XiaoMi-AI文件搜索系统
World File Search SystemHerrera
Martinez，Micaela Oriana和Herrera，MaríaInés（2021）。环境富集在神经发育中的心理生物学影响。 的方法
总结遗传与环境之间的相互作用显着影响神经发育。 div>这个过程意味着神经系统的成熟，并在一生中延伸。 div>自从心理生物学，实验和临床研究以来，他们一直集中在整个神经发育过程中环境富集的保护作用上。 div>环境富集是基于身体，感觉，认知和社会刺激的动物住宿范式。 div>表明，在早期和高级时代，它有利于神经可塑性，学习和记忆。 div>根据生命周期理论，发展在生命的头几年并不达到顶点。 div>然后，该理论为理解神经发育中环境富集的心理生物学影响提供了广泛的了解。 div>
建议引用：Duch-Brown, Néstor；Gomez-Herrera, Estrella；Müller-Langer, Frank； Tolan, Songül (2021)：市场力量和人工智能对在线劳动力市场的影响，布鲁盖尔工作论文，第 14/2021 号，布鲁盖尔，布鲁塞尔
我们调查了欧洲最大的在线劳动力市场 (OLM) 之一的三个替代但互补的市场力量指标：(1) 劳动力需求弹性、(2) 劳动力供应弹性和 (3) 市场份额集中度。我们探讨了这些指标与平台政策的外生变化之间的关系。在观察期的中期，平台强制雇主表明他们愿意支付的费率，该费率由执行项目所需的经验水平决定：入门级、中级或专家级。我们发现正的劳动力供应弹性介于 0.06 和 0.15 之间，对于专家级项目来说更高。我们还发现，政策变化后，劳动力需求弹性增加，而劳动力供应弹性下降。基于此，我们认为市场设计平台提供商可以通过为平台设定的条款和条件来影响 OLM 的劳动力需求和供应弹性。我们还探讨了所研究的 OLM 对人工智能相关劳动力的需求和供应。我们提供证据表明，与其他类型的劳动力相比，对人工智能相关劳动力的需求明显更高（从 +1.4% 到 +4.1% 不等），而对人工智能相关劳动力的供应明显更低（从 -6.8% 到 -1.6% 不等）。我们还发现，人工智能项目工人的工资比非人工智能项目工人高 3.0% 到 3.2%。
版权所有 2024 作者在 Creative Commons CC-BY 4.0 OPEN ACCESS 下引用为：Herrera J. (2024)。通过以下方式增强电子政务主动服务
公民对数字世界的态度使公共部门能够提供跨越传统公民与政府关系边界的服务。预测消费者需求、培养更令人满意的关系和缩短解决时间是电子公共部门服务新时代的一些目标。我们编制了一套简明的主动系统来说明和分析这些选项。本文重点分析大数据和数字孪生在公共行政中作为提供主动服务 (PAS) 的工具的关键作用。政府行政部门通常会考虑使用颠覆性技术来增强旨在改善与公民关系的服务。本文探讨了使用创新技术来增加公共行政中可用的主动服务 (主动公共服务 - PPS) 的数量、它们面临的挑战以及出现的技术限制。思维方式的改变是必要的。引用一位杰出的美国总统在就职演说中的话：“不要问公民能为政府做些什么——要问政府能为公民做些什么。”
Julianne Beirute-Herrera，BeatrizLópez-Amo Calvo，Frank Edenhofer和Christopher Esk*人类体外脑模型中遗传筛查的希望
摘要：体外培养模型的进步允许对人类神经生物学的前所未有的见解。同时，遗传筛查已成熟成坚固且可获得的实验策略，允许同时研究许多基因。两种技术的组合是神经科学家的新兴工具，为识别因果细胞和组织特异性发育和疾病机制打开了大门。然而，随着综合实验遗传筛查的设置，在数据解释和经验的eCreaseThatrequirea中对个人方法的好处和挑战深度理解。在这篇综述中，我们总结了遗传筛选体外大脑模型的文献，比较实验强度和劣势，并指向这些有前途的方法的未来方向。
Gil Herrera 博士后奖学金
Herrera QIS 研究员。研究提案必须与更广泛的量子信息科学领域相关，涉及以下领域：算法和应用；量子设备的基准测试、特性描述和优化；新型量子比特校准和控制方案；量子设备和噪声建模；以及许多量子比特量子平台的误差缓解技术
Microsoft Word - NACE_Innovation-2021_Summary Description_DEW-Herrera
摘要描述：石油和天然气应用，特别是钻井应用的要求不断增加。新的钻井技术需要能够满足机械、磁性和腐蚀性能方面的挑战性要求的材料。新的油气田在海底更深的深度进行勘探，为了进行这些勘探，应该开发新材料。这些新材料必须表现出高强度，屈服强度高于 1035 MPa (150 ksi)，并且在钻井液高温和盐度结合的恶劣环境中具有出色的腐蚀性能。德国 Edelstahlwerke 开发了一种满足钻井应用苛刻要求的新材料解决方案。新开发的无磁性高间隙 (FeCrMnMo(C+N)) 奥氏体不锈钢采用感应炉中的传统炼钢工艺、随后的电渣重熔和热加工生产。这种新型 FeCrMnMo-HIS 具有强度高、韧性好、耐腐蚀性能强等特点。固溶退火后，该材料完全为奥氏体，伸长率高于 60%，屈服强度和极限强度分别为 600 MPa (87 ksi) 和 980 MPa (142 ksi)，冲击能量高，高于 350 J (> 258 ft-lbs)。FeCrMnMo-HIS 钢未经敏化处理，未发生晶间腐蚀，在室温下氯化铁溶液中测试 72 小时后未失重，且具有较高的点蚀潜力。临界点蚀温度为 35 °C (95 °F)。此外，HI-Steel 在 108 °C (226 °F) 的饱和 NaCl 中具有抗应力腐蚀开裂性。出色的机械性能、氯化物环境中的良好耐腐蚀性以及经济高效的生产使新型高间隙 (C+N) 非磁性奥氏体不锈钢成为石油和天然气应用非常有前途的合金。1.创新是什么？开发了一种新型非磁性高间隙 (FeCrMnMo(C+N)) 奥氏体不锈钢。出色的机械性能、氯化物环境中的良好耐腐蚀性以及经济高效的生产使新型高间隙 (C+N) 非磁性奥氏体不锈钢成为石油和天然气应用非常有前途的合金。2.这项创新是如何实现的？%)。该钢采用传统炼钢工艺生产。这项工作于 2017 年开始，目前仍在进行中。开发了一种新型非磁性高间隙（FeCrMnMo（C+N））奥氏体不锈钢，其名义成分为 Fe-18Cr-18Mn-2Mo-1（C+N）（wt.它在固溶退火条件下具有良好的伸长率、强度和冲击能量组合。抗点蚀当量数 (PREN) 高于 35。高间隙（HI）钢在不同环境下表现出良好的抗应力腐蚀开裂和点蚀性能。新型高间隙 FeCrMnMo 奥氏体不锈钢是一种非常有前途的牌号，适用于石油和天然气工业，因为其机械强度高于 1000 MPa（145 Ksi）且具有良好的腐蚀性能。3.描述腐蚀问题或技术差距激发了创新的发展。创新如何改进现有的方法/技术来解决腐蚀问题或提供新的解决方案来弥补技术差距？
Microsoft Word - NACE_Innovation-2021_Summary Description_DEW-Herrera
摘要描述：石油和天然气应用，特别是钻井应用的要求不断增加。新的钻井技术需要能够满足机械、磁性和腐蚀性能方面的挑战性要求的材料。新的油气田在海底更深的深度进行勘探，为了进行这些勘探，应该开发新材料。这些新材料必须表现出高强度，屈服强度高于 1035 MPa (150 ksi)，并且在钻井液高温和盐度结合的恶劣环境中具有出色的腐蚀性能。德国 Edelstahlwerke 开发了一种满足钻井应用苛刻要求的新材料解决方案。新开发的无磁性高间隙 (FeCrMnMo(C+N)) 奥氏体不锈钢采用感应炉中的传统炼钢工艺、随后的电渣重熔和热加工生产。这种新型 FeCrMnMo-HIS 具有强度高、韧性好、耐腐蚀性能强等特点。固溶退火后，该材料完全为奥氏体，伸长率高于 60%，屈服强度和极限强度分别为 600 MPa (87 ksi) 和 980 MPa (142 ksi)，冲击能量高，高于 350 J (> 258 ft-lbs)。FeCrMnMo-HIS 钢未经敏化处理，未发生晶间腐蚀，在室温下氯化铁溶液中测试 72 小时后未失重，且具有较高的点蚀潜力。临界点蚀温度为 35 °C (95 °F)。此外，HI-Steel 在 108 °C (226 °F) 的饱和 NaCl 中具有抗应力腐蚀开裂性。出色的机械性能、氯化物环境中的良好耐腐蚀性以及经济高效的生产使新型高间隙 (C+N) 非磁性奥氏体不锈钢成为石油和天然气应用非常有前途的合金。1.创新是什么？开发了一种新型非磁性高间隙 (FeCrMnMo(C+N)) 奥氏体不锈钢。出色的机械性能、氯化物环境中的良好耐腐蚀性以及经济高效的生产使新型高间隙 (C+N) 非磁性奥氏体不锈钢成为石油和天然气应用非常有前途的合金。2.这项创新是如何实现的？%)。该钢采用传统炼钢工艺生产。这项工作于 2017 年开始，目前仍在进行中。开发了一种新型非磁性高间隙（FeCrMnMo（C+N））奥氏体不锈钢，其名义成分为 Fe-18Cr-18Mn-2Mo-1（C+N）（wt.它在固溶退火条件下具有良好的伸长率、强度和冲击能量组合。抗点蚀当量数 (PREN) 高于 35。高间隙（HI）钢在不同环境下表现出良好的抗应力腐蚀开裂和点蚀性能。新型高间隙 FeCrMnMo 奥氏体不锈钢是一种非常有前途的牌号，适用于石油和天然气工业，因为其机械强度高于 1000 MPa（145 Ksi）且具有良好的腐蚀性能。3.描述腐蚀问题或技术差距激发了创新的发展。创新如何改进现有的方法/技术来解决腐蚀问题或提供新的解决方案来弥补技术差距？
引用Verson的引用：Gorri，JM，Ramirez，J，Ortíz，A，Martínez-Murcia，FJ，Segovia，F，Suckling，J，Leming，M，Zhang，Y，Álvarez-Sánchez，Jr RJ，A，Fernández-Jover和，GómezVilda，P，Graña，M，Merrera，F，Iglesias，R，Lekova，A，J，J，J，J，J，J，J，J，J，J，J，J，J，J，J，J，J，J，J，La Paz pinninghoff，MA，MA，MA，Rincón，M，Rincón，Rincón Z，JM 2020，“自然和人工计算中的人工互动：数据科学的进步，趋势和应用程序”，《神经典型》，第1卷。 410，页237-270。 https://doi.org/10.1016/j.neucom.2020.05.078
引用Verson的引用：Gorri，JM，Ramirez，J，Ortíz，A，Martínez-Murcia，FJ，Segovia，F，Suckling，J，Leming，M，Zhang，Y，Álvarez-Sánchez，Jr RJ，A，Fernández-Jover和，GómezVilda，P，Graña，M，Merrera，F，Iglesias，R，Lekova，A，J，J，J，J，J，J，J，J，J，J，J，J，J，J，J，J，J，J，J，La Paz pinninghoff，MA，MA，MA，Rincón，M，Rincón，Rincón Z，JM 2020，“自然和人工计算中的人工互动：数据科学的进步，趋势和应用程序”，《神经典型》，第1卷。 410，页237-270。 https://doi.org/10.1016/j.neucom.2020.05.078
通过人工智能技术预测学业成绩 Omar D. Castrillón、William Sarache 和 Santiago Ruiz-Herrera 哥伦比亚国立大学 - 马尼萨莱斯校区，工程与建筑学院，工业工程系，创新与技术发展组，Q 区拉努比亚校区，马尼萨莱斯，170001 - 哥伦比亚。 （电子邮件：odcastrillong@unal.edu.co；wasarachec@unal.edu.co；sruizhe@unal.edu.co） 五月收到。 9，2019； 2019 年 7 月 8 日接受；最终版本 2019 年 8 月 12 日，2020 年 2 月发布 摘要 本文的目的是利用人工智能技术（分类器）根据各种影响因素预测高等教育学生的学业成绩。尽管对这些因素的研究已从定量和定性方法进行了广泛的分析，但仍然提供了使用人工智能提供的工具进行研究的机会，特别是在预测学业成绩方面。通过定义的因素（教育、家庭、社会经济、习惯和风俗等），设计了一种方法，可以训练一个系统，该系统能够预先将新生分类到五个预定的学业成绩类别之一中。这种分类可以让教育机构提前识别出可能存在学业成绩问题的学生。由此，可以部署立即的支持和缓解行动。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键词：学业成绩；人工智能;分类器；成功；使用人工智能技术预测学业成绩摘要本文的目的是通过应用人工智能技术（分类器）来预测高等教育学生的学业成绩，考虑几个影响因素。尽管这些因素已从定量和定性方法进行了广泛的分析，但它们仍然代表了使用人工智能工具的研究机会，特别是在学业成绩预测方面。通过定义影响因素（教育、家庭背景、社会经济、习惯和风俗等），设计了一种方法，以训练一个系统，该系统能够预先将新生分类为五个学业成绩类别之一。这种分类使教育机构能够尽早发现可能存在学业成绩问题的学生。根据这些了解，该机构可以立即采取缓解措施。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键字：学业成绩；人工智能；分类器；成功；预测
通过人工智能技术预测学业成绩 Omar D. Castrillón、William Sarache 和 Santiago Ruiz-Herrera 哥伦比亚国立大学 - 马尼萨莱斯校区，工程与建筑学院，工业工程系，创新与技术发展组，Q 区拉努比亚校区，马尼萨莱斯，170001 - 哥伦比亚。 （电子邮件：odcastrillong@unal.edu.co；wasarachec@unal.edu.co；sruizhe@unal.edu.co） 五月收到。 9，2019； 2019 年 7 月 8 日接受；最终版本 2019 年 8 月 12 日，2020 年 2 月发布 摘要 本文的目的是利用人工智能技术（分类器）根据各种影响因素预测高等教育学生的学业成绩。尽管对这些因素的研究已从定量和定性方法进行了广泛的分析，但仍然提供了使用人工智能提供的工具进行研究的机会，特别是在预测学业成绩方面。通过定义的因素（教育、家庭、社会经济、习惯和风俗等），设计了一种方法，可以训练一个系统，该系统能够预先将新生分类到五个预定的学业成绩类别之一中。这种分类可以让教育机构提前识别出可能存在学业成绩问题的学生。由此，可以部署立即的支持和缓解行动。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键词：学业成绩；人工智能;分类器；成功；使用人工智能技术预测学业成绩摘要本文的目的是通过应用人工智能技术（分类器）来预测高等教育学生的学业成绩，考虑几个影响因素。尽管这些因素已从定量和定性方法进行了广泛的分析，但它们仍然代表了使用人工智能工具的研究机会，特别是在学业成绩预测方面。通过定义影响因素（教育、家庭背景、社会经济、习惯和风俗等），设计了一种方法，以训练一个系统，该系统能够预先将新生分类为五个学业成绩类别之一。这种分类使教育机构能够尽早发现可能存在学业成绩问题的学生。根据这些了解，该机构可以立即采取缓解措施。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键字：学业成绩；人工智能；分类器；成功；预测