XiaoMi-AI文件搜索系统
World File Search SystemDecomposition
功能近红外光谱数据多维分解的并行因子分析
(HbO) 和脱氧 (HbR) 血红蛋白可以分别评估 HbO 和 HbR 的浓度变化。1 尽管 fNIRS 信号被认为对运动具有相对耐受性，2 但是由于运动伪影引起的光强度突然变化，数据质量可能会降低。3 结果表明，两种波长的动态特性为伪影检测和校正提供了重要信息。4 然而，当前用于运动伪影校正的技术（例如小波滤波、分解、样条插值等）通常假设两种波长的行为在时间上相似，因此无法利用两种波长提供的结构化信息。5 – 7 二维 (2D) 分析要求对具有更多维度的数据（例如 fNIRS 数据）在处理之前进行表面展开，例如分别处理两种波长或 HbO 和 HbR。因此，其中一些二维分析工具被迫施加其他非生理约束，例如主成分分析（PCA）中的正交性或独立成分分析（ICA）的统计独立性。尽管有几种方法可以实现 PCA，例如降维、分类、从信号分解的角度来看，PCA 旨在提取所谓的主成分，即可解释 fNIRS 中信号活动最大方差的成分。6、7、10、11 在时间 PCA 中，数据被分解为成分之和，每个成分由两个向量的乘积形成：一个代表时间主成分，另一个代表相应的地形（每个通道的分数）。PCA 的一个基本问题是仅由两个特征（时间和空间）定义的成分不是唯一确定的。因此，不同成分的对应时间特征之间必须具有正交性。 7、12、13然而，脑信号之间的正交性是一种非生理约束。即使有这种限制，提取的主成分也不是完全唯一的，因为任意旋转轴不会改变数据的解释方差。这导致研究人员使用不同的数学标准作为选择特定旋转的基础（例如，Varimax、Quartimax 和 Promax）。在 fNIRS 中，PCA 还被应用于目标时间间隔（tPCA），即仅在与发音或其他头部运动相关的伪影发生的期间，而不是在整个未分割的信号期间。3、14与基于小波的滤波和样条插值相比，这种类型的有针对性的校正可以产生更好的信号质量，同时也降低了改变信号整体完整性的风险。3虽然 PCA 非常常见且易于使用，一些作者已经讨论了其作为伪影校正方法的缺陷和注意事项。5、15
脑机接口控制中的学习以大脑和行为的联合分解为依据
1 宾夕法尼亚大学佩雷尔曼医学院神经科学研究生组，宾夕法尼亚州费城 19104，美国 2 宾夕法尼亚大学工程与应用科学学院生物工程系，宾夕法尼亚州费城 19104，美国 3 Inria Paris，Aramis 项目团队，F-75013，巴黎，法国 4 Institut du Cerveau et de la Moelle Epini ` ere，ICM，Inserm，U 1127，CNRS，UMR 7225，Sorbonne Universit ´ e，F-75013，巴黎，法国 5 美国 CCDC 陆军研究实验室人类研究与工程理事会，马里兰州阿伯丁，美国 6 加利福尼亚大学心理与脑科学系，加利福尼亚州圣巴巴拉，美国 7 加利福尼亚大学机械工程系，加利福尼亚州河滨市 92521，美国 8 电气与系统工程系，宾夕法尼亚大学工程与应用科学学院，美国宾夕法尼亚州费城 19104 9 宾夕法尼亚大学佩雷尔曼医学院神经病学系，美国宾夕法尼亚州费城 19104 10 宾夕法尼亚大学佩雷尔曼医学院精神病学系，美国宾夕法尼亚州费城 19104 11 宾夕法尼亚大学艺术与科学学院物理与天文系，美国宾夕法尼亚州费城 19104 12 圣达菲研究所，美国新墨西哥州圣达菲 87501 13 通讯作者。
Geny：杀伤细胞免疫球蛋白样受体基因等位基因分解的基因分型工具
自然杀伤 (NK) 细胞是人类先天免疫系统的重要组成部分，是宿主抵御感染、病毒和疾病的第一道防线。这些细胞负责快速应对各种病理挑战，例如病毒感染细胞和癌细胞 ( 1 – 3 )。NK 细胞受细胞表面受体的调节，这些受体与体内各种细胞表面的主要组织相容性复合体 I 类 (MHC-I) 分子相互作用 ( 4 )。这些受体又由杀伤细胞免疫球蛋白样受体 (KIR) 基因编码，该基因位于人类 19 号染色体上白细胞受体复合体 (LRC) 的 150kb 区域内，其表达和相互作用对于区分健康细胞和异常细胞至关重要。由于个体之间存在巨大的遗传多样性，KIR 基因导致个体之间出现各种各样的免疫反应，这也影响疾病易感性 ( 5 )。因此，KIR 基因属于高度多态性基因家族，因此包含大量存在于人类群体中的已知基因相（也称为等位基因，或在某些情况下称为基因型）（ 6 ）。重要的是，这种变异不仅限于编码区，还涵盖指导 KIR 基因表达的调控区。有人提出，这种巨大的遗传多样性可能源于不断进化的病毒带来的进化压力（ 7 ）。这种复杂的遗传结构意味着不到 2% 的无关个体具有相同的 KIR 基因型（ 8 ）。十七 (17) 个 KIR 基因根据其胞外免疫球蛋白样 (lg-like) 结构域（指定为 2D 或 3D）和其胞质尾的长度（标记为 L 表示长胞质尾，标记为 S 表示短胞质尾，标记为 P 表示假基因）命名。一般规则是，短尾 KIR 是激活受体，而长尾 KIR 是抑制受体。基于这些名称，KIR 基因可分为以下几类： (a) 六 (6) 个基因，具有两个结构域和长胞质尾巴（ KIR2DL1 – KIR2DL5B ）， (b) 五 (5) 个基因，具有两个结构域和一个短胞质尾巴（ KIR2DS1 – KIR2DS5 ）， (c) 三 (3) 个基因，具有三个结构域和长尾巴（ KIR3DL1 – KIR3DL3 ）， (d) 一 (1) 个 KIR3DS1 ，其特征是具有三个结构域和一个短尾巴，以及 (e) 两 (2) 个假基因（ KIR2DP1 和 KIR3DP1 ）1. 全区域 KIR 单倍型分为两类：组 B（具有 KIR2DL5 、 KIR2DS1 、 KIR2DS2 、 KIR2DS3 、 KIR2DS5 和 KIR3DS1 之一）和组 A（没有这些基因中的任何一个） （ 7 ） （图 1 ）最后，单个基因等位基因的命名，大致遵循基因注释中使用的星号等位基因命名法（ 9 ， 10 ），其中每个等位基因被分配一个数字来表明其功能（ 8 ）。目前已知的 KIR 等位基因已在 IPD-KIR 数据库中进行了汇编和分类（11）。由于不同的 KIR 等位基因会导致不同的免疫反应，因此有必要对 KIR 基因进行精确的基因分型和分期，以更好地了解这些基因在免疫系统中的作用。一种经济有效的方法是使用高通量测序 (HTS) 技术，该技术已成功用于
药物对人分解和事后间隔的影响：昆虫，清道夫和微生物证据
图6。供体的毒理学筛查表明，所有捐助者的体内都有药物混合物，在分解过程中，这些药物被传递给幼虫（L），分解液（DF）和土壤（DS）。药物及其代谢产物在22个供体的所有矩阵中都被检测到我们无法收集的供体Tox 001，003和005的血清中。化合物，并报告了患者的病史。黄色的药物，但未报告，蓝色的化合物是指我们没有病史的捐助者。颜色的强度表明相对药物浓度。.....................................................................20
分析印度制造业的碳排放趋势：分解和解耦方法
越来越强调促进绿色增长和降低碳排放量为13，以实现可持续的经济发展。本研究使用TAPIO解耦14个模型，并分析了利用日志平均分区指数（LMDI）技术影响印度15种制造业的碳排放变化的因素。16此外，已经使用System-GMM方法分析了碳发射强度，信息和17通信技术（ICT），总因子生产率（TFP），技能和能量强度18之间的联系。它基于印度有组织制造业的植物水平年度19个行业调查（ASI）数据集（ASI）数据集，从2001 - 02年20日至2019 - 20年，针对主要21个印度国家/地区。调查结果反映了在总体和州的制造业中存在21个弱解耦的。这22个表明，产出和排放量都在增加，但是，产出增长超过23个排放增长，这意味着要努力过渡到更环保的24个友好的生产方法并提高了能源效率。发现输出和人口25效应是碳排放中的主要因素，而能量强度则是26降低效果。此外，System-GMM估计表明，ICT和能量27强度对总因子生产率产生了积极影响，而碳28排放强度的增加，生产率下降。这项研究证实了该扇形中倒29个形状的Kuznets曲线的存在。这些努力将有助于达到碳中立性并提高该行业内部的能量32效率。本研究将有助于制定能源30和环境策略，以减少排放并促进采用清洁能源31来源。33 34关键字：制造业，能源使用，二氧化碳，生产率，分解，35能量强度，解耦36 jel分类：C33，P18，Q43 37
XdeCompo：卷积神经网络中的可解释分解方法用于肿瘤图像分类
摘要：在各种肿瘤类型中，大肠癌和脑肿瘤仍然被认为是世界上最严重和致命的疾病之一。因此，许多研究人员致力于提高诊断医学机器学习模型的准确性和可靠性。在计算机辅助诊断中，在处理具有不足数据注释的数据集时，自我监督学习已被证明是一个有效的解决方案。但是，医疗图像数据集经常患有数据违规性，使识别任务更具挑战性。班级分解方法通过简化数据集的类边界的学习，为这个具有挑战性的问题提供了强大的解决方案。在本文中，我们提出了一个称为XdeCompo的强大自我监督模型，以提高功能从借口任务到下游任务的可传递性。XdeCompo是基于基于基于繁殖的类别分解而设计的，以有效鼓励在下游任务中学习阶级边界。XdeCompo具有可解释的组成部分，可以突出重要的像素，这些像素有助于分类，并解释了类分解对改善提取特征专业的影响。我们还探讨了XdeCompo在处理不同医学数据集的典型性，例如用于大肠癌和脑肿瘤图像的组织病理学。定量结果表明，CRC和脑肿瘤图像的高精度分别为96.16％和94.30％的XdeCompo的鲁棒性。XdeCompo与其他模型相比，在不同的医学图像数据集中证明了其概括能力，并在不同的医学图像数据集中实现了高分类精度（无论是定量还是质量上）。已使用后可解释的方法来验证特征可传递性，并证明了高度准确的特征表示。
具有每周储能功能的发电机组随机调度：一种混合分解方法
我们提出了一种解决大规模随机机组组合 (SUC) 问题的方法，该问题具有每周调度的储能和显著的天气依赖性随机发电能力。每周储能设施主要在周末充电，在工作日放电，需要每周调度发电机组，这会导致大规模优化问题。该 SUC 问题被表述为两阶段随机模型，我们使用条件风险价值作为风险度量。使用 Benders 框架，提出的解决方法将问题分解为混合整数线性主问题和线性和连续子问题。主问题对应于整个星期的第一阶段决策，包括所有承诺（二进制）变量及其相应的约束。子问题对应于每周对发电机组的实际调度。基于列和约束生成算法在解决稳健优化问题方面的成功经验，我们通过将子问题的原始变量和约束添加到主问题中，改进了标准 Benders 分解中主问题和子问题之间的低通信量，从而提供了更好的补救函数近似值。我们的计算实验使用南卡罗来纳州合成系统实例（在 40 种场景下有 90 个发电机组）证明了所提出的分解方法的有效性。
分层加密签名映射勒索软件分类：一种结构分解方法
摘要 - 基于吸附的网络威胁继续发展，利用越来越复杂的加密技术来逃避检测并在受损的系统中持续存在。旨在分析结构加密特性的层次分类框架提供了一种新颖的方法，可将恶意加密与合法的加密操作区分开。通过系统地分解加密工作，分类方法会增强识别跨二经域威胁变体的不同模式的能力，从而降低了对经常不受快速突变威胁的预定签名的依赖。该研究研究了密码学特征映射如何促进分类精度的提高，突出了熵，钥匙交换机制和算法依赖性在区分有害加密活动中的作用。通过实验验证，该框架在多个攻击家族中表现出高度的精度，超过了调用分类技术，同时保持了适合大规模网络安全应用的计算效率。分层的结构分析进一步增强了法医调查，使安全分析师能够解剖加密工作流程，以追踪攻击起源并确定跨不同运动的共同点。该方法论加强了主动的威胁减轻工作，提供了可扩展且适应性的解决方案，该解决方案既是已知和新兴加密的网络威胁。比较评估说明了结构分解在减轻假阳性和负面因素方面的优势，从而增强了在实际安全环境中加密签名分类的可靠性。
通过金属有机分解制备的单晶钇铁石榴石纳米薄膜中的铁磁共振
1 Vida Products, Inc.，美国加利福尼亚州罗纳特公园 94928 2 加州大学伯克利分校，美国加利福尼亚州伯克利 94720 3 内布拉斯加大学林肯分校物理与天文系，美国内布拉斯加州林肯 68588 4 劳伦斯伯克利国家实验室分子铸造厂，美国加利福尼亚州伯克利 94720 5 劳伦斯伯克利国家实验室材料科学部，美国加利福尼亚州伯克利 94720 6 加州大学圣克鲁斯分校物理系，美国加利福尼亚州圣克鲁斯 95064 7 劳伦斯伯克利国家实验室分子铸造厂国家电子显微镜中心，美国加利福尼亚州伯克利 94720 8 长冈工业大学材料科学与技术系，日本新泻长冈 940-2188 9科罗拉多州立大学，科罗拉多州柯林斯堡 80523，美国 10 斯坦福大学 Geballe 先进材料实验室，加利福尼亚州斯坦福 94305，美国 11 斯坦福大学应用物理系，加利福尼亚州斯坦福 94305，美国 12 奥本大学电气与计算机工程系，阿拉巴马州奥本 36849，美国 13 高折射率光学公司，加利福尼亚州海沃德 94545，美国 14 内布拉斯加大学林肯分校内布拉斯加材料与纳米科学中心，内布拉斯加州林肯 68588，美国 15 圣克拉拉大学电气与计算机工程系，加利福尼亚州圣克拉拉 95053，美国
考虑多尺度不确定性的电力系统容量扩张嵌套交叉分解算法
现代电力系统见证了可再生能源、储能、电动汽车和各种需求响应资源的迅速普及。因此，电力基础设施规划面临着更多挑战，因为各种新资源带来了多变性和不确定性。本研究旨在开发一个多阶段多尺度随机混合整数规划 (MM-SMIP) 模型，以捕捉电力系统容量扩张问题的粗时间尺度不确定性，例如投资成本和长期需求随机性，以及细时间尺度不确定性，例如每小时可再生能源产出和电力需求不确定性。要应用于实际电力系统，所得到的模型将导致极大规模的混合整数规划问题，不仅遭受众所周知的维数灾难，而且每个阶段的大量整数变量也会带来计算困难。针对MM-SMIP模型的此类挑战，我们提出了一种嵌套交叉分解算法，该算法由两层分解组成，即Dantzig-Wolfe分解和L形分解。该算法在我们的数值研究中表现出良好的计算性能，并且特别适合并行计算，这也将通过计算结果得到证明。