XiaoMi-AI文件搜索系统
World File Search SystemActa
银行黑客攻击及应对措施 - Acta Scientific
18. L Sterle 和 S Bhunia。“论 SolarWinds Orion 平台安全漏洞”。2021 年 IEEE SmartWorld、无处不在的智能计算、高级可信计算、可扩展计算通信、人联网和智慧城市创新 (SmartWorld/SCALCOM/UIC/ATC/IOP/SCI)，(2021)：636-641。
银行黑客攻击及应对措施 - Acta Scientific
18. L Sterle 和 S Bhunia。“论 SolarWinds Orion 平台安全漏洞”。2021 年 IEEE SmartWorld、无处不在的智能计算、高级可信计算、可扩展计算通信、人联网和智慧城市创新 (SmartWorld/SCALCOM/UIC/ATC/IOP/SCI)，(2021)：636-641。
银行黑客攻击及应对措施 - Acta Scientific
18. L Sterle 和 S Bhunia。“论 SolarWinds Orion 平台安全漏洞”。2021 年 IEEE SmartWorld、无处不在的智能计算、高级可信计算、可扩展计算通信、人联网和智慧城市创新 (SmartWorld/SCALCOM/UIC/ATC/IOP/SCI)，(2021)：636-641。
银行黑客攻击及应对措施 - Acta Scientific
18. L Sterle 和 S Bhunia。“论 SolarWinds Orion 平台安全漏洞”。2021 年 IEEE SmartWorld、无处不在的智能计算、高级可信计算、可扩展计算通信、人联网和智慧城市创新 (SmartWorld/SCALCOM/UIC/ATC/IOP/SCI)，(2021)：636-641。
医学和生物学中的力学 - AMS Acta
手部接收感觉刺激并执行运动指令，这些指令整合到日常任务的各种功能操作中。手指运动笨拙低效、力量协调性和力量较差、患手运动控制感觉缺陷是患者最常见的现象。因此，我们的研究团队开发了一系列手部功能控制训练系统，以探索执行功能任务时的力量模式特征，并对功能姿势下的手指力量控制进行训练和评估。通过互动游戏提高患者的积极性，同时整合视觉和听觉反馈以获得更好的干预效果。对于腕管综合征患者，他们在不同任务需求中以更大的手指力量抓握，与较弱的成对手指相关性和特定手指上的力量变化较大相关。此外，还开发了定制设计的计算机化评估和再教育生物反馈原型，用于分析手部抓握表现并监测训练对感觉障碍且无运动缺陷的中风患者的手部协调性的影响。最后，对轻度认知障碍患者的训练显著提高了手部灵活性和认知功能，这与先前的研究结果一致，即精细运动表现可以区分认知障碍患者和健康人。
Acta Innovations • 2022• 第 42 期：27-49
文章历史：2021 年 11 月 1 日收到，2021 年 11 月 29 日收到修订版，2021 年 11 月 29 日接受，2021 年 11 月 29 日在线发布 亮点 本综述重点介绍了太阳能研究和教育的最新发展以及可持续能源发展的未来趋势。 摘要 我们日常生活的基本要求是新鲜空气、纯净水、营养食品和最可持续的清洁能源。本综述文章简明扼要地讨论了太阳能教育、研究和开发方面的最新创新，旨在在一定程度上提供清洁、负担得起的能源和清洁水。 本文主要讨论联合国可持续发展目标 7（SDG 7：负担得起的清洁能源）。 在过去的几十年里，人们在太阳能转换和利用方面开展了许多研究活动。 人们见证了太阳能技术的部署，以应对全球变暖和改善地球。 本文讨论了从学校到硕士阶段通过实时部署实施太阳能系统的驱动因素和障碍，以进一步发展和创新。主要是，加快太阳能教育和研究对于提高太阳能利用率至关重要。重点介绍了太阳能教育和研究在可持续能源发展和循环经济方面的进步以及进一步的发展方向。关键词 太阳能；能源教育；气候变化；研究与开发；创新；可持续发展。介绍 化石燃料燃烧对环境的影响对人类、植物和动物生命尤其有害。值得称赞的是，节约迅速减少的可用燃料和利用可再生能源的势头正在稳固。2021 年 11 月在伦敦举行的联合国气候变化大会要求各国制定雄心勃勃的 2030 年减排目标，到本世纪中叶实现净零排放 [1]。在这次会议中，确保到本世纪中叶实现全球净零排放并将 1.5 度保持在可实现的范围内是主要目标。必须加快目前的步伐，最大限度地利用可再生能源，以实现这一目标。可持续发展目标 7 主要涉及应对气候变化的负担得起的清洁能源。必须让每个公民意识到保护环境、维持快速消耗的自然资源、最大限度地发挥清洁能源的能源潜力以及保护地球的自然财富以留给子孙后代的必要性。实施适当的能源教育和实践研究活动可以促进先进的能源转换技术。利用清洁能源实现地球的持续可持续发展的意识至关重要，需要立即采取行动。太阳能是一种应该被放在首位的选择。太阳能是无限的，我们可以有效地利用这种丰富的能源。评估能源需求并运用所需的技术经济技能，以确保太阳能得到开发和利用，满足我们的能源需求，这一点至关重要。太阳能教育对于实现能源意识和能源可持续性至关重要 [2,3]。不受约束的人类活动已导致全球多个物种灭绝。在为时已晚之前，必须采取预防措施保护地球，确保子孙后代能够居住。因此，可持续性是所有发展活动的重中之重。在此背景下，本篇评论文章重点关注太阳能教育和研究的最新进展。
生物材料学报
L-377,202 前药由阿霉素 (Dox) 与前列腺特异性抗原 (PSA) 肽底物结合而成，该肽底物可在肿瘤部位被酶活性 PSA 裂解。尽管在 I 期试验中最初很有希望，但由于某种程度的非特异性激活和毒性问题，L-377,202（本文称为 Dox-PSA）的进一步测试已停止。为了提高 Dox-PSA 的安全性，我们将其封装到低温敏感脂质体 (LTSL) 中以绕过全身激活，同时在轻度高温 (HT) 下控制释放时保持其生物活性。观察到暴露于轻度 HT 的 PSA 表达细胞的细胞核中活性前药的时间依赖性积累，表明 Dox-PSA 有效地从 LTSL 中释放出来，被 PSA 裂解并以游离 Dox 的形式进入细胞核。此外，我们已经证明，在 37°C 下，负载 Dox-PSA 的 LTSL 可以阻断其生物活性，而与游离 Dox-PSA 相比，与轻度 HT 结合会导致 2D 和 3D PC 模型中的细胞毒性增强。更重要的是，与游离 Dox-PSA 相比，封装在 LTSL 中的 Dox-PSA 延长了其血液循环时间，并减少了 C4-2B 肿瘤小鼠心脏中的 Dox 积累，从而显著改善了 Dox-PSA 的治疗窗口。最后，在实体和转移性 PC 肿瘤模型中，负载 Dox-PSA 的 LTSL 与 HT 相结合显著延缓了肿瘤生长，其速度与用游离 Dox-PSA 治疗的小鼠相似。这表明该策略可以阻断 Dox-PSA 的系统性裂解而不会降低其在体内的功效，这可能是治疗局部晚期 PC 患者的更安全的选择。
匈牙利理工学院学报 - 第卷18. 发行号3.（2021年）
摘要：荒漠化防治的实施需要建立在对当前荒漠化状况及其严重程度的认识之上。因此，有必要评估基于逻辑、活动原则和理论基础的沙漠区域管理分区方法。为此，在两个人文和自然区域确定了 30 个有用的荒漠化指标。使用德尔菲法确定了指标之间的相对重要性以及每个指标在每个工作单元中的重要性。使用模糊多属性决策 (FMADM) 方法框架中的 Bonissone 方法组合指标并确定每个工作单元的荒漠化强度。然后，使用 Chen 和 Wang 方法将数据转换为模糊层，并对数据进行模糊分析。最后，将模糊数据改为非模糊，并估算荒漠化强度。结果表明，9.35% 的研究区域处于非常高的荒漠化强度级别，9.36% 的区域处于相对较高级别。研究区沙漠化程度以中等强度（50.64%）和中等强度（29.45%）最为显著，各组分沙漠化程度定量值为0.083，相对较高，表明模糊逻辑在沙漠化强度评估中的应用十分高效、简便。
已发布版本的引文 (APA)：Olczak, J.、Pavlopoulos, J.、Prijs, J.、Ijpma、FFA、Doornberg, JN、Lundstrom, C.、Hedlund, J. 和 Gordon, M. (2021)。向临床医生和医疗保健利益相关者展示人工智能、深度学习和机器学习研究：带有指南和临床人工智能研究 (CAIR) 清单提案的入门参考。Acta Orthopaedica，92(5)，513-525。https://doi.org/10.1080/17453674.2021.1918389
机器学习 (ML)、深度学习 (DL) 和人工智能 (AI) 在骨科和其他医学领域越来越普遍。人工智能于 1955 年被定义为“制造智能机器的科学和工程”，其中智能是“学习并执行适当技术以解决问题和实现目标的能力，适合不确定、不断变化的世界中的情况”（Manning 2020）。机器学习意味着从数据中学习而不是遵循明确规则的模型和算法。深度学习 (DL) 是一种使用大型多层人工神经网络的 ML 形式。神经网络是受生物网络影响的信息处理计算算法。它们由多层进行通信的“神经元”组成。通过训练神经元如何通信，可以产生解决特定问题的交互。DL 是目前最成功和最通用的 ML 方法（Michie 等人 1994，Manning 2020）。计算硬件（如专用图形处理器 [GPU] 和云计算）方面的最新技术突破
引用本文：Jakub Olczak、John Pavlopoulos、Jasper Prijs、Frank F A Ijpma、Job N Doornberg、Claes Lundström、Joel Hedlund 和 Max Gordon (2021)：向临床医生和医疗保健利益相关者介绍人工智能、深度学习和机器学习研究：带有指南和临床人工智能研究 (CAIR) 清单提案的入门参考，Acta Orthopaedica，DOI：10.1080/17453674.2021.1918389
机器学习 (ML)、深度学习 (DL) 和人工智能 (AI) 在骨科和其他医学领域变得越来越普遍。人工智能于 1955 年被定义为“制造智能机器的科学与工程”，其中智能是“学习并执行适当技术以解决问题和实现目标的能力，适合不确定、不断变化的世界中的情况”（Manning 2020）。机器学习意味着从数据中学习而不是遵循明确规则的模型和算法。深度学习 (DL) 是一种使用大型多层人工神经网络的 ML 形式。神经网络是受生物网络影响的信息处理计算算法。它们由多层进行通信的“神经元”组成。通过训练神经元如何通信，可以产生解决特定问题的相互作用。DL 是目前最成功和最通用的 ML 方法（Michie 等人1994 年，Manning 2020 年）。计算硬件方面的最新技术突破（如专用图形处理器 [GPU] 和云