XiaoMi-AI文件搜索系统
World File Search System预测器
白色念珠菌的计算机代谢途径分析……
白色念珠菌是一种真菌或酵母，通常生长在口腔和消化道中，可引起念珠菌病。白色念珠菌可从良性共生菌转变为致病病原体，导致口腔、胃肠道和生殖道感染。复发性阴道鹅口疮是由对念珠菌病的局部免疫缺陷引起的，这可能是由于前列腺素 E2 (PGE2) 合成过多引起的。白色念珠菌菌株的致病性存在差异，这表明菌株特有的毒力因子可能在疾病严重程度中发挥作用。对宿主智人和病原体白色念珠菌的代谢途径进行了计算机比较分析。blastp e 值阈值截止值设置为 0.005。 281 种酶中，共有 118 种酶序列与人类蛋白质序列非同源，其中 24 种酶根据 DEG 数据库被发现对白色念珠菌的生存至关重要。CELLO v.2.5：subCELlulor 定位预测器结果显示，约 57% 的酶位于细胞质中，15% 的酶位于线粒体中，12% 的酶为质膜蛋白，6% 的酶位于细胞核中，5% 的酶位于叶绿体和过氧化物酶体中。确定的潜在药物靶点为进一步研究发现新型治疗化合物奠定了基础。
润滑脂质量变化下主轴承疲劳预测的混合物理信息神经网络
风力涡轮机主轴承的疲劳寿命受用作润滑剂的油脂状态的极大影响。遗憾的是，由于与降解机制和油脂批次质量变化相关的不确定性，通过预测模型监测油脂状况可能是一项艰巨的任务。最终，油脂质量变化导致的油脂寿命预测差异可能导致轴承疲劳寿命预测不准确。问题的复杂性需要一种新颖的解决方法；在本文中，我们提出了一种新的混合物理信息神经网络模型。我们构建了一个嵌入为循环神经网络单元的轴承疲劳损伤累积混合模型，其中用于轴承疲劳损伤累积的降阶物理模型和表示油脂降解机制的神经网络，该机制量化最终加速轴承疲劳的油脂损伤。我们概述了一种两步概率方法来量化油脂质量变化。在第一步中，我们利用混合模型来学习当质量为分布中位数时的油脂降解。在第二步中，我们采用第一步中的中值预测器，并通过检查每台风力涡轮机的油脂样本来跟踪质量分布的分位数。我们最后通过数值实验展示我们的方法，在该实验中，我们测试了质量变化的随机实现和样本数量的影响
使用Sentinel-2
抽象的热带山地森林藏有异常高的生物多样性，但面临着人类活动的严重威胁。评估大区域的森林生物多样性至关重要，但极具挑战性。遥感提供了有效的监测解决方案，但是很少有研究集中在坦桑尼亚的多样化的蒙塔尼森林上。我们收集了坦桑尼亚西乌萨巴拉地区蒙塔尼森林159个地块中159个地块中树种成分的现场数据。我们将物种丰富度，均匀度和香农多样性指数计算为树木多样性的指标。使用Sentinel-2和Planetscope卫星图像，我们得出了光谱，纹理和植被指数预测因子，以通过广义添加剂模型和极端的梯度增强来对这些索引进行建模。基于Planetscope的XGBoost模型表现最佳，解释了香农多样性变化的19.7％。合并纹理预测器进一步提高了模型的准确性。尽管在建模复杂的热带森林方面面临固有的挑战，但我们的发现证明了Sentinel-2和Planetscope对区域生物多样性监测的有希望的潜力，而现场调查受到限制。进一步的研究可以通过利用更高的分辨率数据和增加现场采样来增强这些初始结果，以有效监测热带生物多样性。关键词：树种丰富度；山地森林；东弧山； GAM，XGBoost简介
forest-bioodovortity-indicators- ...
抽象的热带山地森林藏有异常高的生物多样性，但面临着人类活动的严重威胁。评估大区域的森林生物多样性至关重要，但极具挑战性。遥感提供了有效的监测解决方案，但是很少有研究集中在坦桑尼亚的多样化的蒙塔尼森林上。我们收集了坦桑尼亚西乌萨巴拉地区蒙塔尼森林159个地块中159个地块中树种成分的现场数据。我们将物种丰富度，均匀度和香农多样性指数计算为树木多样性的指标。使用Sentinel-2和Planetscope卫星图像，我们得出了光谱，纹理和植被指数预测因子，以通过广义添加剂模型和极端的梯度增强来对这些索引进行建模。基于Planetscope的XGBoost模型表现最佳，解释了香农多样性变化的19.7％。合并纹理预测器进一步提高了模型的准确性。尽管在建模复杂的热带森林方面面临固有的挑战，但我们的发现证明了Sentinel-2和Planetscope对区域生物多样性监测的有希望的潜力，而现场调查受到限制。进一步的研究可以通过利用更高的分辨率数据和增加现场采样来增强这些初始结果，以有效监测热带生物多样性。关键词：树种丰富度；山地森林；东弧山； GAM，XGBoost简介
迈向自动动力电池检测：新挑战基准数据集和基线
我们对一项名为动力电池检测（PBD）的新任务进行了全面的研究，该任务旨在从 X 射线图像中定位密集的阴极和阳极板端点，以评估动力电池的质量。现有制造商通常依靠人眼观察来完成 PBD，这使得很难平衡检测的准确性和效率。为了解决这个问题并让更多人关注这个有意义的任务，我们首先精心收集了一个称为 X 射线 PBD 的数据集，该数据集包含从 5 家制造商的数千个动力电池中选择的 1,500 张不同的 X 射线图像，具有 7 种不同的视觉干扰。然后，我们提出了一种基于分割的新型 PBD 解决方案，称为多维协作网络（MDCNet）。借助线和计数预测器，可以在语义和细节方面改进点分割分支的表示。此外，我们设计了一种有效的距离自适应掩模生成策略，可以缓解由板分布密度不一致引起的视觉挑战，从而为 MDCNet 提供稳定的监督。无需任何花哨的修饰，我们基于分割的 MDCNet 始终优于其他各种角点检测、人群计数和基于一般/微小物体检测的解决方案，使其成为有助于促进 PBD 未来研究的强大基础。最后，我们分享了一些潜在的困难和未来研究的工作。源代码和数据集将在 X-ray PBD 上公开提供。
AI驱动的药物设计（AIDD）平台
抽象的计算机辅助药物设计近年来已经迅速发展，并且在硅胶设计的分子中前进到诊所的多个实例已经证明了该领域对医学的贡献。正确设计和实施的平台可以大大减少药物开发时间表和成本。最初主要集中在目标亲和力/活动上，但现在人们认为，其他参数在成功开发药物及其向临床的发展中同样重要，包括药代动力学特性以及吸收，分布，分布，代谢，排泄和毒理学和毒理学（ADMETOLICONIOG（ADMET））。在过去的十年中，已经开发了几个程序，将这些特性纳入药物设计和优化过程并在不同程度上，从而允许多参数优化。在这里，我们介绍了人工智能驱动的药物设计（AIDD）平台，该平台通过整合基于生理生理学的药代动力学模拟（由胃肠道）和ADMET预测（由ADMET预测器启动）与先进的algorithm相当不同的生成模型来自动化药物设计过程。艾滋病在迭代执行的多目标优化中使用这些和其他估计值来产生活性和铅样的新分子。在这里，我们描述了其中涉及的方法的艾滋病工作流程和细节。我们使用来自恶性疟原虫的二氢易能酸酯脱氢酶的三唑吡啶抑制剂数据集来说明艾滋病如何产生新的分子集。
朝着有效的电池电动巴士操作
摘要：随着公共交通系统中电池电动总线（BEB）的采用，对精确的能源消耗预测的需求变得越来越重要。准确的预测对于优化路线，充电时间表和确保足够的操作范围至关重要。本文介绍了一种创新的预测方法，该方法将推进和辅助能量模型与新颖概念（环境发生器）结合在一起。这种方法解决了电动总线能源预测的主要挑战：估计未来的环境状况，例如天气，乘客负载和交通模式，这会对能源需求产生重大影响。环境发生器通过为能量模型提供现实的输入数据而起着至关重要的作用。这项研究验证了具有不同级别模型复杂性的各种模型与一年以上的案例研究中的现实运营数据，在德国哥廷根有16台电动总线。我们的分析彻底研究了影响能量消耗的因素，例如高度，温度，乘客负载和驾驶模式。为了在不同的操作条件下全面理解能源需求，该方法将数据驱动的模型和物理模拟整合到模块化且高度准确的能量预测器中。结果证明了我们方法在提供更准确的能源消耗预测方面的有效性，这对于有效的电力总线车队管理至关重要。这项研究有助于电动汽车能源预测的知识不断增长，并为过境当局和运营商提供了实用的见解，以优化电动巴士运营。
Mamba 作为决策者：探索离线强化学习中的多尺度序列建模
摘要 — 顺序建模在离线强化学习 (RL) 中表现出色，其中决策转换器 (DT) 是最显著的代表之一，取得了显著的成功。然而，RL 轨迹具有与传统序列（例如文本或音频）不同的独特属性：（1）局部相关性，其中 RL 中的下一个状态在理论上仅由基于马尔可夫决策过程 (MDP) 的当前状态和动作决定，以及 (2) 全局相关性，其中由于轨迹的时间连续性，每个步骤的特征都与长期历史信息相关。在本文中，我们提出了一种新颖的动作序列预测器，名为 Mamba Decision Maker (MambaDM)，其中 Mamba 有望成为序列建模范式的有前途的替代方案，因为它可以有效地建模多尺度依赖关系。特别是，我们介绍了一种新颖的混合器模块，它可以熟练地提取和集成输入序列的全局和局部特征，从而有效地捕捉 RL 数据集中的相互关系。大量实验表明，MambaDM 在 Atari 和 OpenAI Gym 数据集上实现了最佳性能。此外，我们通过实证研究了 MambaDM 的扩展规律，发现增加模型大小不会带来性能提升，但将 MambaDM 的数据集大小扩大 2 倍可以在 Atari 数据集上获得高达 33.7% 的得分提升。本文深入探讨了 MambaDM 在 RL 领域的序列建模能力，为未来在稳健高效的决策系统方面的进步铺平了道路。
朝着有效的电池电动巴士操作
摘要：随着公共交通系统中电池电动总线（BEB）的采用，对精确的能源消耗预测的需求变得越来越重要。准确的预测对于优化路线，充电时间表和确保足够的操作范围至关重要。本文介绍了一种创新的预测方法，该方法将推进和辅助能量模型与新颖概念（环境发生器）结合在一起。这种方法解决了电动总线能源预测的主要挑战：估计未来的环境状况，例如天气，乘客负载和交通模式，这会对能源需求产生重大影响。环境发生器通过为能量模型提供现实的输入数据而起着至关重要的作用。这项研究验证了具有不同级别模型复杂性的各种模型与一年以上的案例研究中的现实运营数据，在德国哥廷根有16台电动总线。我们的分析彻底研究了影响能量消耗的因素，例如高度，温度，乘客负载和驾驶模式。为了在不同的操作条件下全面理解能源需求，该方法将数据驱动的模型和物理模拟整合到模块化且高度准确的能量预测器中。结果证明了我们方法在提供更准确的能源消耗预测方面的有效性，这对于有效的电力总线车队管理至关重要。这项研究有助于电动汽车能源预测的知识不断增长，并为过境当局和运营商提供了实用的见解，以优化电动巴士运营。
控制与仪表工程
16MA607 数值方法与优化 4 - 0 - 0 - 4 方程和特征值问题的解：线性插值法、假位置法、牛顿法、不动点定理陈述、不动点迭代、高斯消元法解线性系统、高斯-约登法和迭代法、高斯-约登法求矩阵逆、幂法求矩阵特征值。常微分方程的初值问题：单步法、泰勒级数法、欧拉法和修正欧拉法、用于解一阶和二阶方程的四阶龙格-库塔法。多步法：Milne 和 Adam 的预测器和校正器方法。线性规划：公式化、图形和单纯形法、大 M 方法、两相法、对偶单纯形法、原始对偶问题。无约束一维优化技术：必要和充分条件。无限制搜索方法：斐波那契和黄金分割法、二次插值法、三次插值和直接根法。无约束 n 维优化技术：直接搜索法、随机搜索、模式搜索和 Rosen Brooch 的山丘声称法、下降法、最速下降法、共轭梯度法、拟牛顿法。约束优化技术：必要和充分条件、等式和不等式约束、Kuhn-Tucker 条件、梯度投影法、割平面法、罚函数法。动态规划、最优化原理、递归方程方法、最短路线应用、货物装载、分配和生产计划问题。教科书/参考文献：1.S. S. Rao，“能源优化理论与实践”，John Wiley and Sons，2009 年。2.Taha H. A.，“运筹学——导论”，第八版，Prentice Hall