XiaoMi-AI文件搜索系统
World File Search SystemBaye
贝叶斯无线电干涉校准和成像
A G. Edenhofer等。“重新启动数值信息字段理论（Nifty.RE）：高斯过程和变异推理的库”。in：（2024）。arxiv：2402.16683 [Astro-Ph.im]。
贝叶斯强化学习可靠性分析
提出了一种结合贝叶斯推断的贝叶斯强化学习可靠性方法，以实现故障概率估计和增强学习指导的顺序实验设计。以可靠性为导向的顺序实验设计被构架为有限的马尔可夫决策过程（MDP），其相关的效用函数由对克里格估计的失败概率的认知不确定性度量定义，称为综合的错误分类概率（IPM）。在此Ba-sis上，定义了一个步骤的贝叶斯最佳学习函数，称为错误分类减少的综合概率（IPMR）以及兼容的收敛标准。采取了三种有效的策略来加速IPMR信息的顺序实验设计：（i）IPMR中内部期望的分析推导，将其简化为单个期望。（ii）替换IPMR替换其上限IPMR U，以避免对其集成的元素计算。（iii）IPMR U中正交集合和候选池的合理修剪以减轻计算机内存约束。在两个基准示例和两个数值示例中证明了所提出的APACH的功效。结果表明，与其他现有学习功能相比，IPMR U促进IPM的快速减少，同时所需的计算时间比IPMR本身要少得多。因此，提出的可靠性方法在计算效率和准确性方面都具有很大的优势，尤其是在复杂的动态可靠性问题中。
使用贝叶斯不确定性定量机制和替代建模的地面热通量重建
抽象地面热通量（G 0）是高纬度区域的地面能量平衡的关键组成部分。尽管由于全球变暖而在控制多年冻土降解中其至关重要的作用，但G 0在全球尺度模型仿真的输出中却很少衡量，并且没有很好地表示。在这项研究中，使用现场测量，全球气候模型和气候重新分析输出的土壤温度序列测试了一个分析传热模型，以在整个季节重建G 0。使用可用的G 0数据（测量或建模）在自由周期中推断地面热通量和模型参数的概率密度函数作为参考。当观察到的G 0不可用时，使用表面热通量（取决于参数）作为最高边界条件的表面热通量（取决于参数）的数值模型。通过比较在几个深度下模拟和测量的土壤温度的分布来验证这些估计值（因此，相应的参数）。在未确定的状态不确定性定量方法的帮助下，开发的G 0重建方法为评估地面热通量的概率结构提供了新的手段，用于区域多年冻土变化研究。
全球变暖加速度：Hope vs Hopium常见顺序学习的贝叶斯设计原理
我们开发了一种一般理论，以优化顺序学习概率的频繁遗憾，其中有效的强盗和强化学习算法可以从统一的贝叶斯原理中得出。我们提出了一种新颖的优化方法，以在每一轮中产生“算法信念”，并使用贝叶斯后代做出决定。创建“算法信念”的优化目标，我们称其为“算法信息比”，代表了一种有效地表征任何算法的频繁遗憾的Intrinsic复杂性度量。据我们所知，这是以通用且最佳的方式使贝叶斯型算法保持不含和适用于对抗设置的第一种系统性方法。此外，算法很简单且通常可以实现。作为一种主要应用，我们为多臂匪徒提供了一种新颖的算法，该算法在随机，对抗性和非平稳环境中实现了“最佳世界”的表现。我们说明了这些原理如何在线性匪徒，强盗凸优化和增强学习中使用。
使用多项式混乱扩展和深层生成网络
马尔可夫链蒙特卡洛（MCMC）方法的实现需要面对两个有趣的挑战：准确表示先验信息和可能性功能的效果。通常可以通过标准减少维度降低技术（例如主成分分析（PCA））来促进先前分布的定义和采样。此外，基于PCA的分解可以基于多项式混沌扩展（PCE）实现准确的替代模型。wever，具有鲜明对比的内在地质先验可能需要先进的维度减少技术，例如深生成模型（DGM）。尽管适用于先前的抽样，但这些DGM对替代建模构成了挑战。在此贡献中，我们提出了一种MCMC策略，该策略将DGM的高重建性能以变量自动编码器的形式与PCA – PCE替代建模的准确性相结合。此外，我们还引入了一个具有物理信息的PCA分解，以提高准确性并减少与替代建模相关的综合负担。在使用通道的子表面结构的贝叶斯地面雷达旅行时间断层扫描的背景下，我们的方法是例证的，提供了准确的重建和显着的加速速度，尤其是当全相正向模型的计算计算时。
UC旧金山先前出版的作品
大脑功能连通性与结构连通性之间的关系引起了神经科学界的广泛关注，通常使用数学建模推断出。在许多建模方法中，光谱图模型（SGM）具有独特性，因为它具有大脑振荡的宽带频率光谱的封闭形式解，仅需要全球生物物理解释的参数。虽然SGM在参数方面是简单的，但SGM参数的确定是非平凡的。先前在SGM上的工作通过计算密集型退火算法确定参数，该算法仅提供一个点估计值，而没有置信区间的参数估计。为了填补此空白，我们结合了基于仿真的推理（SBI）算法，并开发了一种贝叶斯程序来推断SGM参数的后验分布。此外，使用SBI大大减轻了推断SGM参数的计算负担。我们评估了健康受试者的静止状态磁脑摄影记录上提出的SBI-SGM框架，并表明所提出的程序在恢复功率光谱和Alpha频带的空间分布方面具有与退火算法相似的性能。此外，我们还分析了参数之间的相关性及其与后验分布之间的不确定性，而后验分布无法通过退火推断进行。这些分析对SGM生物物理参数之间的相互作用提供了更丰富的理解。通常，基于模拟的贝叶斯推理的使用可以实现生成模型参数不确定性的强大而有效的计算，并可能为在临床翻译应用中使用生成模型铺平道路。
使用延时显微镜图像
摘要：（2 s） - eriodictyol（ERD）是一种在柑橘类水果，蔬菜和具有神经保护性，心脏保护性，抗糖尿病和抗肥胖作用的不良药物植物中广泛发现的avonoid。但是，ERD的微生物合成受复杂的代谢途径的限制，并且通常导致生产较低。在这里，我们通过调节ERD合成途径的代谢来设计酿酒酵母。结果表明，ERD滴度有效增加，中间代谢物水平降低。首先，我们成功地重建了酿酒酵母中p-奶油酸的从头合成途径，并使用启动子工程和终端工程进行了代谢途径，用于高级生产（2 s） - 纳林宁。随后，通过从Tricyrtis hirta引入Thf3'H基因来实现ERD的合成。最后，通过乘以Thf3'h基因的拷贝数，ERD的产生进一步增加，达到132.08 mg l -1。我们的工作强调了调节代谢平衡以在微生物细胞工厂生产天然产物的重要性。
通过混合效应模型和分层聚类学习具有异质性农艺数据集的学习贝叶斯网络
玉米是一种在广阔地区，尤其是撒哈拉以南非洲，亚洲和拉丁美洲的全球种植的关键农作物，截至2021年，占地1.7亿公顷。已经设计了各种统计和机器学习模型，包括混合效应模型，随机系数模型，随机森林和深度学习体系结构，以预测玉米的产量。这些模型考虑了诸如基因型，环境，基因型 - 环境相互作用和现场管理等因素。但是，现有模型通常没有完全利用这些因素之间的因果关系的复杂网络以及农艺数据固有的层次结构。这项研究引入了一种创新的方法，将随机效应整合到贝叶斯网络（BNS）中，利用其通过定向无环形图对因果关系和概率关系进行建模的能力。植根于线性混合效应模型框架并为分层数据量身定制，这种新颖的方法表明了增强的BN学习。应用于现实世界的农艺试验，可产生一个改善解释性的模型，并揭示了新的因果关系。值得注意的是，提出的方法将玉米收益率预测的错误率从28％降低到17％。这些结果倡导BN在为层次农艺数据构建实际决策支持工具中的偏好，从而促进因果推断。
立即发布拜耳和太阳制药标志营销和分销协议
• Already successful in the Indian market, Finerenone was first launched by Bayer in India in August 2022 under the brand name Kerendia ™ • Sun Pharma to market the drug under the brand name Lyvelsa ® Mumbai & Ahmedabad, India, January 17, 2024: Sun Pharmaceutical Industries Limited (Reuters: SUN.BO, Bloomberg: SUNP IN, NSE: SUNPHARMA, BSE: 524715，“ Sun Pharma”，包括其子公司和/或合伙公司），拜耳宣布，两家公司都签署了一项协议，以在印度销售和分发第二个Finerenone。fineronone是一种专利药物，旨在降低EGFR持续下降，末期肾脏疾病，心血管死亡，非致命性心肌梗塞以及与2型2型糖尿病相关的慢性肾脏疾病患者心力衰竭的住院。根据该协议的条款，拜耳授予Sun Pharma的非排他性权利，以推销并以品牌名称Lyvelsa®品牌销售第二个品牌的Finerenone。finerenone首先由拜耳（Bayer）以品牌名称Kerendia TM于2022年推出。Shweta Rai是南亚拜耳制药业务的国家部门负责人（CDH）的主管（CDH）说：“通过与Sun Pharma的合作，在印度引入了第二个品牌的Finerenone，我们正在促进拜耳的承诺，使拜耳能够使医疗保健尽可能多地获得医疗保健。印度的糖尿病和相关肾脏和心脏病的发生率很高。超过40％的糖尿病患者将患上慢性肾脏病2。印度有超过1亿人患有糖尿病，使其成为流行病。诸如Finerenone之类的创新的真实价值只有在到达所有应得的患者之后才能充分实现。” Sun Pharma首席执行官Kirti Ganorkar说：“我们很乐意与拜耳合作，使患者获得新的治疗方法，从而减慢了慢性肾脏疾病的发展，并降低了与2型糖尿病相关的肾衰竭风险。这种伙伴关系强调了我们对印度患者使用创新药物的承诺。”印度慢性肾脏疾病（ICKD）研究确定糖尿病是慢性肾脏疾病和终末期肾脏疾病的主要原因1印度糖尿病的人数仅次于中国第二高。尽管有可用的治疗选择，但许多患有慢性肾脏疾病（CKD）和2型糖尿病（T2D）的患者发展为肾衰竭和过早死亡。Finerenone与T2D患者的CKD现有治疗方法不同。它通过选择性阻断矿物皮质激素受体（MR）过度活化而起作用，这被认为有助于CKD进展和心血管损伤。2023年美国糖尿病协会（ADA）指南建议使用用最大耐受剂量的ACE抑制剂/ARB治疗的T2D和CKD的个体使用Finerenone，以改善心血管抑制剂的结果，以改善心血管结局并降低CKD进展的风险（推荐水平A）。
基于贝叶斯混合效应模型的多响应鲁棒参数设计
在可盖实验的鲁棒参数设计中，每个块内响应观测值的相关性和模型参数不确定性通常会影响获得理想的工作条件。在本文中，建议基于贝叶斯混合回归的多响应表面建模和优化方法来解决上述问题。首先，混合效应模型被合并到贝叶斯框架中，并使用贝叶斯定理得出模型参数的后验分布。其次，使用混合蒙特卡洛算法来计算模型参数。第三，构建满足规范的预期质量损失函数是为了减少异常值对优化结果的影响，并且通过混合遗传算法获得了最佳因素设置。此外，后验概率用于评估优化结果的符合性。最后，使用添加剂制造过程的模拟研究和现实世界示例来说明该方法的生存能力。与当前技术相比，所提出的方法可以减少模型不确定性对建模和优化结果的影响，从而导致更合适和强大的优化结果。