XiaoMi-AI文件搜索系统
World File Search SystemFGES
招聘
-------------------------------------- 背景 管理、经济与科学学院 (FGES) 正在招聘一名计算机科学讲师研究员，签订一份永久合同，作为尽快填补职位的一部分。 FGES 提供 10 个执照、13 个硕士和专业执照，涉及科学、管理、会计和经济学领域，以及双课程的 CUPGE 课程。该校每年招收 2,400 名学生。学生支持（积极教学、学生生活、个人发展和专业化）和国际化是大学更广泛使命的一部分，即培养能够适应、创新并成为积极和负责任的公民的专业人士。通过教学、研究和学习传播科学文化和向社会经济界开放也是我们的优先任务。 FGES 研究部门致力于广义的智慧和可持续城市，包括四个主要轴线：能源效率挑战、组织和财务外标准、数字化转型以及可持续城市和生物多样性。它汇集了约三十名成员。里尔天主教大学是一所多学科大学，拥有 40,000 名学生，下设 5 个学院（法学、文学与人文科学、医学与助产、管理、经济学与科学、神学），20 个学院和研究所，包括医学院和准医学院、社会学院、高等管理学院，一个医院集团，以及近 50 个研究团队，共有 650 名教师研究员。
通过合并贝叶斯网络
我们介绍了基于快速贪婪的等效搜索算法，通过合并本地学到的贝叶斯网络来学习基因调节网络的结构的新方法，用于学习基因调节网络的结构。该方法在Matthews相关系数方面与艺术的状态具有竞争力，该系数既考虑到精度和召回率，同时也可以在速度方面进行改进，扩展到数万个变量，并能够使用有关基因调节网络拓扑结构的经验知识。为了展示我们的方法扩展到大规模网络的能力，我们使用来自不同大脑结构的样本（来自艾伦人脑大脑图书馆）的数据来学习全人类基因组的基因调节网络。此外，这种贝叶斯网络模型应以专家的清晰度来预测基因之间的相互作用，遵循当前可解释的人工智能的趋势。为了实现这一目标，我们还提出了一种新的开放式可视化工具，该工具促进了大规模网络的探索，并可以帮助寻找感兴趣的体验测试节点。
基于fMRI和DTI数据的大脑有效连接组
神经科学研究旨在找到准确可靠的大脑有效连接组（EC）。尽管当前的EC发现方法有助于我们对大脑组织的理解，但它们的性能受到fMRI数据的短样本量和差的时间分辨率的严重限制，以及大脑连接组的高维度。通过利用DTI数据作为先验知识，我们介绍了两个贝叶斯因果发现框架 - 贝叶斯魔像（BGOLEM）和贝叶斯FGES（BFGES）方法 - 这些方法可显着准确，更可靠的EC，并解决现有的Causal Discovery方法仅基于FMRI数据的现有Causal Discovery方法的缺点。此外，要使用我们的经验数据方法来评估EC的准确性的提高，我们将伪发现率（PFDR）引入了大脑中因果发现的新计算准确度量。通过一系列关于合成和杂种数据的模拟研究（将人类连接组项目（HCP）受试者和合成fMRI的DTI结合在一起），我们证明了我们提出的方法的有效性以及引入度量指标在发现EC中的可靠性。通过采用PFDR指标，我们表明，与传统方法相比，当应用于人类连接项目（HCP）数据时，我们的贝叶斯方法可显着准确。另外，我们使用Rogers-Tanimoto索引进行重新测试数据来衡量发现EC的可重复性，并表明我们的贝叶斯方法提供了比传统方法更可靠的EC。总体而言，我们的研究的数值和视觉结果突出了这些框架可显着提高我们对大脑功能的理解的潜力。