XiaoMi-AI文件搜索系统
World File Search System2019b
炎症小体对流感的反应活性......
死亡和 959,000 例流感相关住院病例（ Rolfes 等人，2019 年）。根据美国疾病控制与预防中心 (CDC) 的数据，大约 90% 的流感相关死亡和 70% 的报告住院病例发生在 65 岁以上的成年人中（ Rolfes 等人，2019 年）。老年人因免疫衰老而遭受流感及其潜在合并症的加剧，免疫衰老是与年龄相关的免疫细胞生物学固有变化的集合，导致 B 细胞和 T 细胞免疫反应减弱（ Crooke 等人，2019a；Crooke 等人，2019b）。免疫衰老不仅限制了对自然感染的免疫反应，而且损害了对疫苗接种的反应，从而阻碍了针对季节性流感的主要预防策略。尽管疫苗制剂是专门为改善老年人的免疫反应而设计的，但这些疫苗诱导的流感特异性抗体滴度通常仍然低于接种标准剂量三价流感疫苗 (TIV) 的年轻成人 (Goodwin 等人，2006 年；Chen 等人，2011 年)。免疫衰老以一系列复杂的生物学变化为标志，这些变化显然会影响适应性免疫；然而，人们对与年龄相关的先天免疫系统变化的理解或特征了解甚少。在流感背景下研究这种现象的有限数量的研究表明，细胞因子产生失调是与不良免疫结果相关的主要因素之一。 Sridharan 等人观察到老年浆细胞样树突状细胞 (pDC) 在受到流感病毒刺激后，IFN 型和 IFN III 型分泌减少 Sridharan et al. (2011)，并且还报道了细胞因子反应减少和流感特异性抗体滴度之间的相关性 ( Panda et al., 2010 )。在老年人的髓样树突状细胞 (mDC) 和 pDC 中接受 Toll 样受体 (TLR) 刺激后，IL-6、TNF-α、IL-12p40 和 IFN-α 的产生显著减少，这表明 TLR 功能失调和流感抗体反应之间存在密切关联 ( Panda et al., 2010 )。虽然这些研究强调了衰老过程中先天免疫的重要方面，但目前尚不清楚免疫衰老对流感病毒的先天免疫反应的影响程度。炎症小体是一类由 NOD 样受体 (NLR) 组成的多聚体复合物，负责某些先天细胞因子（例如 IL-1 β、IL-18）的酶促加工和成熟 (Schroder 和 Tschopp，2010)，研究发现，炎症小体复合物对甲型流感病毒的识别对于建立保护性适应性免疫至关重要 (Ichinohe 等人，2009)。炎症小体通过两种不同的信号事件识别细胞内病原体或其他细胞应激源，从而被激活。在流感病毒中，TLR7 识别病毒 RNA 导致 NF- κ B 介导炎症细胞因子前体的表达（信号 1），而流感病毒 M2 蛋白或 PB1-F2 聚合酶刺激炎症小体复合物中 NLRP3（NOD-、LRR- 和吡啶结构域蛋白 3）的激活（信号 2）（Ichinohe 等人，2010 年；McAuley 等人，2013 年）。炎症小体的激活
bioresources.com
自然风化下 CCB 保存的中密度刨花板的评估 Sabrina Fernanda Sartório Poleto、Vinicius Borges de Moura Aquino、b、* Eduardo Chahud、c Roberto Vasconcelos Pinheiro、d Luiz Antonio Melgaço Nunes Branco、c Diogo Aparecido Lopes Silva、e Cristiane Inácio de Campos、f Julio Cesar Molina, f Carlos Maviael de Carvalho, b André Luis Christoforo, g 和 Francisco Antonio Rocco Lahr a 木材工程产品是土木建筑、制造和家具行业使用木材的替代品。其中一种产品是中密度刨花板（MDP）面板，它是由木质颗粒和树脂在高温高压下制成的。这项研究制作了一个原型来评估使用蓖麻油基聚氨酯树脂和松树防水的 MDP 面板的使用情况。 CCB 防腐剂处理的残留物可用作墙面涂料。评估了风化、木板位置和防水处理的影响。面板按照巴西标准 ABNT NBR 14810 (2013) 的要求制造，并按照国际标准进行评估。MDP 面板符合标准要求，其特性与文献中报告的相似，表明可以用作墙面涂料。统计分析表明，唯一重要因素是风化，它影响物理和机械性能。关键词：松属；中密度刨花板；风化；蓖麻油树脂；防水联系信息：a：木材和木结构实验室，结构工程系，圣保罗大学圣卡洛斯工程学院，圣卡洛斯/SP，巴西；b：阿拉瓜亚工程研究所，南部和东南帕拉联邦大学 (UNIFESSPA)，桑塔纳杜阿拉瓜亚/PA，巴西； c：土木工程系，米纳斯吉拉斯联邦大学 (UFMG)，贝洛奥里藏特/MG，巴西； d：马托格罗索州立大学土木工程系（UNEMAT），锡诺普/蒙大拿州，巴西； e：索罗卡巴生产工程系，圣卡洛斯联邦大学 (UFSCar)，索罗卡巴/SP，巴西； f：圣保罗州立大学 (UNESP)，伊塔佩瓦校区，Rua Geraldo Alckmin, 519，伊塔佩瓦/SP，巴西； g：巴西圣卡洛斯联邦大学土木工程系 (DECiv)； *通讯作者：aquino.vini@hotmail.com 简介 巴西拥有全球木材种类最多的国家，境内有 8,715 种木材种类。该国还拥有最大的植被覆盖率，约占其大陆的 58%（4.94 亿公顷）（Beech 等人，2017 年；Steege 等人，2019 年）。巴西的再造林面积由松属和桉树属木材组成，其中巴西有 784 万公顷主要用于造纸和纸浆生产、家具和木制工程产品（Indústria Brasileira de Árvores - IBÁ，2017 年）。木质工程产品的使用量有所增加，并被认为是土木工程木材使用的替代品。这些产品包括定向刨花板 (OSB)、胶合板、中密度纤维板 (MDF) 和中密度刨花板 (MDP) (Dias 和 Lahr 2004；Akgül 等人 2017；Souza 等人 2018；Way 等人 2018；Bertolini 等人 2019b)。这些木制品是用木材制造过程中的废料生产的。然而，对残渣再利用的需求促进了使用
Jibo Kids Copus：儿童机器人的演讲数据集...
1。引言语言和扫盲技能的发展是基础教育的基石。然而，国家对教育进步评估的经验结果强调了现实：美国37％的四年级学生没有证明阅读能力与年级的期望相符（Irwin等人，2022）。扫盲基础是在关键的幼儿园和幼儿园时期建立的，在那里孩子们发展了诸如语音意识和信件知识之类的识字能力（Bus and van Ijzendoorn，1999年）。因此，这些早期发展阶段需要集中注意力和资源来促进语言增长。为了增强学习经验并利用这些进步，在教育空间中使用系统已变得司空见惯（Williams等人，2013年），但技术进步仍然必须解决一个重大障碍：当代的自动语音识别技术的表现不足，任务是为儿童的反应得分（Dutta等人，2022; Yeung and Alwan，2018年）。自动产生的儿童语音转录的容易出错的性质对他们整合到教育应用中构成了重大挑战。，1997; P´aez等。，2007年； Snow等。，2007年）。然而，综合儿童的语音数据库的显着稀缺性仍然存在于该领域，尤其是在纵向数据集中。，2022; Safavi等。，2012年； Yeung and Alwan，2018年）。，2018年； Kory等。研究的重点是幼儿园年龄的儿童强调了该年龄段的专门量身定制ASR系统的必要性，因为在Pre-K和幼儿园水平上开发的语音学和字母知识等识字能力可以支持识字技能的发展（Biemiller和Slonim，Slonim，Slonim，2001; Fishman and Pinkerman，2003; Hart et;这些纵向资源对于调查语言发展和精炼以儿童为中心的自动语音识别和说话者识别系统是无价的（Dutta等人。通过跟踪同一儿童，研究人员可以绘制语言获取的轨迹。这种理解可以指导专门针对儿童言语不断发展的特征的系统和技术的开发。（Yeung和Alwan，2019年）。纵向数据还促进了通过提供有关儿童语音模式如何发展，支持个性化学习环境和儿童手机互动等领域的应用程序的见解，从而促进了专门针对儿童声音的教育应用的发展。要有效地从儿童那里收集数据，研究人员必须设计涉及孩子体验的数据收集机制。社会机器人，具有交互式吸引儿童的能力，具有在临床和教育环境中实施这些数据驱动的见解的巨大潜力（Kanero等人，2013年； Westlund and Breazeal，2015年）。jibo被用来为幼儿园，幼儿园和一年级的儿童管理一系列结构化和半结构化任务。机器人可以促进针对各种目标的有针对性活动，包括评估语音发展和语音习得，以及加强发音技能。利用社会机器人的互动功能，Jibo（Spaulding and Chen，2018年），本文介绍了两年内收集的新颖的儿童演讲数据集。这些任务包括字母和数字标识以及说明任务。数据集的纵向组件，其中一部分参与者返回后续记录，促进了儿童言语中对发展轨迹的分析。作为较大的人类机器人相互作用（HRI）研究的一部分，评估了Yeung等人在课堂环境中社会机器人的有效性。（2019b），Yeung等。（2019a），Tran等。（2020），Johnson等。 （2022b）和Johnson等。 （2022a），本文对数据集的集合进行了全面讨论，包括设计注意事项和记录条件。（2020），Johnson等。（2022b）和Johnson等。（2022a），本文对数据集的集合进行了全面讨论，包括设计注意事项和记录条件。
引用本文：Ahmed Tlili & Daniel Burgos (2022)：通过人工智能 (AI) 释放开放教育实践 (OEP) 的力量：从哪里开始？，交互式学习环境，DOI：10.1080/10494820.2022.2101595
开放教育资源（OER）这个术语最早是在2002年联合国教科文组织开放课程论坛上提出的，并在最近的联合国教科文组织关于OER的建议中被定义为“任何格式和媒介的学习、教学和研究材料，这些材料属于公共领域或受版权保护，并以开放许可的方式发布，允许他人免费访问、[重复使用]、[重新利用]、改编和重新分发”（UNESCO，2019a）。随着开放教育理念的快速发展，研究人员已将重点从以内容为中心的方法（主要关注OER，例如创作和共享）转向以实践为中心的方法，即促进学习者和教育者之间的合作，以创造和共享知识（Zhang et al.，2020）。换句话说，研究人员和教育工作者已将重点从创建和发布OER转移到可以使用OER进行教育的实践；这些被称为开放教育实践 (OEP)。从教学角度来看，Downes ( 2019 ) 指出，学习过程不是通过消费 OER 内容发生的，而是通过使用它的方式发生的。然而，设计 OEP 可能具有挑战性，因为可能会引发许多问题，例如开放课程中的文化紧张，学习者可能来自不同的国家，具有不同的文化背景和信仰。因此，应该进行更多的研究来加强 OEP 的采用和设计。Downes ( 2019 ) 声称，技术的演变也可能影响 OER 和 OEP 的演变，因为教育内容的性质会随着技术而改变。在此背景下，一些领先的组织特别关注使用人工智能 (AI) 技术来释放 OEP 的力量。例如，联合国教科文组织 ( 2019b ) 创建了一个关于如何结合 OER 和 AI 以实现更好的学习实践的研讨会。本次研讨会重点关注两个领域，即：（1）支持采用 OER 和 AI 的政策解决方案；（2）技术解决方案，重点是使用开放算法和开放数据来提供智能 OER 存储库和平台，以帮助学习者以最适合自己的方式学习。开放教育的另一个先驱，即知识共享组织 (CC)，成立了四个工作组，重点关注开放的未来，其中一个小组专门研究 AI 和开放内容 (AI@School, 2021)。这表明 AI 技术在 OER 和 OEP 的未来中发挥着核心作用。尽管人们越来越关注利用 AI 的力量来增强 OEP，但同时应用它们可能会很“棘手”，因为每个领域（即 AI 或 OEP）都有自己的挑战需要考虑，将它们结合在一起可能同时是“祝福和诅咒”。祝福是基于 AI 的 OEP 将有助于提供更具适应性和吸引力的学习和教学体验；诅咒是基于 AI 的 OEP 将有助于提供更具适应性和吸引力的学习和教学体验。因为研究人员和从业者需要特别关注两个领域融合在一起的挑战（即版权、隐私和数据规范化）。例如，由于在开放教育中不考虑文化、背景或语言等个人因素，学习者可能会受到系统的不公平对待。这可能会进一步强调人工智能重现类似经历的一些不公正的风险。为了加深对这一主题的理解，本合集（仍在进行中）特别关注人工智能 (AI) 技术如何重塑 OEP，以获得更好的教学和学习体验。在此背景下，报告了几个案例研究
差异私有随机凸的速度更快...
保留培训数据的隐私已成为一个重要的考虑因素，现在对于机器学习算法来说是一项艰巨的任务。要解决隐私问题，依从于密码学的差异隐私（DP）（Dwork等，2006）是一个强大的数学保存计划。它允许进行丰富的统计和机器学习分析，现在正成为私人数据分析的事实上的符号。保证差异隐私的方法已被广泛研究，最近在行业中采用（Tang等，2017； Ding等，2017）。作为机器学习和差异隐私社区中最重要的问题之一，在过去的十年中，DP模型中的经验风险最小化问题（即DP-erm）在（Chaudhuri等人，2011年）开始，已经在过去的十年中进行了很好的研究，例如（Bassily等，2014; Bassily等，2014; Wang et ant; Jin，2016年，Kifer等人，2017年，Wang等人，2018a，2019b；dp-dp-erm，其人口（或预期）版本，即私人的固定式凸优化（DP-SCO），近年来从（Bassily等，2014）开始受到很多关注。特定于（Bassily等，2019）首先提供了DP-SCO的最佳速率，具有（ϵ，δ）-DP的一般凸损耗函数，这与DP-MERM中最佳速率不同。后来（Feldman等，2020）通过提供一般性定位技术，将此问题扩展到强烈凸出和（或）非平滑案例。此外，如果损耗函数平滑，它们的方法具有线性时间复杂性。对于非平滑损失函数，（Kulkarni等，2021）最近提出了一种仅需要亚限级梯度复杂性的新方法。虽然已经有大量有关DP-SCO的研究，但问题仍然远远不够知名度。一个关键的观察结果是，所有以前的作品仅着眼于损失函数是一般凸或强凸的情况。但是，还有许多问题甚至比强凸功能强，或者落在凸功能和强烈凸功能之间。在非私人对应物中，各种研究试图通过对损失函数施加其他假设来获得更快的速度。并且已经表明，实现比一般凸损失函数速率快的速率确实可以（Yang等，2018; Koren and Levy，2015; van Erven等，2015），或者甚至可以达到与强凸的强劲速率相同的速率，即使函数也不强劲，karimi et al al an al al an al al and act al and act al and act an al al an al an al an al al an al al an al al al al al al al al al al al al al al al al al al al al al al al al al al a al al a al al act 201 v exe et a al and lie et as act 2010 8。 Al。，2017）。以此为动机，我们的问题是，对于具有特殊类别的人口风险功能的DP-SCO问题，是否有可能比一般凸的最佳人口和（或（或）强烈凸出案例的最佳人口风险率更快？在本文中，我们通过研究一些类别的人口风险功能来提供有效的答案。尤其是，我们将主要关注种群风险功能满足Tysbakov噪声条件（TNC）1的情况，其中包括强烈凸功能，SVM，SVM，ℓ1频繁的随机性优化和线性回归为特殊情况
《圣保罗页报》的意义的产生......
与健康和科学相关的主题传统上在媒体中占据重要地位（Ramalho 等人，2012 年）。故事、专题报道、杂志封面、专业节目、专栏和特别版块以及专业评论员和专栏作家的作品都证明了公众对健康信息的需求（Catalán-Matamoros & Peñafi el-Saiz，2019c；Lerner，2015 年）。在媒体将自己定位为健康、科学和技术信息的主要来源之一的情况下，其内容会影响与这些主题相关的日常决策。因此，除了科学领域的专家和机构之外，媒体是创造当代健康形象的主要推动者之一（CGEE，2019 年；Oliveira，2014 年）。在此背景下，疫苗是最近辩论中的一个常见话题（Catalán-Matamoros & Peñafi el-Saiz，2019c）。疫苗在新闻报道和社交网络对话中具有重要意义，鉴于 2020 年 COVID-19 大流行造成的危机，这一话题变得更加突出，疫苗被视为控制疾病和在保持社交距离后恢复某种正常状态的希望象征。然而，媒体对疫苗的讨论不仅仅是因为疫苗具有消灭、预防和控制疾病的潜力。相反，它们主要是由于有关疫苗安全性、可靠性和必要性的虚假或扭曲信息的泛滥（Catalán-Matamoros & Peñafi el-Saiz，2019c）。在一些国家，这种错误信息（Wardle & Derakshan，2017）与疫苗犹豫症增加有关，即尽管有疫苗可用，人们仍不愿或拒绝接种疫苗（WHO，2014）。在巴西，自 1990 年代以来，婴儿疫苗接种率一直超过 95%，但从 2016 年开始，这一比例下降了 10 到 20 个百分点。疫苗犹豫症的风险和危害导致该国爆发了此前已得到控制的疾病，例如 2018 年的麻疹。然而，疫苗接种率下降可能有几个因素。从错误信息的影响到获得疫苗的困难（例如：接种岗位的限制和问题），再加上大规模接种疫苗的卫生政策非常成功，给人一种虚假的感觉，即不再需要接种疫苗，疾病也没有那么严重（Sato，2018 年）。尽管疫苗犹豫的原因是多方面的，但人们一致认为，媒体在促进健康和让公众参与疫苗接种方面发挥着关键作用（Cancian，2020 年；Catalán-Matamoros & Peñafi el-Saiz，2019b 年；Sato，2018 年）。 Avaaz 与巴西免疫学会 (SBIm) 合作开展的一项研究发现，“传统媒体”（如电视、广播和新闻门户网站）是疫苗信息的主要来源（68%），领先于社交媒体（48%）（AVAAZ，2019 年）。其中，新闻报道起着核心作用，因为疫苗接种运动的新闻报道会影响公众的看法（Cancian，2020；Sato，2018）。鉴于这种情况，我们在本文中分析了《圣保罗页报》一年来关于疫苗的新闻报道。根据伊比利亚-美洲科学新闻监测和培训网络提出的分析方案（Massarani & Ramalho，2012），总体目标是了解巴西阅读量最大的报纸之一如何为疫苗产生意义。我们调查了主要使用的框架，哪些来源被用来使报道合法化，以及在报道中如何（或未）涉及疫苗的风险、争议和好处，以及与免疫相关的研究和概念的科学传播。这项研究的合理性在于这个主题在当今具有社会意义，疫苗犹豫不决正在威胁公众健康，并且与媒体的消费信息有关。鉴于新闻业已成为构建健康形象的中心，分析疫苗接种报道有助于了解新闻中如何处理这个主题，以及它如何促进媒体研究、科学传播和健康领域的交叉。
研讨会：Digitale Slawistik Ilia Afanasev，Elias Moncef Bounatirou，MaximilianGrübsch，Anna Jouravel Mit Dem Eintritt，Die Big-data-einritt
研讨会：数字奴隶Ilia afanasev，Elias Moncef Bounatrou，MaximilianGrübsch，Anna Jouravel，进入21st人文科学和社会科学中的研究机会和方法发生了巨大变化。大语言模型（LLM）的培训和伯特等变压器的发展（Devlin等人2019）或GPT家族（Brown等人al 2020）影响所有语言领域，特别是自然语言的处理（NLP），而斯拉夫语言学也不例外（请参见Nogolová等。 2023）。 本研讨会的目的是探索LLM对斯拉夫研究中问题和工作方法的影响。 Regina Guzaerova（Justus-Liebig-universitätgießen）基于语料库的分析，对俄罗斯讲俄罗斯的媒体领域的政治正确性和新道德的概念这项研究探索了俄罗斯语言媒体领域的政治正确性和新道德的概念通过全面的基于语料库的分析。 使用先进的自然语言处理（NLP）技术与传统语料库语言方法一起研究，研究了这些概念如何被列入并已在近年来在俄罗斯媒体中发展。 该研究使用各种来源的多样化和代表性语料库，包括俄罗斯报纸，在线新闻平台，博客和社交媒体，跨越2010年至2024年。 情感分析评估了公众的态度和情感色调，揭示了媒体报道的发展方式。 2。Nogolová等。2023）。本研讨会的目的是探索LLM对斯拉夫研究中问题和工作方法的影响。Regina Guzaerova（Justus-Liebig-universitätgießen）基于语料库的分析，对俄罗斯讲俄罗斯的媒体领域的政治正确性和新道德的概念这项研究探索了俄罗斯语言媒体领域的政治正确性和新道德的概念通过全面的基于语料库的分析。使用先进的自然语言处理（NLP）技术与传统语料库语言方法一起研究，研究了这些概念如何被列入并已在近年来在俄罗斯媒体中发展。该研究使用各种来源的多样化和代表性语料库，包括俄罗斯报纸，在线新闻平台，博客和社交媒体，跨越2010年至2024年。情感分析评估了公众的态度和情感色调，揭示了媒体报道的发展方式。2。这个广泛的时间范围可以详细探讨与政治正确性和新道德有关的话语中的时间动态和转变。高级NLP技术，例如命名实体识别（NER）和主题建模标识语料库内的关键实体和基本主题。话语分析认真研究了媒体对政治正确性和新道德的框架，从而强调了政治取向和媒体类型的差异。结果提供了对术语频率，分布和上下文的见解，从而提供了对公共话语的细微理解。趋势说明了这些概念的演变，并与重大的社会政治事件相关。这项研究为全球政治正确性和不断发展的社会规范的全球表现形式的研究做出了贡献。通过关注讲俄语的背景，我们阐明了这些概念如何在特定的文化和语言领域中进行本地化，有争议和重新构想。我们的发现暗示了理解跨文化交流，媒体话语分析以及与社会正义和文化变革有关的思想的全球循环。Maksim Aparovich (KNOT Knowledge Research Group, Brno University of Technology), Volha Harytskaya, Vladislav Poritski, Oksana Volchek (independent scholar, Lithuania), Pavel Smrž (KNOT Knowledge Research Group, Brno University of Technology) Towards a GLUE-type benchmark for Belarusian Recent progress in language modelling gave rise to various kinds of natural language understanding benchmarks.其中许多类似于胶水[Wang等。2020]和波兰[Rybak等。2016a]及其后代超粘合剂[Wang等。2019b];特别是，此类基准可用于俄罗斯[Shavrina等。2020]，但它们尚未用于一些较小的，相对较低的斯拉夫语言，这会阻碍LLMS中多语言能力的进一步发展。本演示文稿为东斯拉夫语言是白俄罗斯语的胶合型基准。基准包括五个专注于以下任务的新型数据集：1。句子级别的情感分析。具有正性和负极性（无中性）的句子是从主题上不同的在线资源中手动选择的，这些句子反映了现代书面白俄罗斯人的现实世界多样性。命名实体识别。数据集，源自通用依赖性中的BE_HSE语料库[Nivre等。2020; Shishkina＆Lyashevskaya 2021]，已根据通用指南进行注释[Mayhew等。2024]。