XiaoMi-AI文件搜索系统
World File Search SystemC22
疫苗接种反应评估正在研究免疫缺陷的成年患者，第1页，共4 V2，由免疫学批准的MDT批准
CMG：CSI信任参考编号C22/2020 1。可能缺乏的引入和范围调查包括对体液免疫系统的评估。可以通过测量抗原挑战产生的抗体反应来评估体液免疫系统的功能。细菌抗原主要是蛋白质或复杂多糖。因此，评估对蛋白质或多糖抗原的疫苗接种反应可以帮助评估抗体功能。对多糖疫苗接种的反应仅需要功能性B细胞。使用的疫苗包括肺炎球菌多糖疫苗和鼠伤寒沙门氏菌VI疫苗。对蛋白质疫苗接种的反应同时需要B和T细胞功能，并且反应受损表明一个或两个可能是异常的。所使用的疫苗包括破伤风和HIB。该指南适用于参与成年抗体缺乏患者调查和管理的免疫学团队的所有成员。它可以用作其他医疗和护理人员的指导，并与专家免疫学家的投入一起参与这些患者的护理。有关小儿疫苗接种的反应，请参考“在INSITE进行免疫学转诊之前调查可疑的原发性免疫缺陷”的指南。临床准则的解释和应用仍由单个从业人员酌情决定。
使用模糊逻辑估算伊朗的社会资本指数
a。伊朗Sanandaj的库尔德斯坦大学经济系b。 经济学，发展和规划系，塔尔比亚特大学，伊朗德黑兰 *通讯作者，电子邮件：z.mozaffari@uok.ac.ac.ir文章历史记录：收到：2022年3月13日，修订：2022年7月19日，2022年7月19日，接受：2022年8月23日出版商：Tehran大学出版商：Tehran University of Tehran Press。 ©作者。 摘要本文旨在估算伊朗的社会资本水平及其趋势水平，并从1988 - 2019年确定伊朗社会资本的主要组成部分和变量。 通过分析社会资本的理论和经验基础，三个主要组成部分（犯罪参与意识）和相关的社会资本被考虑用于计算社会资本指数。 然后，使用Mamdani模糊推理系统和模糊方法，估计了社会资本指数。 对该指数趋势的回顾表明，在研究期间，直到2001年的研究期间，增长显着，因此，在2001年，该指数估计为0.67。 但是，从2001年到2019年，下降趋势发生了不同的波动，因此在2018年，该指数在研究期间的最低水平进行了检查。 社会资本减少的原因之一可能是由于从农村到城市地区移民的趋势不断增长，犯罪率的提高。 此外，根据先前研究的方法，更准确地评估了社会资本指数的估计，使用Dagum方法对社会资本进行了估计。 JEL分类：Z13，D83，C22。 1。伊朗Sanandaj的库尔德斯坦大学经济系b。经济学，发展和规划系，塔尔比亚特大学，伊朗德黑兰 *通讯作者，电子邮件：z.mozaffari@uok.ac.ac.ir文章历史记录：收到：2022年3月13日，修订：2022年7月19日，2022年7月19日，接受：2022年8月23日出版商：Tehran大学出版商：Tehran University of Tehran Press。©作者。摘要本文旨在估算伊朗的社会资本水平及其趋势水平，并从1988 - 2019年确定伊朗社会资本的主要组成部分和变量。通过分析社会资本的理论和经验基础，三个主要组成部分（犯罪参与意识）和相关的社会资本被考虑用于计算社会资本指数。然后，使用Mamdani模糊推理系统和模糊方法，估计了社会资本指数。对该指数趋势的回顾表明，在研究期间，直到2001年的研究期间，增长显着，因此，在2001年，该指数估计为0.67。但是，从2001年到2019年，下降趋势发生了不同的波动，因此在2018年，该指数在研究期间的最低水平进行了检查。社会资本减少的原因之一可能是由于从农村到城市地区移民的趋势不断增长，犯罪率的提高。此外，根据先前研究的方法，更准确地评估了社会资本指数的估计，使用Dagum方法对社会资本进行了估计。JEL分类：Z13，D83，C22。1。这种方法的结果表明，根据投入变量和社会资本的决定因素的状态，模糊估计提供了对社会资本的更准确和适当的估计。关键词：意识，犯罪，模糊逻辑，参与，社会资本。引言社会资本是现代社会经济和社会研究中目前讨论的概念。可以说，社会资本通常比物理和人力资本更重要，因为如果不存在，其他首都将不会有效。社会资本在各个领域都具有关键作用，对它的各种态度反映了这一资本在生活的各个方面的重要地位，这一点通过对这个问题的越来越多的研究证明了这一点（Zugravu-Soilita等人，2021年）。根据世界银行的说法，社会资本是由社会机构，人际关系和规范对数量和质量的影响
Jaemin Cho
[C27] Han Lin *，Jaemin Cho *，Abhay Zala和Mohit Bansal。“ CTRL-ADAPTER：一个有效且通用的框架，用于将各种控件适应任何扩散模型”。ICLR（口头）。 2025。 [project] [Paper] [代码]。 [C26] Zaid Khan，Elias Stengel-Eskin，Jaemin Cho和Mohit Bansal。 “ DataEnvgym：具有学生反馈的教师环境中的数据生成代理”。 ICLR（聚光灯）。 2025。 [project] [Paper] [排行榜] [代码]。 [C25] Jialu Li *，Jaemin Cho *，Yi-lin Sung，Jaehong Yoon和Mohit Bansal。 “ SELMA：学习和合并技能 - 特定文本对象专家与自动生成数据”。 神经。 2024。 [project] [Paper] [代码]。 [C24] Abhay Zala *，Jaemin Cho *，Han Lin，Jaehong Yoon和Mohit Bansal。 “ Envgen：通过LLM生成和适应环境以进行训练体现的代理人”。 Colm。 2024。 [project] [Paper] [代码]。 [C23] Abhay Zala，Han Lin，Jaemin Cho和Mohit Bansal。 “图表：通过LLM计划生成开放域的开放式平台图”。 Colm。 2024。 [project] [Paper] [代码]。 [C22] Han Lin，Abhay Zala，Jaemin Cho和Mohit Bansal。 “ VideodirectorGpt：通过LLM指导计划一致的多场景视频生成”。 Colm。 2024。 [project] [Paper] [代码]。 [C21] Heesoo Jang和Jaemin Cho。 “对大语言模型的偏见和危害的评估”。 2024。 [纸]。ICLR（口头）。2025。[project] [Paper] [代码]。[C26] Zaid Khan，Elias Stengel-Eskin，Jaemin Cho和Mohit Bansal。“ DataEnvgym：具有学生反馈的教师环境中的数据生成代理”。ICLR（聚光灯）。2025。[project] [Paper] [排行榜] [代码]。[C25] Jialu Li *，Jaemin Cho *，Yi-lin Sung，Jaehong Yoon和Mohit Bansal。“ SELMA：学习和合并技能 - 特定文本对象专家与自动生成数据”。神经。2024。[project] [Paper] [代码]。[C24] Abhay Zala *，Jaemin Cho *，Han Lin，Jaehong Yoon和Mohit Bansal。“ Envgen：通过LLM生成和适应环境以进行训练体现的代理人”。Colm。 2024。 [project] [Paper] [代码]。 [C23] Abhay Zala，Han Lin，Jaemin Cho和Mohit Bansal。 “图表：通过LLM计划生成开放域的开放式平台图”。 Colm。 2024。 [project] [Paper] [代码]。 [C22] Han Lin，Abhay Zala，Jaemin Cho和Mohit Bansal。 “ VideodirectorGpt：通过LLM指导计划一致的多场景视频生成”。 Colm。 2024。 [project] [Paper] [代码]。 [C21] Heesoo Jang和Jaemin Cho。 “对大语言模型的偏见和危害的评估”。 2024。 [纸]。Colm。2024。[project] [Paper] [代码]。[C23] Abhay Zala，Han Lin，Jaemin Cho和Mohit Bansal。“图表：通过LLM计划生成开放域的开放式平台图”。Colm。 2024。 [project] [Paper] [代码]。 [C22] Han Lin，Abhay Zala，Jaemin Cho和Mohit Bansal。 “ VideodirectorGpt：通过LLM指导计划一致的多场景视频生成”。 Colm。 2024。 [project] [Paper] [代码]。 [C21] Heesoo Jang和Jaemin Cho。 “对大语言模型的偏见和危害的评估”。 2024。 [纸]。Colm。2024。[project] [Paper] [代码]。[C22] Han Lin，Abhay Zala，Jaemin Cho和Mohit Bansal。“ VideodirectorGpt：通过LLM指导计划一致的多场景视频生成”。Colm。 2024。 [project] [Paper] [代码]。 [C21] Heesoo Jang和Jaemin Cho。 “对大语言模型的偏见和危害的评估”。 2024。 [纸]。Colm。2024。[project] [Paper] [代码]。[C21] Heesoo Jang和Jaemin Cho。“对大语言模型的偏见和危害的评估”。2024。[纸]。国际传播协会（ICA）（高级论文奖）。[C20] Yasumasa onoe，Sunayana Rane，Zachary Berger，Yonatan Bitton，Jaemin Cho，Roopal Garg，Alexander Ku，Zarana Parekh，Jordi Pontuset，Jordi Pont-Tuset，Garrett Tanzer，Su Wang和Jason Baldridge。“ docci：连接和对比图像的描述”。ECCV。 2024。 [Project] [Paper] [DataSet]。 [C19] David Wan，Jaemin Cho，Elias Stengel-Eskin和Mohit Bansal。 “对比区域指导：在没有训练的情况下改善视觉模型的接地”。 ECCV。 2024。 [project] [Paper] [代码]。 [C18] Qin Liu，Jaemin Cho，Mohit Bansal和Marc Niethammer。 “以低潜伏期，高质量和不同的提示来重新思考交互式图像分割”。 CVPR。 2024。 [project] [Paper] [代码]。 [C17] Jaemin Cho，Yushi Hu，Roopal Garg，Peter Anderson，Ranjay Krishna，Jason Baldridge，Mohit Bansal，Jordi Pont-Tuset和Su Wang。 “ Davidsonian场景图：在文本到图像生成的细粒度评估中提高可靠性”。 ICLR。 2024。 [project] [Paper] [代码]。 [C16] Jaemin Cho，Abhay Zala和Mohit Bansal。 “用于文本到图像生成和评估的视觉编程”。 神经。 2023。 [project] [Paper] [VPGEN代码] [VPEVAL代码]。 [C15] Shoubin Yu，Jaemin Cho，Prateek Yadav和Mohit Bansal。 “用于视频本地化和问题回答的自链图像模型”。 神经。 2023。ECCV。2024。[Project] [Paper] [DataSet]。[C19] David Wan，Jaemin Cho，Elias Stengel-Eskin和Mohit Bansal。“对比区域指导：在没有训练的情况下改善视觉模型的接地”。ECCV。 2024。 [project] [Paper] [代码]。 [C18] Qin Liu，Jaemin Cho，Mohit Bansal和Marc Niethammer。 “以低潜伏期，高质量和不同的提示来重新思考交互式图像分割”。 CVPR。 2024。 [project] [Paper] [代码]。 [C17] Jaemin Cho，Yushi Hu，Roopal Garg，Peter Anderson，Ranjay Krishna，Jason Baldridge，Mohit Bansal，Jordi Pont-Tuset和Su Wang。 “ Davidsonian场景图：在文本到图像生成的细粒度评估中提高可靠性”。 ICLR。 2024。 [project] [Paper] [代码]。 [C16] Jaemin Cho，Abhay Zala和Mohit Bansal。 “用于文本到图像生成和评估的视觉编程”。 神经。 2023。 [project] [Paper] [VPGEN代码] [VPEVAL代码]。 [C15] Shoubin Yu，Jaemin Cho，Prateek Yadav和Mohit Bansal。 “用于视频本地化和问题回答的自链图像模型”。 神经。 2023。ECCV。2024。[project] [Paper] [代码]。[C18] Qin Liu，Jaemin Cho，Mohit Bansal和Marc Niethammer。“以低潜伏期，高质量和不同的提示来重新思考交互式图像分割”。CVPR。2024。[project] [Paper] [代码]。[C17] Jaemin Cho，Yushi Hu，Roopal Garg，Peter Anderson，Ranjay Krishna，Jason Baldridge，Mohit Bansal，Jordi Pont-Tuset和Su Wang。“ Davidsonian场景图：在文本到图像生成的细粒度评估中提高可靠性”。ICLR。 2024。 [project] [Paper] [代码]。 [C16] Jaemin Cho，Abhay Zala和Mohit Bansal。 “用于文本到图像生成和评估的视觉编程”。 神经。 2023。 [project] [Paper] [VPGEN代码] [VPEVAL代码]。 [C15] Shoubin Yu，Jaemin Cho，Prateek Yadav和Mohit Bansal。 “用于视频本地化和问题回答的自链图像模型”。 神经。 2023。ICLR。2024。[project] [Paper] [代码]。[C16] Jaemin Cho，Abhay Zala和Mohit Bansal。“用于文本到图像生成和评估的视觉编程”。神经。2023。[project] [Paper] [VPGEN代码] [VPEVAL代码]。[C15] Shoubin Yu，Jaemin Cho，Prateek Yadav和Mohit Bansal。“用于视频本地化和问题回答的自链图像模型”。神经。2023。[Paper] [代码]。[C14] Zhenhailong Wang，Ansel Blume，Sha Li，Genglin Liu，Jaemin Cho，Zineng Tang，Mohit Bansal和Heng Ji。“ paxion：在视频语言基础模型中修补动作知识”。神经（聚光灯）。2023。[Paper] [代码]。
通过编辑缺乏自然变异的 AhKCS 基因来提高花生的营养品质
花生 ( Arachis hypogaea L.) 是全球主要油料作物，广泛种植于热带和亚热带地区。由于花生含油量高 (约 46% – 58%) 和蛋白质含量高 (约 22% – 32%)，在解决营养不良和确保许多地区的粮食安全方面发挥着关键作用。由于对人类健康的潜在影响，植物油和食品的脂肪酸谱最近引起了越来越多的关注。极长链脂肪酸 (VLCFA) 被定义为碳链长度超过 18 个原子的脂肪酸 (Guyomarc'h et al ., 2021 )。花生仁含有各种 VLCFA，例如花生酸 (C20:0)、二十碳烯酸 (C20:1)、二十二烷酸 (C22:0) 和二十四碳烯酸 (C24:0)，但大多数是饱和脂肪酸 (SFA)。众所周知，高水平的极长链饱和脂肪酸 (VLCSFA) 与动脉粥样硬化和心血管疾病的患病率有关 (Bloise 等人，2022 年)。因此，降低花生中的 VLCFA 含量变得越来越重要，因为它对提高营养品质和健康价值有积极影响。已知植物中 VLCFA 的生物合成受关键酶 b-酮脂酰辅酶 A 合酶 (KCS) 调控 (Wang 等人，2017 年)。在我们之前的研究中，在花生基因组中共鉴定出 30 个 AhKCS 基因。经过基因表达谱和功能分析，一对同源基因 AhKCS1 和 AhKCS28 被鉴定为花生仁中 VLCFA 含量的假定调节因子。现有花生种质资源中 VLCFA 含量范围为 4.3% 至 9.8%，但在 AhKCS1 和 AhKCS28 基因内部或周围未观察到序列变异，这表明
维生素D和美国婴儿配方中的精选脂肪酸
维生素D（一种对正常钙吸收和骨骼健康至关重要的营养素，在防止婴儿和非常小的孩子的便机中起着重要作用。1980年的《婴儿配方法》以及随后的立法，要求对所有婴儿配方进行防御，至少40 iu，但不超过100 iu维生素D/100千瓦；制造商必须确保其产品中的这些水平。许多制造商还自愿强化了在母乳，二十六烯酸（DHA，C22：6，N-3）和花生四烯酸（ARA，C20：4，N-6）中发现的两个脂肪酸。一些研究表明，这些营养可能在婴儿的视觉和心理发展中起作用。USDA已分析了在12个位置采样选定的婴儿公式，以提供这些营养素的第一个分析数据集。维生素D，脂肪酸，近端，矿物质和一些维生素在13个高度消耗的牛奶和基于大豆的，现成的（RTF）或重建的婴儿配方中进行了分析；对公式进行了未加热和加热的分析，以确定维生素D的保留率。样品，通过HPLC进行紫外线检测。通过气相色谱分析脂肪酸。将这些值与行业报告的标准值进行了比较，并在USDA养分数据库中以供标准参考（SR）中包含。维生素D，DHA和ARA（平均值±SEM）的分析值正在审查中以在SR22（2009）中释放，并与现有的行业提供的数据进行了比较。初步综述表明，维生素D值是可变的，并且满足或超过标签索赔。对于非胸中的婴儿，婴儿配方在相对较短但关键的生长期中消耗掉；至少在这段时间的一部分中，公式是营养的唯一来源。这是第一个用于婴儿配方中营养的USDA生成的分析数据集。
货币供应，通货膨胀和经济增长
货币供应，通货膨胀和经济增长：协调和因果关系分析Ayad Hicham *阿尔及利亚摘要Maghnia大学中心。本文的目的是检查阿尔及利亚背景下的货币供应，通货膨胀率和经济增长之间的关系，使用各种计量经济学程序作为没有和结构性突破的协调，除了三种不同的因果关系测试外，1970- 2018年期间的因果关系测试，结果证实了货币范围的长期供应，但与三个结构性造成的相关范围相比，这种情况与三种不足的范围之间的趋势，以及在短期范围内的差异，这些不超过三种趋势的范围，而造成了三种疾病的效果，并且在短期范围内造成了不足的影响。另一方面，长期的因果关系结果证实了从不自然系列的累积组成部分延伸的变量中存在隐藏的因果关系，并且所有结果都支持货币主义对通货膨胀的看法，尽管没有任何货币供应对经济增长的影响。JEL分类：C22，E31，E51，F43;关键词：货币供应；通货膨胀;协调；隐藏的因果关系。1。地址：经济学院，Maghnia-Tlemcen Algeria大学中心，电子邮件：a_hichem210@hotmail.fr引言货币供应和通货膨胀率是经济增长的最重要的关键决定因素之一，这两个因素可以创造就业机会和人均GDP高，从而导致贫困减少（Phibian，2010年），并且这是在过去五年中真正需要的，因为这是货币供应，这是货币供应的9个，而经济的货币率是19岁，这是货币供应的2（19岁）。 （1982），Bessler（1984），Balakrishanan（1991），Moser（1995），Levine（1997），Odedokun（1997），Lucas（2001），Teriba（2005），Teriba（2005），许多其他研究，根据这些研究，我们可以将两种不同的意见与凯恩斯（Keysian）的看法相关，这对凯恩斯的意见不可能，这对凯恩斯（Keynesian）而言，这对我们的意见无关紧要。 （1973年），货币主义者认为，货币供应量通过以较小的方式提高价格水平来导致通货膨胀，这可以激发经济增长，但随着 * Ayad Hicham的发展。
varta目录2024
A13 40 330 187 140 227 B19 10.1 0 3 B01 A14 40 330 187 127 227 B19L 10.1 0 3 B00 A15 40 330 187 127 227 B19R 10.1 1 3 B00 B18 44 440 207 175 T4 / LB1 11.3 0 1 B13 B31 45 333 238 129 227 227 B24L 11.7 0 3 b00 b32 45 330 238 129 227 b24r 11.7 0 1 b00 b33 45 330 238 129 227 b24s 11.7 1 3 b00 b33 45 330 238 129 227 b24rs 11.7 1 1 b00 b36 44 420 175 175 190 h3/ln0 10.5 0 1 b13 c22 52 470 207 175 190 h4 / ln1 12.4 0 1 b13 d24 60 540 242 175 190 h5 / ln2 15 0 1 b13 d43 60 540 242 175 190 h5r / ln2r 14.3 1 1 b13 d47 60 540 232 173 225 d23l 14.54 0 1 b00 d48 60 540 232 173 225 D23r 14.54 1 1 b00 D59 60 540 242 175 175 T5/lbn2 13.89 0 1 B13 E11 74 680 278 175 190 H6/LN3 17.87 0 1 B13 E12 74 680 278 175 175 190 H6R/LN3R/LN3R/LN3R/LN3R 17.87 1 1 B13 E23 E23 E23 70 630 630 22222222222222222222222222222222222222222222222222222222220号2222222222222222222222222222222220年1月1日 70 630 261 175 220 D26r 17.32 1 1 B01 E43 72 680 278 175 175 T6/LBN3 17.05 0 1 B13 F16 80 740 315 175 190 H7/LN4 19.1 0 1 B13 F17 80 740 315 175 175 T7/LBN4 19.21 0 1 B13 G3 95 800 353 175 190 H8 / LN5 21.32 0 1 B13 G7 95 830 306 173 225 D31L 20.23 0 1 B01 G8 95 830 306 173 225 D31R D31R 20.23 1 1 B01 < / div> < / div>A13 40 330 187 140 227 B19 10.1 0 3 B01 A14 40 330 187 127 227 B19L 10.1 0 3 B00 A15 40 330 187 127 227 B19R 10.1 1 3 B00 B18 44 440 207 175 T4 / LB1 11.3 0 1 B13 B31 45 333 238 129 227 227 B24L 11.7 0 3 b00 b32 45 330 238 129 227 b24r 11.7 0 1 b00 b33 45 330 238 129 227 b24s 11.7 1 3 b00 b33 45 330 238 129 227 b24rs 11.7 1 1 b00 b36 44 420 175 175 190 h3/ln0 10.5 0 1 b13 c22 52 470 207 175 190 h4 / ln1 12.4 0 1 b13 d24 60 540 242 175 190 h5 / ln2 15 0 1 b13 d43 60 540 242 175 190 h5r / ln2r 14.3 1 1 b13 d47 60 540 232 173 225 d23l 14.54 0 1 b00 d48 60 540 232 173 225 D23r 14.54 1 1 b00 D59 60 540 242 175 175 T5/lbn2 13.89 0 1 B13 E11 74 680 278 175 190 H6/LN3 17.87 0 1 B13 E12 74 680 278 175 175 190 H6R/LN3R/LN3R/LN3R/LN3R 17.87 1 1 B13 E23 E23 E23 70 630 630 22222222222222222222222222222222222222222222222222222222220号2222222222222222222222222222222220年1月1日 70 630 261 175 220 D26r 17.32 1 1 B01 E43 72 680 278 175 175 T6/LBN3 17.05 0 1 B13 F16 80 740 315 175 190 H7/LN4 19.1 0 1 B13 F17 80 740 315 175 175 T7/LBN4 19.21 0 1 B13 G3 95 800 353 175 190 H8 / LN5 21.32 0 1 B13 G7 95 830 306 173 225 D31L 20.23 0 1 B01 G8 95 830 306 173 225 D31R D31R 20.23 1 1 B01 < / div> < / div>
沙特的金融发展和经济增长
摘要 本研究采用完全改进的最小二乘法 (FMOLS) 研究了 1989-2008 年沙特阿拉伯金融发展与经济增长之间的关系。金融市场发展表现为信贷市场发展（银行对私营部门的信贷）和股票市场发展（一般股票市场指数）的影响。结果表明，国内银行对私营部门的信贷在长期内对经济增长具有显著的正向影响，但在短期内则不显著且具有负向影响。另一方面，股票市场指数在长期内具有预期的正向但不显著的影响，但在短期内具有意外的且不显著的影响。最后，无论是在短期还是长期，工业生产的增长都对经济增长具有预期的正向显著影响。关键词：金融发展、经济增长、FMOLS、沙特阿拉伯。 JEL 分类：O11，C22 1. 引言 2010 年，全球经济复苏带动油价上涨，沙特政府加大财政支出，拉动内需，非石油类 GDP 增长，沙特经济实现高增长，实际预算盈余 877 亿沙特里亚尔，占 GDP 的 5.4%，而上年则出现赤字 866 亿沙特里亚尔，占 GDP 的 6.2%。另一方面，公共债务占 GDP 的比例从 2009 年的 16.1% 下降到 2010 年的 9.9%。国际收支经常账户连续第 12 年实现盈余，2010 年达 2,503 亿沙特里亚尔，占 GDP 的 14.9%（沙特阿拉伯货币机构 (SAMA)，2011）。在这方面，经济增长与金融发展之间的关系多年来一直是实证和理论研究的广泛主题。这些研究强调了发达的金融体系对支持经济增长的重要性。最近，许多研究也从开放经济的视角探讨了这一主题，并发现金融深化等与全球经济的一体化可以带来经济效益。本研究的主要目的是调查经济增长与金融发展之间的因果关系，同时考虑工业生产指数的影响。图1、图3和图4表明，实际GDP、国内私营部门信贷和工业生产指数的走势相似，但图2中的一般股票市场指数自2005年以来呈现不同的走势。
rndr。 Balasia博士
[C1] Agrawal T.，Balazia M.，Bremond f。：CM3T：高效多模式学习的框架，用于非病会议出版物基因交互数据集。IEEE/CVF冬季有关计算机视觉应用（WACV）的冬季会议，美国图森，2025年。[C2] Sinha S.，Balazia M.，Bremond f。：通过优化的聚合网络识别教法性白内障手术视频中的手术器械。IEEE图像处理应用和系统（IPA）的国际会议，法国里昂，2025年。[C3] Muller P.，Balazia M.，Baur T.，Dietz M.，Heimerl A.，Penzkofer A.，Schiller D.，Bremond F.，Alexandersson J.，Andre E.ACM多媒体（ACMMM），澳大利亚墨尔本，2024年。[C4] Strizhkova V.，Kachmar H.，Chaptoukaev H.，Kalandadze R.，Kukhilava N.，Tsmindashvili T.，Abo-Alzahab N.，Zuluaga M.A.：MVP：基于视频和生理信号的多模式情绪识别。在IEEE/CVF欧洲计算机愿景会议（ECCV），意大利米兰的IEEE/CVF欧洲/CVF上的情感行为分析（ABAW），2024年。[C5] Reka A.，Borza D.L.，Reilly D.，Balazia M.，Bremond F。：将门控和上下文引入时间动作检测。在IEEE/CVF欧洲计算机愿景会议（ECCV），意大利米兰的IEEE/CVF欧洲/CVF上的情感行为分析（ABAW），2024年。[C6] Tiwari U.，Majhi S.，Balazia M.，Bremond f。：自动驾驶异常检测至关重要的是：弱监督的地平线。ACM多媒体（ACMMM），第9640-9645页，加拿大渥太华，2023年。在IEEE/CVF欧洲计算机视觉会议（ECCV），意大利米兰，2024年，IEEE/CVF欧洲计算机视觉会议（ECCV）举行的自动驾驶（漫游）的强大，分发和多模式模型。[C7] Muller P.，Balazia M.，Baur T.，Dietz M.，Heimerl A.，Schiller D.，Guermal M.，Thomas D.，Bremond F.，Alexander-Sson J.，Andre E.，Andre E.[C8] Agrawal T.，Balazia M.，Muller P.，Bremond F。：多模式视觉变压器，强迫注意行为分析。IEEE/CVF计算机视觉应用（WACV）的冬季会议，第3392–3402页，美国威克罗阿，美国，2023年。[C9] Balazia M.，Muller P.，Tanczos A.L.，Liechtenstein A.，Bremond F。：社会互动的身体行为：新颖的注释和最新评估。ACM多媒体国际会议（ACMMM），第70-79页，里斯本，葡萄牙，2022年。[C10] Balazia M.，Hlavackova-Schindler K.，Sojka P.，Plant C。：Granger Causal-Ity的可解释步态识别。IEEE/IAPR国际模式认可会议（ICPR），第1069-1075页，加拿大蒙特利尔，2022年。[C11] Agrawal T.，Agarwal D.，Balazia M.，Sinha N.，Bremond f。：使用跨意识变压器和行为编码的多模式人格识别。IAPR国际视觉理论与应用会议（VISAPP），第501-508页，Virtual，2022。[C12] Sinha N.，Balazia M.，Bremond f。：火焰：面部地标热图激活的多模式凝视。IEEE国际高级视频和信号监视会议（AVSS），第1-8页，虚拟，2021年。[C13] Balazia M.，Happy S.L.，Bremond F.，Dantcheva A。：面部多么独特：一项调查研究。IEEE/IAPR国际模式识别会议（ICPR），第7066-7071页，意大利米兰，2021年。[C14] Balazia M.，Sarkar s。：在活动对象跟踪中重新调用评估。在神经信息处理系统会议上（NEURIPS），加拿大温哥华，2019年的神经信息处理系统（NEURIPS）的新知识（NEWINML）。[C15] Aakur S.，Sawyer D.，Balazia M.，Sarkar S。：对未修剪监视视频中基于建议的细粒度活动检测方法的检查。NIST关于TREC视频检索评估（TRECVID）的研讨会，《扩展视频挑战的活动》，美国盖瑟斯堡，2018年。[C16] Balazia M.，Sojka p。：您是走路的方式：不合作的MOCAP步态识别视频监视，并使用不完整和嘈杂的数据。IEEE/IAPR国际生物识别技术联合会议（IJCB），第208-215页，美国丹佛，2017年。 [C17] Balazia M.，Sojka p。：用于基于MOCAP的步态识别方法的评估框架和数据库。 IAPR关于模式识别可再现研究（RRPR）的研讨会，第33-47页，墨西哥坎昆，2016年。 [C18] Balazia M.，Sojka p。：通过最大保证金标准（扩展摘要）学习健壮的步态识别功能。 IAPR关于结构和句法模式识别（SSPR）和统计技术的国际国际研讨会（SPR），第585-586页，墨西哥梅里达，2016年。 [C19] Balazia M.，Sojka p。：与运动捕获数据相关的步态识别的独立特征。IEEE/IAPR国际生物识别技术联合会议（IJCB），第208-215页，美国丹佛，2017年。[C17] Balazia M.，Sojka p。：用于基于MOCAP的步态识别方法的评估框架和数据库。IAPR关于模式识别可再现研究（RRPR）的研讨会，第33-47页，墨西哥坎昆，2016年。[C18] Balazia M.，Sojka p。：通过最大保证金标准（扩展摘要）学习健壮的步态识别功能。IAPR关于结构和句法模式识别（SSPR）和统计技术的国际国际研讨会（SPR），第585-586页，墨西哥梅里达，2016年。[C19] Balazia M.，Sojka p。：与运动捕获数据相关的步态识别的独立特征。IAPR关于结构和句法模式识别（SSPR）和统计技术的国际国际研讨会（SPR），第310-321页，墨西哥，墨西哥，2016年。[C20] Balazia M.，Sojka p。：通过最大余量标准学习适合步态识别的功能。IEEE/IAPR国际模式识别会议（ICPR），第901-906页，墨西哥坎昆，2016年。[C21] Balazia M.，Sedmidubsky J.，Zezula P。：语义上一致的人类运动分割。国际数据库和专家系统应用程序（DEXA），第423-437页，德国慕尼黑，2014年。[C22] Sedmidubsky J.，Valcik J.，Balazia M.，Zezula p。：基于归一化步行周期的步态识别。国际视觉计算研讨会（ISVC），第11-20页，Rethymno，希腊，2012年。[C23] Valcik J.，Sedmidubsky J.，Balazia M.，Zezula P.，确定人类识别的行走周期。太平洋亚洲情报与安全信息学讲习班（PAISI），第127-135页，马来西亚吉隆坡，2012年。