM、Sochat V、Bauer MW。Singularity：用于移动计算的科学容器。PLoS One。2017；12(5)：e0177459。doi：10.1371/journal.pone。0177459 12. Merkel D。Docker：用于一致开发和部署的轻量级 Linux 容器。Linux J 。2014；239：2。13. Ashburner J、Barnes G、Chen CC 等人。SPM12 手册。第 2464 卷。威康信托神经影像中心；2014 年。14. Smith SM、Jenkinson M、Woolrich MW 等人。功能性和结构性 MR 图像分析进展以及作为 FSL 的实现。神经影像。2004 年；23 (Suppl 1)：S208-S219。doi: 10.1016/j.neuroimage.2004.07.051 15. Cox RW。AFNI：用于分析和可视化功能性磁共振神经影像的软件。Comput Biomed Res。1996 年；29(3)：162-173。doi: 10. 1006/cbmr.1996.0014 16. Cox RW、Hyde JS。用于分析和可视化 fMRI 数据的软件工具。NMR Biomed。 1997；10(4–5)：171-178。doi：10.1002/(SICI)1099- 1492(199706/08)10:4/5<171::AID-NBM453>3.0.CO；2-L 17. fMRI 工具箱的 Group ICA (v4.0c)。神经影像和数据科学转化研究中心。2021 年 5 月 6 日访问。https://trendscenter. org/software/gift/ 18. TReNDS 中心。Docker, Inc.访问日期：2022 年 1 月 13 日。https://hub.docker.com/orgs/trendscenter/repositories 19. 神经影像和数据科学转化研究中心。GitHub, Inc. https://github.com/trendscenter/ 20. Gorgolewski K、Burns CD、Madison C 等人。Nipype：一个灵活、轻量且可扩展的 Python 神经影像数据处理框架。Front Neuroinform。2011；5：13。doi：10.3389/fninf.2011.00013 21. GorgolewskiKJ、AuerT、CalhounVD 等人。Thebrainimagingdatastructure，一种组织和描述神经影像实验输出的格式。Sci Data。2016；3(1)：160044。 doi: 10.1038/sdata.2016.44 22. FosterI.Globusonline：通过云服务加速和民主化科学。IEEEInternetComput。2011；15(3)：70-73。doi: 10.1109/MIC。2011.64 23. Allen B、Bresnahan J、Childers L 等人。面向数据科学家的软件即服务。Commun ACM。2012；55(2)：81-88。doi: 10.1145/2076450.2076468 24. Calhoun VD、Adali T、Pearlson GD、Pekar JJ。一种使用独立成分分析从功能性 MRI 数据进行组推断的方法。Hum Brain Mapp。2001；14(3)：140-151。 doi: 10.1002/hbm.1048 25. Allen E、Erhardt E、Damaraju E 等。静息状态网络多变量比较的基线。Front Syst Neurosci。2011；5：2。doi: 10.3389/ fnsys.2011.00002 26. Allen EA、Damaraju E、Plis SM、Erhardt EB、Eichele T、Calhoun VD。跟踪静息状态下的全脑连接动态。大脑皮层。2014；24(3)：663-676。doi: 10.1093/cercor/bhs352 27. Ashburner J、Friston KJ。基于体素的形态测量——方法。神经影像学。2000；11(6)：805-821。 doi: 10.1006/nimg.2000.0582 28. Fischl B. FreeSurfer。神经影像学。2012；62(2):774-781。doi: 10.1016/j.neuroimage.2012.01.021 29. Andersson JLR、Sotiropoulos SN。一种用于校正扩散 MR 成像中的偏共振效应和受试者运动的综合方法。神经影像学。2016；125:1063-1078。doi: 10.1016/j.neuroimage.2015.10.019 30. Andersson JL、Skare S、Ashburner J。如何校正自旋回波平面图像中的磁化率畸变：应用于扩散张量成像。神经影像学。 2003；20(2):870-888。doi: 10.1016/s1053-8119(03)00336-7 31. Andersson JLR、Graham MS、Drobnjak I、Zhang H、Filippini N、Bastiani M。面向扩散 MR 图像运动和失真校正的综合框架：体积运动内。神经影像学。2017；152:450-466。doi: 10.1016/j.neuroimage.2017.02.085 32. CalhounVinceD、MillerR、PearlsonG、Adal 𝚤 T。Thechronnectome：时变连接网络作为fMRIdatadiscovery 的下一个前沿。神经元。2014；84(2):262-274。 doi: 10.1016/j.neuron.2014.10.015 33. Du Y、Fu Z、Sui J 等人。NeuroMark：一种基于自动化和自适应 ICA 的管道，用于识别可重复的 fMRI 脑部疾病标记物。神经影像：临床。2020；28：102375。doi: 10.1016/j.nicl.2020.102375 34. Griffanti L、Zamboni G、Khan A 等人。BIANCA（脑强度异常分类算法）：一种用于自动分割白质高信号的新型工具。神经影像学。2016；141：191-205。doi：10.1016/j.neuroimage.2016.07.018
通过使用虚拟在线数学课程的发展，评估注意力和冥想水平的方法
通过使用脑机接口，评估在线虚拟数学课程开发中注意力和冥想水平的方法 Wilver Auccahuasi a、Christian Ovalle b、Kitty Urbano c、Edwin Felix d、Mario Ruiz e、Madeleine Bernardo f 和 Juanita Cuda del Noridad Universidad del Noridad。秘鲁利马（ORCID：0000-0001-8820-4013）b 北方私立大学。秘鲁利马（ORCID：0000-0002-5559-5684）c 北方私立大学。秘鲁利马（ORCID：0000-0002-6252-1683）d 北方私立大学。秘鲁利马（ORCID：0000-0001-5536-2410）和北方私立大学。秘鲁利马（ORCID：0000-0003-0151-9579）f 北方私立大学。秘鲁利马（ORCID：0000-0002-6745-2138）g 北方私立大学。秘鲁利马 (ORCID：0000-0002-1841-8718) 文章历史收到日期：2021 年 1 月 10 日；修订日期：2021 年 2 月 12 日；接受日期：2021 年 3 月 27 日；在线出版：2021 年 4 月 20 日
文章宇宙射线数据库更新：超高能、超重和反核宇宙射线数据（CRDB v4.0）
摘要：我们介绍了带电物质宇宙射线数据库 CRDB（https://lpsc.in2p3.fr/crdb）的更新。CRDB 基于 MySQL，通过 jquery 和 table-sorter 库进行查询和排序，并通过 AJAX 协议在 PHP 网页上显示。我们回顾了自首次发布（Maurin 等人，2014 年）以来对数据库结构和输出所做的修改。对于此更新，最重要的特征是包含超重核（Z > 30）、超高能核（从 10 15 到 10 20 eV）和反核通量限制（A > 1 时 Z ≤− 1）；现在 CRDB 中有超过 100 个实验、350 个出版物和 40 000 个数据点。我们还重新审视并简化了用户检索数据和提交新数据的方式。如有疑问和要求，请联系 crdb@lpsc.in2p3.fr。
基于 Raspberry Pi 的 Andriod 离线数据流
具有 Wi-Fi 功能的 Android 手机可提供智能浏览功能。通过利用此功能，我们将使用每个用户都可以使用的离线数据流，并且可以享受管理员存储在 Raspberry Pi 中的不同媒体。由于，我们将使用具有内置 Wi-Fi 热点功能的 Raspberry Pi 来广播媒体。在 Raspberry Pi 中有一个静态 IP，其中有一些 PHP 文件将访问用户端，并且他们将能够访问 PHP 页面上可用的任何数据。所有这些工作都将在包含 XAMPP 服务器的 Raspbian OS 平台上完成。通过连接到 Raspberry Pi 提供的 WI-FI，您的手机、平板电脑或笔记本电脑能够通过 Raspberry Pi 提供的离线服务器访问数据。可以从用户 android 应用程序中加载、下载和阅读视频、书籍和通知。该系统为管理员和用户提供访问系统的功能。通过此系统，管理员可以添加任何