XiaoMi-AI文件搜索系统
World File Search SystemCADe
巴拿马运河对巴拿马经济的影响
自 1914 年 8 月 15 日开业以来，这项工作确定了巴拿马经济的发展方向，并与这样的信念相关：它是地理位置的比较优势的一个基本支柱，自 1532 年以来，巴拿马就成为开采宝藏的通道。从秘鲁到西班牙或其他欧洲国家，反过来，旧世界的商品又运往拉丁美洲国家，主要是新成立的秘鲁总督辖区，正如历史学家 Celestino Andrés Araúz 1 在 2005 年第三十九届行政长官年会上所述。美国利用这种比较优势在 19 世纪中叶至末期修建了跨洋铁路。胡安·圣地亚哥·科雷亚 2 的设计显示，这条铁路公司在 1868 年获得的最高利润为 1,937,079 百万美元，但是，没有关于这个北方国家发展这条铁路所获收益的量化估计记录，尽管同一位作者指出，这条铁路没有将任何当地生产中心与国际市场连接起来，这可以解释为什么它对哥伦比亚的主权构成了挑战，并导致了巴拿马后来的分裂。巴拿马的地理位置如此重要，经过多次研究、开会和讨论，最终在 1878 年，达连洋际运河国际民用公司代表、法国海军中尉 Lucien NB Wyse 来到波哥大，与哥伦比亚政府谈判签订了一项条约，称为“Wyse 特许权”，选择了与上述铁路平行的路线。3
EEG解码揭示了自然材料行为的神经预测
材料属性（例如柔软度或粘性）确定如何使用对象。基于我们的现实经验，我们对物体在典型的材料属性（典型的材料特性）方面的行为形成了强烈的期望。这些期望已被证明可以调节感知过程，但是我们目前不知道期望如何影响对象及其材料的皮质视觉分析的时间动态。在这里，我们使用时间分辨的脑电图解码在违规的违规行为中追踪了预期和意外物质行为的神经代表，在该egm中，对象落在地面上并以预期或意外的方式变形。参与者是25名男女。我们的研究产生了三个关键结果：首先，物体和材料以暂时的方式迅速代表。第二，表现出意外材料行为的对象比在影响后190毫秒内表现出预期行为的对象更成功地解码，这可能表明当期望未满足时，其他处理需求。第三，在影响后的前150毫秒内发现了跨特定对象和材料的一般期望实现信号。一起，我们的结果提供了对时间神经加工的新见解，该过程是对现实世界物质行为分析的基础。他们揭示了一系列预测的顺序，皮质信号从期望实现的一般标志发展到增加意外材料行为的处理。
大脑发育过程中从头和挽救嘌呤合成的时空调节
嘌呤的水平，维持真核细胞体内平衡的必需分子，受到从头和救助合成途径的坐标的调节。在胚胎中枢神经系统（CNS）中，从头途径对于满足神经茎/促生细胞（NSPC）主动扩散的要求被认为至关重要。但是，在中枢神经系统开发期间，这两种途径如何平衡或分别使用。在这项研究中，我们显示了途径利用率的动态变化，并且在胚胎阶段和产后 - 成年小鼠脑的拯救途径上更依赖于从头途径。各种嘌呤合成抑制剂在体外的药理作用以及嘌呤合成酶的表达概况表明，胚胎大脑中的NSPC主要使用从头途径。同时，小脑中的NSPC同时需要从头和打捞途径。在从头抑制剂的体内给药导致前脑皮质区域严重下降症，表明沿胚胎大脑的前后轴沿着嘌呤的嘌呤需求梯度，而背侧前脑的皮质区域比腹膜或腹膜较高的嘌呤需求更高。 这种新皮层的组织学缺陷伴随着雷帕霉素复合物1（MTORC1）/核糖体蛋白S6激酶（S6K）/S6信号传导壳的强烈下调，这是一种至关重要的途径，用于细胞代谢，生长和生存。在从头抑制剂的体内给药导致前脑皮质区域严重下降症，表明沿胚胎大脑的前后轴沿着嘌呤的嘌呤需求梯度，而背侧前脑的皮质区域比腹膜或腹膜较高的嘌呤需求更高。这种新皮层的组织学缺陷伴随着雷帕霉素复合物1（MTORC1）/核糖体蛋白S6激酶（S6K）/S6信号传导壳的强烈下调，这是一种至关重要的途径，用于细胞代谢，生长和生存。这些发现表明，嘌呤途径对MTORC1信号传导和适当脑发育的时空调节的重要性。
3D 多模态脑肿瘤分割和分级...
1 美国国立卫生研究院国家癌症研究所癌症研究中心，10 号楼，马里兰州贝塞斯达，20892，美国。2 爱琴海大学计算机工程系，伊兹密尔博尔诺瓦，35100，土耳其。3 不列颠哥伦比亚大学医学院，317 - 2194 健康科学商城，温哥华，BC V6T 1Z3，加拿大。摘要 神经胶质瘤是最常见的脑肿瘤之一。早期检测和分级神经胶质瘤对于提高患者的生存率至关重要。计算机辅助检测 (CADe) 和计算机辅助诊断 (CADx) 系统是必不可少的重要工具，可提供更准确、更系统的结果，从而加快临床医生的决策过程。通过利用各种深度学习模型（例如 CNN）和迁移学习策略（例如微调），图像分类的性能结果提高了准确性，并且提高了有效性，尤其是对于具有相似性的新型大规模数据集。在本文中，我们介绍了一种新方法，该方法结合了机器、深度学习和迁移学习方法的变体，用于在多模态脑肿瘤分割 (BRATS) 2020 数据集上对脑肿瘤（即神经胶质瘤）进行有效的分割和分级。我们将流行且高效的 3D U-Net 架构应用于脑肿瘤分割阶段。我们还利用 23 种不同的深度特征集组合和基于 Xception、IncResNetv2 和 EfficientNet 的机器学习/微调深度学习 CNN 模型，在肿瘤分级阶段使用 4 种不同的特征集和 6 种学习模型。实验结果表明，该方法在 BraTS 2020 数据集上对基于切片的肿瘤分级的准确率为 99.5%。此外，我们的方法与最近的类似研究相比具有竞争力。关键词：神经胶质瘤；神经胶质瘤等级；分割；特征提取；深度学习、集成学习、MRI 分类
禁止：杀虫剂的历史和毒理学科学
1972 年末，美国环境保护署署长威廉·鲁克尔豪斯宣布取消 DDT 的登记，实际上禁止在美国使用这种自二战后推出以来最流行的杀虫剂之一。环保主义者称赞 DDT 禁令是美国环保运动的最高成就，也是 1962 年雷切尔·卡逊出版《寂静的春天》后十年行动主义的顶峰。卡逊对美国滥用化学农药及其造成的大面积生态污染的严厉批评，像其他书籍一样抓住了美国人的心，并在总统科学顾问委员会和国会引发了广泛的听证会。1970 年《国家环境保护法》的通过和同年环境保护署 (EPA) 的成立向美国人发出信号，他们的担忧已被听到。DDT 禁令终止了美国最臭名昭著和破坏环境的化学品之一的使用。美国农业和公共卫生历史上的黑暗篇章还有比这更完美的结局吗？1982 年 5 月，几位观鸟朋友（退休人员）邀请我和他们一起去纽约罗切斯特附近，在一天内寻找尽可能多的鸟类。重要的一天从凌晨 1 点左右开始，我们出发去寻找夜间活动的猫头鹰和夜鹰。下午 4 点半，我们到达了挪威路，这是罗切斯特以西著名的候鸟聚集地。在清晨的黑暗中，我们听到了一只美洲丘鹬的叫声，
禁忌：杀虫剂的历史和毒理学
1972 年年底，美国环境保护署署长威廉·鲁克尔豪斯宣布取消 DDT 的登记，实际上禁止在美国使用这种自二战后推出以来最流行的杀虫剂之一。环保主义者称赞 DDT 的禁令是美国环保运动的最高成就，也是自 1962 年雷切尔·卡逊出版《寂静的春天》以来十年环保主义运动的顶峰。卡逊对美国化学农药的滥用及其所造成的大面积生态污染进行了严厉批评，很少有其他书籍能像它一样俘获了美国人的心，并在总统科学顾问委员会和国会引发了广泛的听证会。 1970 年《国家环境保护法》的通过和同年环境保护署 (EPA) 的成立向美国人发出信号，他们的担忧已被听到。DDT 禁令终止了美国最臭名昭著、对环境破坏最大的化学物质之一的使用。还有比这更完美的结局来结束美国农业和公共卫生历史上的黑暗篇章吗？1982 年 5 月，几位观鸟朋友（退休人员）邀请我和他们一起在纽约州罗切斯特附近，在一天内寻找尽可能多的鸟类。重要的一天从凌晨 1 点开始，我们出发寻找夜间活动的猫头鹰和夜鹰。到 4 点 30 分，我们到达了挪威路，这是罗切斯特以西著名的候鸟热点。在清晨的黑暗中，我们听到了一只美洲丘鹬的叫声，
“利用 CRISPR-Cas3 在人类多能干细胞中引入大量基因组缺失”。引自：当前协议
CRISPR-Cas 系统为研究人员提供了真核基因组编辑工具和治疗平台，可以靶向体细胞器官中的疾病突变。大多数此类工具采用 II 型（例如 Cas9）或 V 型（例如 Cas12a）CRISPR 酶在基因组中造成 RNA 引导的精确双链断裂。然而，此类技术在进行有针对性的大片段缺失方面能力有限。最近，在微生物中普遍存在并表现出独特酶特征的 I 型 CRISPR 系统已被用于有效地在人类细胞中造成大片段染色体缺失。I 型 CRISPR 首先使用一种称为 Cascade 的多亚基核糖核蛋白 (RNP) 复合物来找到其引导互补的靶位，然后招募解旋酶核酸酶 Cas3 沿着目标 DNA 行进并以高持续性进行长距离撕裂。当以纯化的 RNP 形式引入人体细胞时，CRISPR-Cas3 复合物可有效诱导 CRISPR 靶位点上不同长度（1-100 kb）的大型基因组缺失。由于这种独特的编辑结果，CRISPR-Cas3 在诸如去除整合的病毒基因组和研究影响基因功能和人类疾病的结构变异等任务中具有巨大前景。在这里，我们提供了使用 CRISPR-Cas3 引入大型缺失的详细方案。我们描述了从 Thermobifida fusca 中纯化 IE 型 CRISPR 蛋白 Cascade 和 Cas3、将 RNP 电穿孔到人体细胞中以及使用 PCR 和测序表征 DNA 缺失的分步程序。我们在此重点关注人类多能干细胞，因为它们具有临床潜力，但这些方案将广泛应用于其他细胞系和模型生物，包括大型基因组缺失、全基因或染色体去除、以及非编码元素的 CRISPR 筛选等。© 2022 Wiley Periodicals LLC。
守护新闻媒体的知识产权...
1 Jonathan Turley，Chatgpt错误地指责我对我的学生进行性骚扰。我们真的可以信任AI吗？，美国今日（4月） 3，2023），https：//perma.cc/l2ee-h98r。 2 ID。 有关OpenAi的介绍其产品，请参见介绍Chatgpt，O Pen AI（2022年11月30日），https：//perma.cc/5ckx-7zaq（“我们已经培训了一种称为Chatgpt的型号，该模型以对话方式进行交互。，美国今日（4月3，2023），https：//perma.cc/l2ee-h98r。2 ID。 有关OpenAi的介绍其产品，请参见介绍Chatgpt，O Pen AI（2022年11月30日），https：//perma.cc/5ckx-7zaq（“我们已经培训了一种称为Chatgpt的型号，该模型以对话方式进行交互。2 ID。有关OpenAi的介绍其产品，请参见介绍Chatgpt，O Pen AI（2022年11月30日），https：//perma.cc/5ckx-7zaq（“我们已经培训了一种称为Chatgpt的型号，该模型以对话方式进行交互。对话格式使Chatgpt可以回答以下问题[ - ]提出问题，承认其错误，挑战不正确的前提并拒绝不适当的请求。”3 Turley，前注1。这个措辞反映了Turley在《今日美国》中的著作； Chatgpt使用的确切措辞略有不同。4 ID。 5 ID。 6 Pranshu Verma＆Will Oremus，Chatgpt发明了性骚扰丑闻，并将一名真正的法律教授命名为被告W Ash。 p ost（4月 5，2023），https：//www.washingtonpost.com/technology/2023/04/04/04/chatgpt-lies（与作者一起文件）。 7 Karen Weise＆Cade Metz，当 聊天机器人幻觉，纽约州Times（2023年5月9日），https：//www.nytimes.com/2023/05/01/business/business/ai-chatbots-hallucination.html（作者文件） 名称和日期。 医学解释。 书籍的图。 互联网地址。 甚至从未发生过的历史事件。”）。 8康妮·林（Connie Lin），如何欺骗Openai的Chatgpt，f ast c o。4 ID。5 ID。 6 Pranshu Verma＆Will Oremus，Chatgpt发明了性骚扰丑闻，并将一名真正的法律教授命名为被告W Ash。 p ost（4月 5，2023），https：//www.washingtonpost.com/technology/2023/04/04/04/chatgpt-lies（与作者一起文件）。 7 Karen Weise＆Cade Metz，当 聊天机器人幻觉，纽约州Times（2023年5月9日），https：//www.nytimes.com/2023/05/01/business/business/ai-chatbots-hallucination.html（作者文件） 名称和日期。 医学解释。 书籍的图。 互联网地址。 甚至从未发生过的历史事件。”）。 8康妮·林（Connie Lin），如何欺骗Openai的Chatgpt，f ast c o。5 ID。6 Pranshu Verma＆Will Oremus，Chatgpt发明了性骚扰丑闻，并将一名真正的法律教授命名为被告W Ash。p ost（4月5，2023），https：//www.washingtonpost.com/technology/2023/04/04/04/chatgpt-lies（与作者一起文件）。7 Karen Weise＆Cade Metz，当 聊天机器人幻觉，纽约州Times（2023年5月9日），https：//www.nytimes.com/2023/05/01/business/business/ai-chatbots-hallucination.html（作者文件） 名称和日期。 医学解释。 书籍的图。 互联网地址。 甚至从未发生过的历史事件。”）。 8康妮·林（Connie Lin），如何欺骗Openai的Chatgpt，f ast c o。7 Karen Weise＆Cade Metz，当聊天机器人幻觉，纽约州Times（2023年5月9日），https：//www.nytimes.com/2023/05/01/business/business/ai-chatbots-hallucination.html（作者文件）名称和日期。医学解释。书籍的图。互联网地址。甚至从未发生过的历史事件。”）。8康妮·林（Connie Lin），如何欺骗Openai的Chatgpt，f ast c o。（2022年12月5日），https：//perma.cc/lu74- d2be（描述一个故事ChatGpt写了一个关于特斯拉的季度收入的文章，因为“措辞不平稳的文章，没有语法错误或言语混淆，但包含“随机数字的随机组合，与任何真实的Tesla报告都不相对应”）。
特拉华州全州福利办公室
州雇员福利委员会（“委员会”）于 2024 年 11 月 25 日下午 2:00 召开会议。会议以线上和线下方式在 841 Silver Lake Boulevard, Suite 200, Dover, DE 19904 举行。出席会议的委员会成员：秘书 Claire DeMatteis，人力资源部（“DHR”），SEBC 联合主席 Cerron Cade 主任，管理和预算办公室（“OMB”），SEBC 联合主席 Shaun O'Brien，政策主任，美国州、县和市政雇员联合会（“AFSCME”） Thomas Brackin，执行董事，特拉华州骑警协会（“DSTA”） 专员 Trinidad Navarro，保险部（“DOI”）保险专员 Karen Field Rogers，州退休财务主管 Colleen Davis，州财务主管，州财政部办公室（“OST”） 未出席的委员会成员：秘书 Josette Manning，卫生与社会服务部（“DHSS”）审计长 Ruth Ann Miller，审计长办公室（“OCG”）首席大法官 Collins Seitz，特拉华州最高法院 副州长 Bethany Hall-Long，副州长办公室 其他出席人员 主任 Faith Rentz，SBO，DHR 副主任 Leighann Hinkle，SBO，DHR Stephanie Hartos，SEBC 和 SEBC 小组委员会经理，SBO，DHR Nina Figueroa，卫生政策顾问，SBO，DHR Pamela Barr，SBO，DHR Marie Hartigan，SBO，DHR Brittany Ford，SBO，DHR Ashli Warman，SBO，DHR Samantha Mountz，SBO，DHR Michelle Whalen，司法部副检察长，SEBC 法律顾问 Jennifer Biddle，副部长，DHR Asia Surguy-Bonnewell，财务经理，DHR Heather Johnson，审计长，DHR Dawn Warman， DHR Joanna Adams，养老金管理人，养老金办公室（“OPen”） Jaclyn Iglesias，Willis Towers Watson（“WTW”） Kant Khatri，WTW 秘书 Rick Geisenberger，财政部（“DOF”） Ashley Tucker，副州法院管理人，AOC Robert Scoglietti，副主计长，OCG
Sandhya Saisubramanian、Shannon C. Roberts 和 Shlomo Zilberstein。2021 年。了解用户对负面态度
[1] Dario Amodei、Chris Olah、Jacob Steinhardt、Paul Christiano、John Schulman 和 Dan Mané。2016 年。《人工智能安全中的具体问题》。CoRR abs/1606.06565 (2016)。[2] Berkeley J. Dietvorst、Joseph P. Simmons 和 Cade Massey。2015 年。《算法厌恶：人们在发现算法有错误后会错误地避开它们》。《实验心理学杂志：综合》144, 1 (2015)，114。[3] Berkeley J. Dietvorst、Joseph P. Simmons 和 Cade Massey。2018 年。《克服算法厌恶：如果人们可以（即使稍微）修改算法，他们也会使用不完美的算法》。《管理科学》64, 3 (2018)，1155–1170。 [4] Julie S. Downs、Mandy B. Holbrook、Steve Sheng 和 Lorrie Faith Cranor。2010 年。您的参与者是否在玩弄系统？筛查 Mechanical Turk 工人。在 SIGCHI 计算机系统人为因素会议论文集上。2399–2402。[5] Jodi Forlizzi 和 Carl DiSalvo。2006 年。家庭环境中的服务机器人：对家用 Roomba 吸尘器的研究。在第一届 ACM SIGCHI/SIGART 人机交互会议论文集上。[6] Dylan Hadfield-Menell、Smitha Milli、Pieter Abbeel、Stuart J. Russell 和 Anca Dragan。2017 年。逆向奖励设计。在神经信息处理系统的发展中。[7] Bill Hibbard。2012 年。避免意外的 AI 行为。在国际通用人工智能会议上。Springer，107–116。[8] Lynn M. Hulse、Hui Xie 和 Edwin R. Galea。2018 年。对自动驾驶汽车的看法：与道路使用者的关系、风险、性别和年龄。安全科学 102（2018 年），1–13。[9] Rafal Kocielnik、Saleema Amershi 和 Paul N. Bennett。2019 年。您会接受不完美的人工智能吗？探索调整人工智能系统最终用户期望的设计。在 CHI 计算系统人为因素会议论文集上。[10] Moritz Körber。2018 年。衡量对自动化信任的理论考虑和问卷的开发。在国际人体工程学协会大会上。Springer，13–30。 [11] Victoria Krakovna、Laurent Orseau、Miljan Martic 和 Shane Legg。2019 年。使用逐步相对可达性惩罚副作用。在 AI 安全研讨会 IJCAI 中。[12] Victoria Krakovna、Laurent Orseau、Richard Ngo、Miljan Martic 和 Shane Legg。2020 年。通过考虑未来任务来避免副作用。在第 20 届神经信息处理系统会议论文集上。[13] Miltos Kyriakidis、Riender Happee 和 Joost CF de Winter。2015 年。公众对自动驾驶的看法：对 5000 名受访者的国际问卷调查结果。交通研究 F 部分：交通心理学和行为 32（2015 年），127–140。 [14] Ramya Ramakrishnan、Ece Kamar、Debadeepta Dey、Julie Shah 和 Eric Horvitz。2018 年。《发现强化学习中的盲点》。《第 17 届自主代理和多代理系统国际会议论文集》。[15] Stuart Russell。2017 年。《可证明有益的人工智能》。《指数生命，下一步》（2017 年）。[16] Sandhya Saisubramanian、Ece Kamar 和 Shlomo Zilberstein。2020 年。一种减轻负面影响的多目标方法。在第 29 届国际人工智能联合会议论文集上。[17] Sandhya Saisubramanian 和 Shlomo Zilberstein。2021 年。通过环境塑造减轻负面影响。在第 20 届自主代理和多智能体系统国际会议论文集上。[18] Sandhya Saisubramanian、Shlomo Zilberstein 和 Ece Kamar。2020 年。避免因对人工智能系统知识不完整而产生的负面影响。CoRR abs/2008.12146 (2020)。[19] Rohin Shah、Dmitrii Krasheninnikov、Jordan Alexander、Pieter Abbeel 和 Anca Dragan。 2019. 世界状态中的隐含偏好。第七届国际学习表征会议论文集。[20] Alexander Matt Turner、Dylan Hadfield-Menell 和 Prasad Tadepalli。2020. 通过可实现效用保存实现保守代理。AAAI/ACM 人工智能、伦理与社会会议论文集。[21] Ming Yin、Jennifer Wortman Vaughan 和 Hanna Wallach。2019. 理解准确度对机器学习模型信任的影响。CHI 计算系统人为因素会议论文集。[22] Shun Zhang、Edmund H. Durfee 和 Satinder P. Singh。2018. 分解马尔可夫决策过程中对副作用的 Minimax-Regret 查询以实现安全最优。在第 27 届国际人工智能联合会议论文集上。