XiaoMi-AI文件搜索系统
World File Search System2019b
使用深度学习对大脑活动中的扫视方向进行分类
眼动追踪技术可以预测眼睛的注视方向，从而根据大脑活动来判断凝视方向。解决这一问题最成功的尝试之一是预测眼动估计回归 [LaConte 等人，2007]，这是一种基于成像的方法，使用机器学习算法根据眼睛的体素数据来估计功能性磁共振成像 (fMRI) 时间序列中的注视方向 [Son 等人，2020]。这对于那些买不起眼动追踪系统或不具备分析眼动追踪数据专业知识的神经科学实验室来说具有巨大的潜力。然而，fMRI 数据采集成本高昂，并且不能提供认知发生水平的时间分辨率。相比之下，EEG 是一种安全且成本低廉的方法，可以直接测量大脑的电活动，并可以在临床环境中进行测量（例如在病床上进行长期记录）。机器学习技术可以从脑电图记录中提取大脑活动信息，并在几个重要的基于脑电图的研究和应用领域中发挥着至关重要的作用[Roy et al . 2019a]。具体来说，深度学习允许计算模型学习具有多个抽象级别的数据表示，从而使用数据集提供的所有信息[Vahid et al . 2020]。尽管深度学习在脑电图时间序列分类方面已被证明是成功的并且得到了广泛的应用[Roy et al . 2019b]，但它在实验研究和架构设计方面仍然落后于图像识别。在这个项目中，作为对凝视位置进行分类的第一步，我们假设可以通过结合脑电图和深度学习来恢复扫视的方向（左和右）。这反过来又可以为已经获得的和可用的脑电图研究提供关于扫视方向的更多信息，从而可以重新分析这些数据集，以验证结果并解决以前不适用的新研究问题（例如，与年龄相关的大脑活动差异因老年受试者比年轻受试者更频繁地移动眼睛这一事实而变得复杂 [Płomecka et al. 2020]）。此外，从脑电图数据中恢复眼球注视信息可以潜在地改善许多基于脑电图的辅助技术，例如基于非侵入性脑机接口 (BCI) 的假肢或移动机器人，提供额外丰富的测量指标并帮助现有技术提高性能 [Kapralov et al . 2019]。我们相信这项研究为更先进的辅助技术提供了一些重要见解，例如将 ET 与脑电图相结合的混合方法 [Millán et al. 2010]。已经有一些关于经典监督机器学习技术的研究；例如，[Bulling et al.
使用LIF荧光核轨道检测器检测质子轨道
荧光检测核轨迹是一种辐射测量方法，最初是由Akselrod和使用Al 2 O 3：C，Mg单晶的同事开发的（Akselrod等，2006a; Akselrod等，2006b），并成功地引入了应用程序的各个领域（Al.akselenber and kousselrodg，akselrodg and akselrodg and.220; akselrod等人，2006b）。 2018年; Akselrod和Sykora，2013年；在过去的几年中，发现另一种材料适合用作荧光核轨道检测器（FNTD）：未含量的氟氟化锂晶体（Bilski和Marczewska，2017; Bilski等，2019b）。LIF中粒子轨迹的荧光成像的物理机制是基于创建的，这是通过电离颗粒F 2颜色中心在晶体晶格中的产生。这些中心用蓝光（在445 nm左右的波长）激发时，在红色光谱范围内发出光致发光（在670 nm处达到峰值）。使用荧光显微镜，使用高放大倍数和灵敏的数码相机，可以以低于1微米的分辨率对辐射轨道进行成像。轨道强度是从轨道发出的荧光灯的强度，取决于电离密度，即，即局部沉积的能量的量。lif晶体已成功地用于图像各种离子的轨道，从氦与铁不等（Bilski等，2019a）。对于质子，对于高能梁，像放射疗法中使用的光束一样，由于这些颗粒的电离密度较低，很难观察到原代质子的单个轨道。对质子辐照的LIF晶体的初步分析揭示了某些荧光轨道的存在，但仅以几乎没有分布的斑点的形式。 这些斑点的数量比撞击晶体上的质子数量低的数量级。 它们的荧光强度非常低 - 与伽马辐射产生的轨道的强度相似。 因此，很难确定观察到的轨道是由原代质子，能量降解的质子还是由某些二次颗粒产生的。 另一方面，众所周知，低能质子可能会产生完全不同的轨道，因为它发生在热中子辐照的LIF晶体中，其中由2.73 MeV 3 h核产生的轨道（中子的核反应与6 Li核的核反应的产物）可见（Bilski等人，2018年）。 因此，本工作的目的是更仔细地研究LIF FNTD在检测低能和高能量质子方面的能力。 该受试者不仅与放射疗法质子束的测量相关，而且与质子丰富的宇宙辐射的剂量计有关。对质子辐照的LIF晶体的初步分析揭示了某些荧光轨道的存在，但仅以几乎没有分布的斑点的形式。这些斑点的数量比撞击晶体上的质子数量低的数量级。它们的荧光强度非常低 - 与伽马辐射产生的轨道的强度相似。因此，很难确定观察到的轨道是由原代质子，能量降解的质子还是由某些二次颗粒产生的。另一方面，众所周知，低能质子可能会产生完全不同的轨道，因为它发生在热中子辐照的LIF晶体中，其中由2.73 MeV 3 h核产生的轨道（中子的核反应与6 Li核的核反应的产物）可见（Bilski等人，2018年）。因此，本工作的目的是更仔细地研究LIF FNTD在检测低能和高能量质子方面的能力。该受试者不仅与放射疗法质子束的测量相关，而且与质子丰富的宇宙辐射的剂量计有关。
使用合成生物学...
季节性的p-葡萄糖酸和抗菌活性的季节性变化。Pharm Biol 46：889-893。Karamat，F，Olry，A，Munakata，R等。 （2014）香豆素 - 特定的pren- yltransferase催化了欧洲裔弗拉诺科·马林形成的关键生物合成反应。 工厂J 77：627-638。 Kohnen -Johannsen，KL和Kayser，O（2019）Tropane生物碱：化学，药理学，生物合成和生产。 分子24：796。 li，H，Ban，Z，Qin，H等。 （2015）一种异源膜 - 霍普的结合前蛋白基 - 转移酶复合物在苦酸途径中催化三种顺序芳族预奈尔。 植物生理学167：650-659。 Luo，X，Reiter，MA，D'Espaux，L等。 （2019a）大麻素及其在酵母中的非天然类似物的完全生物合成。 自然567：123-126。 luo，ZW，Cho，JS和Lee，SY（2019b）微生物炭疽甲酯的微生物产生，葡萄味。 Proc Natl Acad Sci USA 116：10749-10756。 MA，J，GU，Y，Marsafari，M等。 （2020）Yarrowia脂溶剂的合成生物学，系统生物学和代谢工程，可用于可持续的生物填充平台。 J Ind Microbiol Biotechnol 47：845-862。 mori，T，（2020）芳族前转移酶的酶学研究。 J Nat Med 74：501-512。 Munakata，R，Inoue，T，Koeduka，T等。 （2014）柠檬中的香烷基双磷酸 - 特异性芳基丙烯基转移酶的分子克隆和表征。 植物生理学166：80-90。 社区生物2：384。Karamat，F，Olry，A，Munakata，R等。（2014）香豆素 - 特定的pren- yltransferase催化了欧洲裔弗拉诺科·马林形成的关键生物合成反应。工厂J 77：627-638。Kohnen -Johannsen，KL和Kayser，O（2019）Tropane生物碱：化学，药理学，生物合成和生产。 分子24：796。 li，H，Ban，Z，Qin，H等。 （2015）一种异源膜 - 霍普的结合前蛋白基 - 转移酶复合物在苦酸途径中催化三种顺序芳族预奈尔。 植物生理学167：650-659。 Luo，X，Reiter，MA，D'Espaux，L等。 （2019a）大麻素及其在酵母中的非天然类似物的完全生物合成。 自然567：123-126。 luo，ZW，Cho，JS和Lee，SY（2019b）微生物炭疽甲酯的微生物产生，葡萄味。 Proc Natl Acad Sci USA 116：10749-10756。 MA，J，GU，Y，Marsafari，M等。 （2020）Yarrowia脂溶剂的合成生物学，系统生物学和代谢工程，可用于可持续的生物填充平台。 J Ind Microbiol Biotechnol 47：845-862。 mori，T，（2020）芳族前转移酶的酶学研究。 J Nat Med 74：501-512。 Munakata，R，Inoue，T，Koeduka，T等。 （2014）柠檬中的香烷基双磷酸 - 特异性芳基丙烯基转移酶的分子克隆和表征。 植物生理学166：80-90。 社区生物2：384。Kohnen -Johannsen，KL和Kayser，O（2019）Tropane生物碱：化学，药理学，生物合成和生产。分子24：796。li，H，Ban，Z，Qin，H等。（2015）一种异源膜 - 霍普的结合前蛋白基 - 转移酶复合物在苦酸途径中催化三种顺序芳族预奈尔。植物生理学167：650-659。Luo，X，Reiter，MA，D'Espaux，L等。（2019a）大麻素及其在酵母中的非天然类似物的完全生物合成。自然567：123-126。luo，ZW，Cho，JS和Lee，SY（2019b）微生物炭疽甲酯的微生物产生，葡萄味。Proc Natl Acad Sci USA 116：10749-10756。MA，J，GU，Y，Marsafari，M等。 （2020）Yarrowia脂溶剂的合成生物学，系统生物学和代谢工程，可用于可持续的生物填充平台。 J Ind Microbiol Biotechnol 47：845-862。 mori，T，（2020）芳族前转移酶的酶学研究。 J Nat Med 74：501-512。 Munakata，R，Inoue，T，Koeduka，T等。 （2014）柠檬中的香烷基双磷酸 - 特异性芳基丙烯基转移酶的分子克隆和表征。 植物生理学166：80-90。 社区生物2：384。MA，J，GU，Y，Marsafari，M等。（2020）Yarrowia脂溶剂的合成生物学，系统生物学和代谢工程，可用于可持续的生物填充平台。J Ind Microbiol Biotechnol 47：845-862。mori，T，（2020）芳族前转移酶的酶学研究。J Nat Med 74：501-512。Munakata，R，Inoue，T，Koeduka，T等。 （2014）柠檬中的香烷基双磷酸 - 特异性芳基丙烯基转移酶的分子克隆和表征。 植物生理学166：80-90。 社区生物2：384。Munakata，R，Inoue，T，Koeduka，T等。（2014）柠檬中的香烷基双磷酸 - 特异性芳基丙烯基转移酶的分子克隆和表征。植物生理学166：80-90。社区生物2：384。Munakata，R，Olry，A，Takemura，T等。 （2021）UBIA超家族蛋白的平行演化为植物中的芳族O-前转移酶。 Proc Natl Acad Sci USA 118：E2022294118。 Munakata，R，Takemura，T，Tatsumi，K等。 （2019）分离用于苯基苯甲酸的毛细血管膜膜 - 结合二苯基转移酶，并在酵母中重新设计Artepillin c的重新设计。 村上，A，Kuki，W，Takahashi，Y等。 （1997）Auraptene，一种香豆素，抑制12 -O-四甲基烷酰基-13-乙酸 - 乙酸 - 诱导的ICR小鼠皮肤中的Tu- Mor促进，可能是通过抑制白血细胞中过氧化含量的产生。 JPN J Cancer Res 88：443-452。 Nishikawa，S，Aoyama，H，Kamiya，M等。 （2016）Artepillin C，一种典型的巴西蜂胶成分，诱导棕色 - 像脂肪细胞在C3H10T1/2细胞中形成，原发性腹股沟白色脂肪组织 -Munakata，R，Olry，A，Takemura，T等。（2021）UBIA超家族蛋白的平行演化为植物中的芳族O-前转移酶。Proc Natl Acad Sci USA 118：E2022294118。Munakata，R，Takemura，T，Tatsumi，K等。 （2019）分离用于苯基苯甲酸的毛细血管膜膜 - 结合二苯基转移酶，并在酵母中重新设计Artepillin c的重新设计。 村上，A，Kuki，W，Takahashi，Y等。 （1997）Auraptene，一种香豆素，抑制12 -O-四甲基烷酰基-13-乙酸 - 乙酸 - 诱导的ICR小鼠皮肤中的Tu- Mor促进，可能是通过抑制白血细胞中过氧化含量的产生。 JPN J Cancer Res 88：443-452。 Nishikawa，S，Aoyama，H，Kamiya，M等。 （2016）Artepillin C，一种典型的巴西蜂胶成分，诱导棕色 - 像脂肪细胞在C3H10T1/2细胞中形成，原发性腹股沟白色脂肪组织 -Munakata，R，Takemura，T，Tatsumi，K等。（2019）分离用于苯基苯甲酸的毛细血管膜膜 - 结合二苯基转移酶，并在酵母中重新设计Artepillin c的重新设计。村上，A，Kuki，W，Takahashi，Y等。（1997）Auraptene，一种香豆素，抑制12 -O-四甲基烷酰基-13-乙酸 - 乙酸 - 诱导的ICR小鼠皮肤中的Tu- Mor促进，可能是通过抑制白血细胞中过氧化含量的产生。JPN J Cancer Res 88：443-452。Nishikawa，S，Aoyama，H，Kamiya，M等。 （2016）Artepillin C，一种典型的巴西蜂胶成分，诱导棕色 - 像脂肪细胞在C3H10T1/2细胞中形成，原发性腹股沟白色脂肪组织 -Nishikawa，S，Aoyama，H，Kamiya，M等。（2016）Artepillin C，一种典型的巴西蜂胶成分，诱导棕色 - 像脂肪细胞在C3H10T1/2细胞中形成，原发性腹股沟白色脂肪组织 -
平行单词读数与固定相关的大脑电位揭示
外星人不知道的是人类读书。外星人现在观察到整齐的网格形扫描路径，并具有许多相当始终如一的定时固定，并由萨卡德斯（Sac-Cades）插入，其短幅度相当一致。外星人在逻辑上会感到困惑：与以前的数据相比，似乎反映了天然的眼动行为，新数据似乎非常人工，也许必须完全源于其他物种。但是，现代人类如此依赖的正是这种人工行为。有关阅读过程的知识不仅重要，而且从根本上很有趣：由于系统性，对各种认知成分的负担（视觉感知，注意力选择，成员，眼球运动计划）的负担可能比任何这些成分都更重。在视觉和注意力方面，我们可能会注意到，与自然场景相比，文本提供的视觉效果要多得多。在亮度，颜色或对比度方面，没有比周围环境更重要的位置。此外，信息在整个视觉范围内非常密集且均匀分布，这意味着视觉范围的每一点都必须进行主动处理，并且必须以特定的，常规的方式进行（例如，左右 - 右 - 右上和自上而下）。最后，所有这些位d，所有单词d都必须作为单独解释的单元接近。自然的场景观看类似于阅读，然后认识到一棵树将涉及计算其树枝和树叶。大脑每天如何应对这些极端条件？没有视觉任务需要像阅读行为这样的系统性；并且没有任何认知成分对于将系统性作为注意选择而重要。在本文中，我们继续进行了关于阅读潜在关注的潜在限制的突出且尚未解决的辩论。显然存在注意力选择；但是，这种情况是如此细化，以至于系统可以离散地插入单词时，而我们的眼睛在尖顶线的海洋上飞来飞去？，如果注意力选择不是那么刻薄，并且大脑确实不断地忙于一个以上的词，那么它如何成功？阅读过程的这一特定方面是在理论之间的裁决中发挥关键作用，在这里我们旨在为其理解做出贡献。We do so by focusing on syntactic pro- cessing, which is assumed, in recent and ongoing modeling work ( Meeter, Marzouki, Avramiea, Snell, & Grainger, 2020 ; Snell & Grainger, 2019a , 2019b ; Snell, van Leipsig, Grainger, & Meeter, 2018a ), to play a key role in the brain ' s ability to deal with multiple words simultaneously.在适当的时候将看到，我们将在句子阅读过程中探测平行的句法处理，并结合眼睛跟踪和电刻画（EEG）。
拉伸片材上热场和磁场下的驻点流 * 1 Yahaya Shagaiya Daniel、2 Aliyu Usman、2 Umaru Haruna 1 部门
拉伸片材上具有热场和磁场的驻点流* 1 Yahaya Shagaiya Daniel、2 Aliyu Usman、2 Umaru Haruna 1 尼日利亚卡杜纳州立大学理学院数学科学系。 2 马卡菲谢胡伊德里斯健康科学与技术学院生物医学工程技术系。 *通讯作者电子邮箱地址：Shagaiya12@gmail.com 摘要 本研究旨在检验热辐射和磁场对拉伸片材二维驻点流的影响。通过相似变换法将控制方程转化为非线性常微分方程组，然后利用隐式有限差分方案进行数值求解。驻点参数值越高，速度分布越增大，磁场则相反。温度分布是辐射能量的增函数。 关键词：热辐射、磁场、驻点流、拉伸片材。引言考虑到流动对介质的冲击会在表面周围形成一个驻点 (Hayat 等人，2020)。流动离开介质的消失会在尾随表面上产生另一个驻点 (Khan 等人，2020)。不可压缩粘性流体在拉伸片材上的流动和传热已在工业领域的许多过程中得到研究：聚合物的机械化挤出、金属板的冷却、塑料片材的空气动力挤出等 (Daniel 等人，2017a；Khashi'ie 等人，2020；Nandepnavar 等人，2021；Daniel 等人 2017b；Nadeem 等人 2020；Daniel 等人 2019a；Ghasemi & Hatami，2021 和 Daniel 等人，2019b)。 MHD 在拉伸板上的停滞流至关重要，因为它可应用于多种工程挑战，例如金属铸造厂的快速喷雾冷却和淬火、紧急核心冷却系统、微电子冷却、熔融纺丝工艺中的聚合物挤出、玻璃制造和原油净化 (Oyelakin et al., 2020; Anuar et al., 2020; Daniel, 2015; Nasir et al., 2020; Daniel and Daniel, 2015 and Lund et al., 2020)。当科学过程在高热能下进行时，例如金属或玻璃板的冷却，热辐射影响开始显示出不容忽视的重要作用 (Daniel et al., 2017c; Zainal et al., 2021 and Chaudhary et al., 2021)。许多研究人员已经讨论了不可压缩粘性流体的 MHD 流动和传热问题，包括文献（Maqbool 2020；Daniel 等人，2017；Hussain 等人，2020；Daniel 等人，2018；Afify 等人 2020 和 Daniel 2016）等。在目前的研究中，对共轭传导-对流和辐射传热问题进行了新的驻点流和能量转换研究。磁场用于控制和操纵流动行为，以提高热导率和传热性能。对流辐射传热模型
一般实践和数字方法招募中风幸存者参加临床流动性研究：比较分析
背景：参与者招聘仍然是进行临床研究的障碍。中风的残疾性质，通常包括功能性和认知障碍，以及适合许多试验的患者的急性疾病阶段，使招募患者特别复杂且具有挑战性。此外，包括大多数中风幸存者在内的65岁及以上的人已被确定为难以到达的群体，通常在健康研究中，尤其是临床试验中的人数不足。数字媒体可以提供有效的工具来支持临床试验中中风幸存者的入学工作。目的：这项研究的目的是比较招募中风幸存者进行临床流动性研究的通用实践（传统）和数字（在线）方法的有效性。方法：临床流动性研究的招聘始于2018年7月。合格的研究参与者包括18岁及以上的个人，他们有一个中风，目前在社区中是门诊。一般招聘实践包括打电话给中风注册表中列出的个人，与当地的物理治疗师联系，并在整个大学校园内放置学习传单。在2019年5月21日至2019年6月26日之间，该研究还使用社交网络Facebook和搜索引擎营销工具Google Adwords进行了数字促进。招聘广告（AD）包括指向研究页面的链接，转介了点击的用户。使用Lilliefors测试，Welch两样本T检验和Mann-Whitney测试对数据进行了分析。通用实践和数字方法的主要结果包括招聘速度（入学率）和样本特征。显着性设置为p = .05。所有统计分析均在MATLAB 2019b中进行。结果：我们的结果表明，数字招聘方法可以解决有关中风幸存者的招聘挑战。数字招聘方法使我们能够以更快的速度（1.8参与者/周）参加研究参与者，与使用通用方法（0.57参与者/周）相比。我们的发现还表明，数字和一般招聘实践可以达到同等的样本代表性水平。注册中风幸存者的特征因年龄（p = .95）或临床评分而没有显着差异（p = .22; p = .82）。比较了Facebook和Google的成本效益，我们发现Facebook的使用每次点击的成本较低，每个广告每招待会成本。结论：与更传统的招聘实践相比，数字招聘可用于加快参与者招募中风幸存者的招聘，同时还可以实现同等的样本代表性。通用实践和数字招聘方法对于成功招募中风幸存者将很重要。未来的研究可以专注于测试有效性
引用歌曲Y-K，Lee G，Hwang J，Kim J-W和Kwon J-W（2023），与生物学疾病模化素相比，Janus激酶抑制剂的心血管风险
类风湿关节炎（RA）与心血管（CV）相关的发病率和死亡率的风险增加，这可能是由于慢性，全身性免疫介导的炎症（Avina-Zubieta等人，2012; Smolen等，2018年）。Disease-modifying antirheumatic drugs (DMARDs), including conventional, biologic or targeted synthetic DMARDs, are mainly used for lifetime management of RA, among which Janus kinase (JAK) inhibitors targeting JAK family kinases offer an important alternative to biologic DMARDs (bDMARDs) ( Smolen et al., 2018 ; Takabayashi et al., 2021 ).最近的欧洲反对风湿病联盟（EULAR）指南建议针对未能通过常规合成DMARDS（CSDMARDS）和BDMARDS以及BDMARDS以及BDMARDS的初始治疗实现治疗目标的患者的JAK抑制剂（Smolen等，2020）。三种JAK抑制剂目前可用于RA的临床管理，自大约10年前的Tofacitinib批准以来，然后大约3 - 4年前在美国和韩国（美国食品和药物管理局）大约3 - 4年前的Bariticinib和Upadacitinib（韩国食品和药物管理局；食品和药物安全部）。然而，越来越多的证据表明，JAK抑制剂不适合患有血栓栓塞或CV事件风险的患者，因为它们可能会通过阻断胞内部细胞因子的细胞内信号传导途径对血小板蛋白信号传导和血小板稳态产生负面影响（Gadina等人，Gadina等，2019; 2019; Baldini et and; Baldini et al and and and and 202; Al。，2022）。尽管如此，JAK抑制剂与CV结果之间的关联尚不清楚。几项研究，包括随机对照试验（RCT）和大型基于人群的队列，表明JAK抑制剂对RA患者的重大不良CV事件（MACE）的风险没有显着影响，而RA的患者无论其基本的CV风险何种（Xie等，2019b; Khosrow-Khosrow-khosrow-khosrow-khavar et and 20222222222222222222222222222）然而，与肿瘤坏死因子（TNF）抑制剂相比，最近患有TOFACITINIB的MAC的风险增加了，患有RA和CV风险因素的患者的风险增加（Ytterberg等人，2022年）。因此，监管机构建议限制在患有CV疾病危险因素（CVD）的患者中使用JAK抑制剂以及有吸烟史的患者（美国食品药品监督管理局，2021A；欧洲药品局； 2022年；韩国食品和药物安全部，2022年）。但是，该建议不能直接应用于年龄<50岁的患者和没有CVD的患者（Singh，2022年）。此外，大多数关于JAK抑制剂对MACE的影响的研究包括西方人群。尽管亚洲人和西方人口之间的简历风险和死亡率存在种族差异，以及韩国的RA患病率和JAK抑制剂处方的最近增加，但亚洲人群中JAK抑制剂的CV结果有限（Won等人，2018年； Health
带有投资和限制技术的大风经济-CEJSH
六十年前，P。A。A. Samuelson（1960）提出了关于在最佳生长路径的长时间内特定收敛到某种“模型”路径的假设，而经济在其上实现了最大的生产增长。这种“模型”路径在特定的动态平衡（称为von Neumann平衡）中的特征是与公路运输中的高速公路（收费公路）相比。如果我们要从某个位置到达附近的城镇，那么我们使用当地道路直接前往目的地。但是，如果我们的目的地距离很远，那么我们将尝试进入第一个位置高速公路（收费公路），然后尽可能长时间地移动。只有我们旅程的最终部分才能在当地道路上再次占用。通过以经济状态识别我们的起点和目的地的位置，并用t = {0，1，。。。，t 1}我们感兴趣的经济期限（地平线），合同初始期限t = 0和最终期限t 1 < +∞，收费公路的法律可以如下：从历史形状的初始状态开始（在t = 0中，应在t = 0中的发展阶段），然后以合理运作的发展阶段（随后的界限），同样是“模型”（即“模型”的界限），并且在“模型”上（即“模型”）在最后阶段（在地平线的最后一个时期）可能会从收费公路移开以达到最终状态。所提出的经济增长假说在许多数学经济学家中引起了世界各地的极大兴趣。今天，它是数学经济学的支柱之一。他们证明了在各种多部门/多产品经济动力学模型（主要是Neumann-Gale型的）中，收费公路定理（生产，资本，消费收费）的许多变体。由于过去半个世纪进行的研究，收费公路理论已经开发出来。在所有诺伊曼 - 盖尔经济动态模型中，主要概念之一是所谓的生产空间（换句话说：技术集）。在所有有关该主题的研究中，假定生产技术是固定的（时间是不变的），或者（较少频率）的技术变化确定生产空间的动态（技术集）不需要投资投入，因此它们是上帝或自然的奇特礼物；参见例如Giorgi G.和Zuccotti C.（2016），兰开斯特K.（1968，第三部分，第10、11章），马卡罗夫，鲁比诺夫（1977），Nikaido（1968，第4章），Panek（2000，2000年，第2部分，第2部分，第5章，第5章，6），Takayama（1985，takayama，第6章6，7）。可以在McKenzie（2005），Mitra和Nishimura（2009）中找到有关收费公路理论论文的全面参考书目。This strand also includes the author's earlier papers on the turnpike properties of the optimal growth processes in the stationary (2016, 2017) and non-stationary (2017b, 2018, 2019a, 2019c, 2020a, 2020b) Gale economies with a multilane turnpike and papers focused on the turnpike effect in a Gale economy with a general form of the growth criterion (2019b), as well与最少的时间增长标准一样 - 所谓的最佳时间增长问题（2021）。
在智能家居环境中使用便携式脑电图在冥想练习期间诱发认知障碍患者的脑电波：一项初步研究
全世界有超过 5500 万人患有阿尔茨海默病 (AD)，这是最常见的神经退行性疾病，而根据世界卫生组织的数据，预计到 2050 年这一数字将达到 1.39 亿例 (S. Report, 2021)。然而，AD 的病因及其临床前阶段，如轻度认知障碍 (MCI) 和主观认知衰退 (SCD)，仍不清楚，也没有提出有效的治疗方法 (Petersen 等人，2001；Albert 等人，2011；Stewart，2012；Bessi 等人，2018；Yue 等人，2021)，尽管早期发现这些病症具有重要的科学意义。每年，10% 到 15% 的 MCI 患者会发展为 AD，预计超过一半的 MCI 患者会在 5 年内发展为 AD（Gauthier 等人，2006 年；Tarnanas 等人，2015 年）。然而，由于危险性和副作用较低，一些非药物方法也被提出。另一方面，尽快发现认知功能下降以阻止认知功能障碍和 AD 的进展仍然是科学的重中之重。因此，脑电图 (EEG) 因其在识别早期认知能力下降方面的优势而得到广泛研究，它似乎是这方面的一种潜在方法，因为它提供了一种非侵入性且简单的工具，可早期检测整个 AD 谱系中的大脑活动异常（Lazarou 等人，2019a、2020 年）。脑电图 (EEG) 已被用作诊断 AD 的工具，并且已采用多种技术来检测 AD 患者的脑电图异常。在这个方向上，考虑到先前的研究通过探索大脑频率、ERP 或基于图论的大脑连接组更高级指标（Lazarou et al. 2019b, 2020）阐明了 EEG 的临床重要性，这可以提高我们对认知能力下降早期阶段人类大脑复杂组织的理解。关于脑电波，EEG相关研究表明，与正常老年受试者相比，认知障碍者在静息态活动期间，delta和theta功率增加，而alpha和beta活动功率则降低（Aftanas和Golocheikine，2001；Lal和Craig，2002；Aftanas和Golocheikine，2003；Lutz等，2008；Foxe和Snyder，2011；Wells等，2013；Snyder等，2015；Tsoneva等，2015；Deolindo等，2020；Bentley等，2022；Lazarou等，2022）。最近的科学数据表明，特定的EEG标记物与转化预后相关。这些标记是增加的 theta/gamma 比率，alpha 频率的降低，这似乎与转化为 AD 有关。此外，在 MCI 和 AD 受试者中，静息状态下的后 delta 和 alpha EEG 节律似乎对 AD 神经退行性过程更为敏感（Osterrieth，1944 年）。Babiloni 等人在他们的工作中提出了以下假设：在 MCI 和 AD 患者中，由于整个疾病的皮质萎缩，脑电图节律存在异常。他们的研究结果表明
使用 3-D 深度学习模型进行大规模脑功能网络整合以辨别自闭症
目前，自闭症谱系障碍的诊断主要依靠临床医生的症状和行为来判断。但这些方法要求医生具备很高的专业知识，且诊断结果容易受到医生的主观性影响。为了寻找更客观的生物标志物来识别自闭症谱系障碍，许多研究者致力于从遗传学、表观遗传学、身体代谢和神经影像学等角度寻找有效的生物标志物（ Goldani et al., 2014 ）。神经影像学被认为是一种很有前途的非侵入性技术，可以揭示人脑的潜在模式。利用结构磁共振成像（sMRI）、功能磁共振成像（fMRI）和正电子发射断层扫描（PET）等技术，可以将人脑建模为一个复杂的系统，各个区域执行不同的结构和功能。先前的神经影像学研究表明，在神经或精神疾病人群中，大脑的结构和功能连接都会发生交替（ Mueller et al., 2013 ）。在各类检查方法中，fMRI，尤其是记录血氧水平依赖性 (BOLD) 信号变化的静息状态 fMRI (rs- fMRI)，已广泛用于研究阿尔茨海默病 (Qureshi et al., 2019b)、精神分裂症 (Yan et al., 2019) 和 ASD (Abraham et al., 2017) 等精神疾病。功能性磁共振成像数据以高维 (∼ 100 万) 的 4 维矩阵格式组织，包含空间和时间信息。这使得直接利用原始数据作为分类算法的输入成为一项艰巨的任务。为了解决数据的高维性，已经提出了许多降维技术 (Abdi and Williams, 2010; Suk et al., 2015; Soussia and Rekik, 2018)。一些人没有使用原始 fMRI 数据，而是提出了脑功能网络分析来描述感兴趣区域 (ROI) 之间的“关系”。基于脑血流会刷新脑各区域的神经活动这一事实，对功能连接 (FC) 进行建模有助于理解精神障碍的神经基础 (Lindquist, 2008)。最常用的 FC 模型是 Pearson 相关性，可以使用两个脑区之间的 BOLD 信号来计算。脑功能网络 (BFN) 是根据图谱预先定义的所有位置的 FC 强度构建的。BFN 构建方法明确将维数从 4 维降低为 1 维向量。许多机器学习 (ML) 方法已成功用于与 ASD 相关的改变的 BFN 的自动分类 (Uddin 等人，2013；Abraham 等人，2017)。一些方法采用稀疏方法，通过在损失函数中添加额外的稀疏正则化项（例如，Lasso（Tibshirani，1996）或Elastic Net（Zou and Hastie，2005））来实现隐式降维。然而，常用来描述 ROI 之间 FC 的相关性仅捕捉线性关系，不适合表征高阶或非线性特征（Shojaee et al., 2019）。此外，将数据折叠成特征向量（向量化）会丢弃脑区的空间信息（Kong et al., 2019）。此外，传统的分类算法，如支持向量机（SVM）（Cortes and Vapnik, 1995）、随机森林（Liaw and Wiener, 2002）和朴素贝叶斯（Rish, 2001）属于浅层分类