XiaoMi-AI文件搜索系统
World File Search System采样技术
地球空间生物多样性评估拉加林...
对生态旅游的红树林的可持续管理需要了解地理空间生物多样性的知识，以确保康复和保护干预措施适合其生态状况。本研究旨在评估Lagadlarin红树林，Lobo，Batangas，Philippines物种的植物多样性，并使用地理信息系统作为对生态旅游的可持续保护和管理的基础来整合地理空间分析。通过建立20个尺寸10 x 10 m的四倍体，通过系统的嵌套四边形采样技术进行评估。该地区的物种多样性基于香农 - 温纳指数（1.82）和玛格莱夫的丰富性指数（0.87）。就物种的分布和丰度而言，该面积高于Pielou的均匀度指数（0.61）和Simpson的优势指数（0.78）。该地区有16种真正的红树林物种，一种脆弱和两种近危。根据计算的重要性值，发现在该区域的物种是Avicennia Marina SSP。Rumphiana（89.20％），A。MarinaSSP。码头（32.85％），excoecaria agallocha（23.92％）和Acacia Farnesiana（21.86％），一种入侵物种。根据对红树林生态旅游可持续管理的物种多样性的分布进行地理空间分析，确定了富集和康复区。
通过快速扩散反演
基于预训练扩散模型的图像恢复（IR）方法已显示出最先进的性能。但是，它们具有两个基本局限性：1）他们经常假设降解操作员是完全知道的，并且2）它们改变了扩散抽样过程，这可能会导致不在数据歧管上的恢复图像。为了解决这些问题，我们通过快速扩散反转（Bird）提出了盲图恢复（Bird），一种盲IR方法，该方法共同优化了降级模型参数和恢复的图像。为了确保恢复的图像位于数据歧管上，我们在预训练的扩散模型上提出了一种新颖的采样技术。我们方法中的一个关键想法不是修改反向采样，即。e。，一旦取样初始噪声，就不要改变所有中间潜在的潜在。这最终等效于将IR任务作为输入噪声空间中的优化问题。此外，为了减轻与完全展开的扩散模型相关的计算成本，我们利用这些模型的固有功能使用大的时间步骤在正向扩散过程中跳过。我们在几个图像恢复任务上实验验证鸟类，并表明它达到了最先进的表现。项目页面：https：//hamadichihaoui.github.io/bird。
布迪厄的经济实践和组织建模理论
本出版物以构建服务创新模型为中心，将皮埃尔·布迪厄的理论思想相互联系并用例子进行说明。具体来说，我证明了皮埃尔·布迪厄的经济实践一般理论可用于构建创新的社会资本模型。本书实用，旨在告知读者如何在自己的研究中应用该模型，以及如何将其所依赖的不同概念相互联系。由于本书解释了许多理论，您将看到对小节的内部引用来指导您。虽然我试图让学习过程尽可能有序，但读者会注意到布迪厄的理论是相互关联的，在某些情况下，相互依赖。因此，没有一个单一的起点不需要对其他思想有所了解才能完全理解它们。它们位于一个关系网络中。大量内部章节指示用于引导您了解各个想法。作为读者，如果您遇到不熟悉的术语，我鼓励您使用索引和目录页，而不是线性阅读本书。布迪厄方法的基础是贯穿本书的两个概念。首先，结构；无论是从方法论还是理论角度，结构的使用和构思对于理解布迪厄的思想和采样技术都至关重要。其次，您会看到他的作品倾向于通过综合或反思来克服理论和方法的局限性，经常选择将现有的想法反过来对付自己。
马来西亚电源公司的案例研究
摘要以前的研究人员对安全气候对个人安全行为的影响非常重视。但是，这些发现仍然是柔和的且不定论。利用了计划行为的理论，这项研究专门研究了安全气候（管理承诺，主管和工人的角色，冒着行为和工人参与的风险）与他们的安全行为之间的关系。这项研究调整了以前研究人员构建的工具，以测量所有变量。在进行实际研究之前，进行了一项试点研究，以评估所使用的测量的可靠性和适当性。本研究使用了简单的随机抽样的概率采样技术。在马来西亚电源行业Y公司的155份问卷中，在该研究中只完成了100份问卷，对这项研究只有100名。通过使用SPSS版本23分析收集的数据。结果基本上是可靠性，频率和多个回归的形式。研究结果表明，管理承诺，主管和工人的角色，工人的参与以及冒着对个人安全行为行为的风险之间的积极联系。调查结果还表明，管理承诺往往是对个人安全行为的重要预测指标。理论讨论，实际的管理含义和未来研究的指导也正在讨论。
引用：Ahn H. 基于症状对眼科急诊严重程度进行分类的人工智能方法：一项验证研究。BMJ Open 2020；10：e037161。doi:10.1136/bmjopen-2020-037161
摘要 目的 我们研究了机器学习人工智能 (AI) 在对眼科急症严重程度进行分类以便及时就诊方面的有效性。 研究设计 这项回顾性研究分析了 2019 年 5 月至 12 月期间首次访问大邱武装部队医院的患者。患者的一般信息、事件和症状是输入变量。事件、症状、诊断和治疗是输出变量。输出变量分为四类（红色、橙色、黄色和绿色，表示立即或无紧急情况）。在所有训练程序之前，随机选择了大约 200 例类平衡验证数据集。采用了一种集成 AI 模型，该模型结合了全连接神经网络和合成少数过采样技术算法。 参与者 共纳入 1681 名患者。 主要结果 使用准确度、精确度、召回率和 F1 分数来评估模型性能。 结果 该模型的准确率为 99.05%。各类别（红色、橙色、黄色和绿色）的准确率分别为 100%、98.10%、92.73% 和 100%。各类别的召回率分别为 100%、100%、98.08% 和 95.33%。各类别的 F1 得分分别为 100%、99.04%、95.33% 和 96.00%。结论我们为基于症状对眼科急诊严重程度进行分类的 AI 方法提供了支持。
育儿父母与智力低下儿童的个人卫生状况的关系SLB Negeri 1 Central Lombok
背景：每个父母都期望他们的孩子根据年龄在身体，精神和社会上成长和发展健康。心理迟缓是一种不完美的大脑发育的疾病，其特征是整体能力和智力的障碍。个人卫生或个人卫生是所做的努力之一，以便有人保持个人清洁以避免疾病。目的：本研究的目的是找出父母父母与伦波克中部SLB Negeri 1中智力低下儿童中的个人卫生状况之间的关系。方法：本研究使用相关分析设计，使用的研究类型是采用横截面方法的非实验定量研究。在本研究中采样技术，使用分层随机抽样，共有53位受访者。数据是使用父母和个人hygiena智力低下的育儿问卷进行的。对所使用的数据的分析是Somer的测试。结果：在SLB Negeri 1 Central Lombok中，患有个人卫生的育儿父母之间没有关系。该类别中父母的大多数育儿足以在中等类别中多达34人（64.2％）和个人卫生，多达38人（71.7％）。使用获得0.00（1,00）的SOMER测试的统计计算结果显示，在儿童智力低下的父母父母的父母之间没有关系。结论：在SLB Negeri 1 Central Lombok中，父母患有个人卫生的父母之间没有关系。
基于 SMOTE (EMS) 的增强中风预测模型
摘要：中风是大脑血液供应突然中断，影响一条或多条滋养大脑的血管。这会导致大脑供氧紊乱或不足，从而导致脑细胞损伤或受损。在某些情况下，确定中风的时间和严重程度可能具有挑战性。本研究提出了一种基于人工智能的 EMS（ElasticNet - MLP - SMOTE）模型，具体利用两种机器学习算法，即 Elastic Net 和多层感知器 (MLP)，并使用合成少数过采样技术 (SMOTE)。Elastic Net 算法用于特征选择以识别关键特征，然后使用 MLP 算法进行预测。使用 Elastic Net 算法是因为它结合了 L 2 和 L 1 正则化，在辨别影响模型性能的特征方面提供了良好的结果。使用 MLP 算法是因为它依赖于深度学习技术，在这种情况下产生了有希望的结果。该算法从包含与中风相关的基本特征的综合数据集中对数据进行分类。SMOTE 用于提高模型的性能。值得注意的是，之前没有研究将这三种技术（Elastic Net – MLP – SMOTE）结合在一起。EMS 的预测准确率达到 95%，MSE = 0.05。该模型有助于根据患者的历史数据预测中风的发生，从而缓解这种严重疾病的突然发作。
高中生的初潮年龄与体重指数之间的关系
摘要：青春期是人类成长和发展过程中的重要阶段。初潮是女性经历的第一个月经时期。早期的初潮是由各种因素引起的，其中之一是营养状况，可以通过使用体重指数（BMI）在青少年中确定。早期初潮会增加代谢综合征，糖尿病，心血管疾病和乳腺癌的风险。这项研究旨在评估高年级学生的初潮年龄与体重指数之间的关系。这是一项具有横截面方法的观察和分析研究。使用的采样技术是简单的随机抽样。数据，显着性水平为0.05。结果获得了246名女学生作为受访者。大多数受访者经历了正常年龄正常（82.9％），而BMI正常（58.1％）。Spearman相关测试获得了P = 0.000（<0.05）和R = -0.222，表明与负方向存在弱的显着相关性。总而言之，Sman 3 Manado的女学生的初潮年龄与体重指数之间存在显着相关性。这意味着更高的BMI与早期初潮的更大可能性有关。关键词：初潮时代；体重指数ABSTRAK：Pubertas Merupakan tahapan penting Dalam Proses Pertumbuhan Dan Pekembangan Manusia。初潮Merupakan Pereode Menstruasi Pertama Yang dionami oleh seorang perempuan。Jenis Penelitian Ialah观察性的Analitik Dengan Desain Potong Lintang。初潮的年龄降低到更早的是由各种因素引起的，其中之一是营养状况。初潮较早，导致代谢综合征，糖尿病，心血管疾病和乳腺癌的风险增加。本研究旨在评估高中生中的初潮与体重指数（BMI）之间的关系。采样技术，即简单的随机抽样g。找出IMT的营养状况。使用Spearman相关测试分析数据。 该研究的结果接收了246名学生作为受访者。 大多数受访者的初潮年龄正常（82.9％）和正常的BMI（58.1％）。 Spearman相关测试的结果获得p = 0,000（<0.05）和r = -0.222的值，该值与弱相关性和负相关方向的显着关系。 这项研究的结论是，初潮的年龄与Sman 3 Manado的学生的体重指数之间存在显着关系，相关强度较弱和负相关的方向。 IMT越大，较早体验初潮的机会就越高。 关键字：初级年龄；体重指数数据。该研究的结果接收了246名学生作为受访者。大多数受访者的初潮年龄正常（82.9％）和正常的BMI（58.1％）。Spearman相关测试的结果获得p = 0,000（<0.05）和r = -0.222的值，该值与弱相关性和负相关方向的显着关系。这项研究的结论是，初潮的年龄与Sman 3 Manado的学生的体重指数之间存在显着关系，相关强度较弱和负相关的方向。IMT越大，较早体验初潮的机会就越高。关键字：初级年龄；体重指数
数字病理中分布外检测的扩散模型
检测异常的能力，即在培训或分发期间看不到的任何内容（OOD）在医学成像应用中对于成功部署机器学习系统至关重要。使用无监督的学习过滤OOD数据特别有希望，因为它不需要昂贵的注释。基于deo的扩散概率模型（DDPM）的新型模型，称为阳极，阳极，最近在无监督的OOD检测中取得了重大进展。这项工作为数字病理中无监督的OOD检测方法提供了基准。通过利用快速采样技术，我们将阳极在足够大的尺度上应用阳极，以在Camelyon16挑战的完整测试集上进行全面的图像分析。基于ROC分析，我们表明，在两个补丁级的OOD检测任务上，ANODDPMS可以检测到OOD数据，最高为94.13和86.93，表现优于其他无人研究的方法。我们观察到阳极改变了输入的语义特性，用更良性的组织代替了异常数据。此外，我们通过评估具有不同信噪比的输入的重建误差来强调阳极对不同信息瓶颈的灵活性。尽管有完全监督的学习仍然存在显着的性能差距，但在数字病理学中的OOD检测领域表现出了巨大的希望。
Buerger Allen对
摘要糖尿病是一种慢性代谢疾病，需要医疗护理和独立管理以防止糖尿病性溃疡并发症。Buerger Allen练习是一种特殊的运动，旨在通过主动腿部运动利用重力和肌肉收缩的变化来增加脚的循环，以使外围血管的循环增加。Inlow的60秒糖尿病足屏幕工具是评估足部受伤风险的指标。本研究旨在确定Buerger Allen练习对Masbagik Puskesmas 2型糖尿病患者脚部受伤风险的影响。该研究方法对一个组预测试设计的设计采用了实验前的实验。采样技术是有目的的抽样，符合纳入和排除标准的18位受访者的样本。使用单变量和双变量分析的数据分析。干预之前受访者在糖尿病患者中的风险伤害的平均值为9.00，标准偏差为1,328，干预后为8.54，标准偏差为1,286。Wilcoxon测试结果显示了p：0,000的值，这意味着Buerger Allen练习对2型糖尿病患者的脚步溃疡的风险运动干预措施Buerger Allen有望作为治疗的一部分应用，以防止2型糖尿病患者的糖尿病足溃疡并发症。关键字：Buerger Allen练习；糖尿病；脚伤的风险