XiaoMi-AI文件搜索系统
World File Search SystemDrift
使用漂移扩散和RL模型来消除抑郁症对决策的影响与概率奖励任务中的学习
概率奖励任务（PRT）被广泛用于研究主要抑郁症（MDD）对增强学习（RL）的影响，并且最近的研究用它来洞悉受MDD影响的决策机制。当前的项目使用了来自未经医学的，寻求治疗的成年人的PRT数据来扩展这些努力：（1）对标准PRT指标的更详细分析 - 反应偏见和歧视性，以更好地了解任务的执行方式； （2）通过两个计算模型分析数据并提供两者的心理测量分析； （3）确定反应偏见，可区分性或模型参数是否预测了对安慰剂或非典型抗抑郁剂安非他酮治疗的反应。对标准指标的分析通过证明响应偏差和响应时间（RT）之间的依赖性，并通过证明PRT中的奖励总数受可区分性约束，从而复制了最近的工作。行为受到分层漂移扩散模型（HDDM）的捕获，该模型对决策过程进行了建模。 HDDM表现出极好的内部一致性和可接受的重新测试可靠性。单独的“信念”模型比HDDM更好地再现了反应偏差的演变，但其心理测量特性较弱。最后，PRT的预测效用受小样本的限制。然而，对安非他酮做出反应的抑郁成年人在HDDM中显示出比非反应者更大的起点偏见，这表明对PRT的不对称增强意外事件的敏感性更大。一起，这些发现增强了我们对奖励和决策机制的理解，这些机制与MDD有关，并由PRT进行了探测。
解释毕业后公告漂移
线性回归是一种简单而强大的技术：它提供了可解释的系数，其渐近性能是完善的和已知的。无疑是使用财务数据时的默认模型，但是它的简单性变成了在高维环境中的弱点（参见GU，Kelly和Xiu（2020），Christensen，Siggaard和Veliyev（2023））。依靠标准线性回归率，在高维设置中很少有解释变量会引起无尽的设计组合，并最终导致无数结论，而金融的新时代（由大规模数据集和增加的计算能力控制）使这个问题加剧了问题。因此，我们认为朝着高维方法和数据驱动的方法迈进在某种程度上是不可避免的。本文展示了通过将资金和理论与现代统计和计算技术相结合的知识和理论来进行高维度推论的可能性。利用
引用（温哥华）：ahad，中立理论（遗传漂移理论）和近乎中立的分子进化理论与Evolut
引用（温哥华）：ahad，中性理论（遗传漂移理论）和分子进化的近乎中性理论与进化相反。国际生物资源与压力管理杂志，2023年； 14（7），1016-1027。https：// doi。org/10.23910/1.2023.3455a。版权所有：©2023 AHAD。这是一份开放式访问文章，允许在作者和源源后在任何媒介中不受限制地使用，分发和复制。数据可用性声明：法律限制是对原始数据的公众共享施加的。但是，作者有权根据要求以原始形式传输或共享数据，但要么符合原始同意的条件和原始研究研究。此外，数据的访问需要满足用户是否符合道德和法律义务作为数据控制者的义务，以便允许在原始研究之外进行二次使用数据。利益冲突：作者宣布不存在利益冲突。
用于能量色散 X 射线的硅漂移探测器模拟...
扫描电子显微镜与能量色散 X 射线光谱法 (SEM-EDS) 相结合是一种应用广泛的元素微分析方法。硅漂移探测器 (SDD) 的集成显著增强了 EDS 性能，由于其灵敏面积大、输出电容低，因此能够精确识别元素。对 SDD 的精确模拟可以提供洞察力，使未来模型的设计和优化成为可能，而无需昂贵且耗时的实验迭代。此外，当前基于模型的 EDS 应用量化方法已达到其最大预测精度。因此，创建更精确的模拟模型可以帮助在这些量化模型中实现更高的精度，这对所有 EDS 应用都具有极大的价值。考虑到这一目标，基于 Geant4、Allpix Squared 和 COMSOL Multiphysics 开发了一个用于在 EDS 中建模 SDD 的模拟框架。模拟涵盖整个物理流程，包括目标样品的特征 X 射线发射及其在探测器中的吸收。探测器内产生的电荷载体通过 SDD 的内部电场传播，并测量它们各自的电荷贡献以模拟 EDS 光谱。模拟模型与现有文献和内部实验测量结果进行了比较，在 SDD 调整良好的情况下显示出很强的一致性。讨论了模拟框架的局限性，并探索了进一步的研究以提高准确性和速度。关键词：X 射线光谱、硅漂移探测器、扫描电子显微镜、探测器模拟
非晶相变材料中的电阻漂移收敛和反转
图 4：a) Ge 15 Te 85 玻璃在 105 °C 下退火一段时间后进行的电阻率上扫描测量得出的虚拟温度 𝑇𝑇 𝑓𝑓 𝜌𝜌 的演变。𝑇𝑇 𝑓𝑓 𝜌𝜌 数据与 TNM-AG 模型（黑线）精确拟合，并长时间向退火温度 105 °C 收敛，从而证实了稳定性。b) 将在 105 °C 恒温保持期间获得的电阻率数据（浅蓝色点）与从 𝑇𝑇 𝑓𝑓 𝜌𝜌（红色圆圈）和 TNM-AG 模型（黑线）计算出的电阻率值进行比较（a）。实验电阻率数据与玻璃松弛模型的预测结果非常吻合。请注意，初始 𝑇𝑇 𝑓𝑓 𝜌𝜌 低于图 2 所示的 𝑇𝑇 𝑓𝑓 𝐻𝐻。这是由于在 vdP 样品上沉积覆盖层期间向硫族化物引入了热量。
电生理学数据中强大的在线多播估计
高密度电生理探针为人类和非人类动物中的系统神经科学4开辟了新的可能性，但是记录记录时探针运动（或漂移）对下游分析提出了挑战5，尤其是在人类记录中。在这里，我们以四个主要贡献的算法称为Dredge（7 E Egistredy的7 e egistration d ata d ata）的算法（d ectreghized r egistration）的算法进行了改进。首先，除了从动作电位（AP）检测到的9个尖峰外，我们还将以前的分散8种方法扩展到利用本地场电位（LFP）的多频道信息（LFP）。第二，我们表明基于LFP的方法10可以在子秒时间分辨率下进行注册。第三，我们引入了有效的在线11运动跟踪算法，允许该方法扩展到更长和更高的空间分辨率12录音，这可以促进实时应用程序。最后，我们通过考虑实际数据中发生的非组织性并自动化14个参数选择来提高13方法的鲁棒性。共同实现了来自人类和小鼠的15个具有挑战性的数据集的完全自动化的可扩展注册。16
超大规模 MRAM 单元中的自旋和电荷漂移扩散
设计先进的单位形状各向异性 MRAM 单元需要准确评估具有细长自由层和参考层的磁隧道结 (MTJ) 中的自旋电流和扭矩。为此，我们通过在隧道屏障界面处引入适当的自旋电流边界条件，并采用局部依赖于电荷电流磁化矢量之间角度的电导率，将成功用于纳米级金属自旋阀的分析方法扩展到 MTJ。从而准确地再现了作用于自由层的扭矩的实验测量电压和角度依赖性。超大规模 MRAM 单元的开关行为与最近对形状各向异性 MTJ 的实验一致。使用我们的扩展方法对于准确捕捉 Slonczewski 和 Zhang-Li 扭矩贡献对包含多个 MgO 屏障的复合自由层中的纹理磁化作用的相互作用绝对必不可少。
PSIPRED蛋白质分析工作台的深度学习
摘要 - 在机器人技术和自动化等许多现实世界中，高度要求注册。注册在某种程度上挑战，因为获得的数据通常很吵，并且有很多异常值。此外，在许多实际应用中，一个点集（PS）通常仅涵盖另一个PS的部分区域。因此，大多数现有的注册算法无法保证理论融合。本文介绍了一种新颖，健壮和准确的三维（3D）刚性点集（PSR）方法，该方法是通过将最先进的（SOTA）贝叶斯相干点漂移（BCPD）理论推广到场景中来实现的，以使高维点集（PSS）位于AniSAlIniSAIS噪声中。高维点集通常由位置向量和正常向量组成。一方面，使用正常向量，提出的方法对噪声和离群值更为强大，并且可以更准确地找到点对应关系。另一方面，将注册纳入BCPD框架将保证该算法的理论收敛。我们在本文中的贡献是三倍。首先，将两个一般PS与正常向量对齐的问题纳入了变异的贝叶斯推理框架中，该框架可以通过概括BCPD方法来解决，同时考虑了各向异性位置噪声。第二，算法迭代期间的更新参数以封闭形式或迭代解决方案给出。第三，进行了广泛的实验，以验证提出的方法及其对BCPD的显着改进。
ABCD 研究中 n-Back 任务的计算建模：漂移扩散模型参数与精神障碍和心脏代谢疾病多基因评分的关联
摘要背景：认知功能障碍在精神障碍中很常见，是儿童期的一个潜在风险因素。儿童期认知功能与精神障碍多基因风险之间的关联性质和程度尚不清楚。我们应用计算模型来深入了解儿童期决策和工作记忆背后的机制过程及其与精神障碍和合并心脏代谢疾病的多基因风险评分 (PRS) 的关联。方法：我们使用漂移扩散模型推断青少年大脑认知发展 (ABCD) 研究中 3707 名 9 至 10 岁儿童在 n-back 任务期间决策和工作记忆背后的潜在计算过程。估计了基于单核苷酸多态性的认知表型的遗传性，包括计算参数、聚合 n-back 任务表现和神经认知评估。计算了阿尔茨海默病、躁郁症、冠状动脉疾病 (CAD)、重度抑郁症、强迫症、精神分裂症和 2 型糖尿病的 PRS。结果：认知表型的遗传度估计值为 12% 至 38%。贝叶斯混合模型显示，证据积累速度越慢，CAD 和精神分裂症的 PRS 越高。非决策时间越长，阿尔茨海默病的 PRS 越高，而 CAD 的 PRS 越低。决策阈值越窄，CAD 的 PRS 越高。负荷依赖性对非决策时间和决策阈值的影响分别与阿尔茨海默病和 CAD 的 PRS 相关。总体神经认知测试评分与任何精神或心脏代谢表型的 PRS 均无关。结论：我们发现计算认知过程与精神疾病和心脏代谢疾病的遗传风险之间存在明显的关联，这可能代表儿童认知风险因素。