XiaoMi-AI文件搜索系统
World File Search SystemEnhancing
通过时间感知的追索性增强公平性
摘要算法求程（AR）通过提供可行的建议来解决自动决策中的不利结果。但是，当前的最新方法忽略了特征的相互依赖性，并且不考虑时间维度。为了填补这一空白，时间卡是一种整合时间信息的开创性方法。基于这种表述，这项工作调查了公平的背景，特别关注对边缘化人群群体的影响。由于漫长的等待时间会极大地影响社区的财务，教育和个人生活，探索与时间相关的因素如何影响这些群体的公平待遇对于建议潜在的解决方案以减少对少数人口的负面影响至关重要。我们的发现为对个人需求敏感的更公平的AR技术奠定了基础，最终提出了更公平的建议。
增强图书馆和信息中心：数字时代的文本和图像识别的有效方法
Osunkentan，Oladotun Ayowumi和Morakinyo，Peace Caleb，“增强图书馆和信息中心：数字时代的文本和图像识别的有效方法”（2024年）。 图书馆哲学和实践（电子杂志）。 8193。https://digitalcommons.unl.edu/libphilprac/8193Osunkentan，Oladotun Ayowumi和Morakinyo，Peace Caleb，“增强图书馆和信息中心：数字时代的文本和图像识别的有效方法”（2024年）。图书馆哲学和实践（电子杂志）。8193。https://digitalcommons.unl.edu/libphilprac/8193
提高农业生产力和可持续性
农业的数字公共基础设施（DPIA）将农场咨询，信贷服务和市场联系集成为单个数字生态系统。Agristack，E-NAM和ONDC集成等平台正在提高价格发现和供应链效率。e-nam已将17.8亿农民和26.2万贸易商联系起来。此外，印度目前拥有3,000多家Agritech初创公司的所在地，其中1,300多种使用新兴和破坏性技术（EDTS）增强农业信贷和财务包容性：通过增强的Kisan信用卡（KCC）限制，优先级贷款，优先型贷款和利益率，以及利益率贷款，以及利益率贷款，优先级和利益子ventive conses，获得了负担得起的信贷。
增强NOSZ活性以减少生物废水处理系统的N2O排放
一氧化二氮（N 2 O）从废水处理厂的排放量，具有变暖的潜力为12 298倍，这是CO 2的降低，对降低其碳足迹构成了重大挑战。当前的13个缓解策略着重于限制氮化和反硝化过程中的n 2 o形成14，但忽略了微生物还原机制。这项研究研究了15种增强一氧化二氮还原酶（NOSZ）活性的潜力，以降低N 2 O至N 2。我们假设16个战略氧操作可以通过连续的NOSZ表达17增强n 2 O的破坏，并在具有优质NOSZ功能的微生物中实现NOSZ激活。我们使用宏基因组学和19种元蛋白质组学评估18个微生物群落功能和代谢调节，以阐明间歇性曝气方案对N 2 O排放的影响。20与周期性缺氧暴露的间歇性充气通过增强菌只菌的代谢活性，从而显着降低了N 2 O的排放，并清除21 71％的氮。nosz 22的活性在系统适应氧气调节后增加了4至6.5倍，将23次与没有缺氧相的连续氧氧化循环相比。后者导致24 N 2 O排放量增加，这是由于NOSZ活性抑制的25甲基杆菌的产生，而N 2 O的产生增加，该甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基的排放量增加了。我们的发现，26个战略氧气操纵可以为N 2 O的破坏提供能量，为27种开发下一代废水处理技术奠定了基础，以减轻N 2 O排放。28
胸腔手术后增强四倍的健康结果：可行性飞行员使用数字家庭监控
背景：出院后的手术恢复通常给患者和看护人带来挑战。术后并发症和在家管理不良的疼痛可能会导致对急诊科（ED）的意外访问和去医院的再入院。数字家庭监控（DHM）可以改善术后护理。目的：与标准护理相比，我们进行了一项随机对照试验（RCT）的可行性研究，以评估胸外科手术后的DHM有效性。方法：我们在单个三级护理中心进行了2臂平行组飞行员RCT。接受胸腔手术程序的成年患者被随机分为2组：DHM组和护理标准（对照组）。我们遵守了意向性治疗分析原则。主要结果是预先确定的RCT可行性标准。如果超过75％的试验募集，协议依从性和数据收集，则该试验将是可行的。次要结果包括30天的ED访问率，30天的再入院率，术后并发症，住院时间长度，30天阿片类药物消费量，30天的恢复质量，患者培训质量满意度，照料者满意度，医疗保健提供者满意度以及每例案例成本。结果：满足所有RCT可行性标准。试验招聘率为87.9％（95％CI 79.4％-93.8％）。协议依从性和结果数据收集率分别为96.3％（95％CI 89.4％-99.2％）和98.7％（95％CI 92.9％-99.9％）。总共有80名患者被随机分配，DHM组为40例（50％），对照组40例（50％）。基线患者和临床特征在两组之间是可比的。The DHM group had fewer unplanned ED visits (2.7% vs 20.5%; P =.02), fewer unplanned admission rates (0% vs 7.6%; P =.24), lower rates of postoperative complications (20% vs 47.5%, P =.01) shorter hospital stays (4.0 vs 6.9 days; P =.05), but more opioid consumption （111.6，SD 110.9）vs 74.3，SD 71.9 mg吗啡等效物；与对照组相比，p = .08）。DHM also resulted in shorter ED visit times (130, SD 0 vs 1048, SD 1093 minutes; P =.48) and lower cost per case (CAD $12,145 [US $ 8436.34], SD CAD $8779 [US $ 6098.20] vs CAD $17,247 [US $11,980.37], SD
在低成本富硅支持上移植的氧化石墨烯膜的稳定性和性能：两种激活方法的比较研究
Youness Kouzi，Zakarya Chafiq Elidrissi，Brahim Achiou，Dounia Beqqour，Saad Alami Younssi等。在低成本富硅的支持上增强了氧化石墨烯氧化石化膜的稳定性和性能：两种激活方法的比较研究。过程安全与环境保护，2024，188，第1574-1583页。10.1016/j.psep.2024.06.015。hal-04646077
hgcpep：一种基于超图的深度学习模型，用于增强癌症相关的NCPEP识别中肽特征的表示
预印本（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此版本的版权持有人于2025年2月17日发布。 https://doi.org/10.1101/2025.02.13.637760 doi：Biorxiv Preprint
增强虚拟现实中的体重感知
摘要这项研究通过一种称为伪热的方法来研究虚拟现实中的体重感知，而没有来自现实世界的动力学反馈。这个虚幻的模型重点介绍了视觉输入和躯体形式反馈的解离，并试图通过操纵视觉输入来诱导VR用户中虚拟对象的负载的感觉。为此，可以对控制显示比（即手臂的真实和虚拟运动之间）进行修改，也可以用于对虚拟对象的位置产生视觉幻觉效果。因此，VR用户将其视为对象位移中的速度变化，从而帮助他们获得更好的虚拟权重感觉。本文的主要贡献是开发一种新颖的整体评估方法，该方法可以衡量虚拟现实环境中存在感，尤其是当参与者提高虚拟对象并体验其体重时。我们的研究研究了虚拟对象重量对参与者向上臂运动的运动学参数和速度曲线的影响，以及使用真实权重进行的平行实验。通过将真实对象与虚拟对象进行比较，可以深入了解参与者手臂运动中观察到的运动学特征的变化。此外，还进行了利用Borg CR10问卷的主观测量，以评估参与者对手部疲劳的看法。这种发现中的这种一致性强调了伪热反馈在模拟虚拟环境中逼真的体重感觉中的功效。对收集的数据（包括主观和客观测量）的分析得出的结论是，参与者在两个虚拟对象任务期间都经历了类似的疲劳感觉和手动运动学的变化，这是由伪热的反馈和实际举重提升任务产生的。
作者校正：通过加强学习和智能合约集成来增强可再生能源证书交易
Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的，该许可允许以任何媒介或格式使用，共享，适应，分发和复制，只要您对原始作者和来源提供适当的信誉，请提供与创意共享许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http://creativecommons.org/licenses/4.0/。
通过直接Q功能优化增强语言模型的多步推理能力
强化学习（RL）在使大语言模型（LLMS）与人类偏好相结合并提高其执行复杂任务的能力方面起着至关重要的作用。但是，由于使用多种模型和大量的在线抽样培训（例如PPO），当前的方法要么需要大量的计算资源（例如，PPO），要么被用作匪徒问题（例如，DPO，DRO），通常在多步理学任务中挣扎，例如数学问题和复杂的推理，涉及较长的思想链条。为了克服这些局限性，我们引入了直接的Q-功能优化（DQO），该优化将响应生成过程作为马尔可夫决策过程（MDP），并利用软actor-Critic（SAC）框架来优化语言模型直接参数参数的Q函数。DQO的MDP公式提供了比基于匪徒的方法的结构优势，从而实现了更有效的过程监督。对两个数学解决问题数据集GSM8K和数学的实验结果表明，DQO胜过以前的方法，将其确定为一种有希望的离线强化学习方法，以使语言模型对齐。