XiaoMi-AI文件搜索系统
World File Search SystemJak
简历 - Jake Xuereb
两年来，我有机会和其他本科生一起访问学校，尝试传达我们为什么如此热爱物理以及物理的真正含义。在这些环境中，我通常会与学生讨论物体颜色的来源，并以此为跳板，让他们思考为什么天空是蓝色的。{ 为《马耳他时报》撰写了一篇题为《信息很热门》的文章，介绍了熵的双重性质，还撰写了一篇较短的文章，阐述了我认为建造传送器在物理上不可能的原因，发表于 2021 年 8 月 8 日。您可以在此处阅读这些文章。{ 为《马耳他时报》撰写了一篇题为《什么是量子？》的文章，发表于 2019 年 11 月 17 日。您可以在此处阅读这篇文章。{ 我喜欢在 Twitter 上撰写有关我的研究和我在量子信息领域思考的事情的帖子，并附上我制作的一些图画和草图。您可以在 @curlyqubit 上找到这些。
原创研究雅加达都市穆斯林高中学生接受 COVID-19 疫苗接种的相关因素包括
目的：本研究旨在确定与印度尼西亚雅加达穆斯林高中生接种 COVID-19 疫苗和接种 COVID-19 疫苗意愿相关的因素。患者和方法：对高中生进行了一项使用在线调查的横断面研究。本研究的对象是生活和学习在雅加达大都会地区的穆斯林中学 11 年级和 12 年级学生。使用非概率抽样共选择了 440 个样本。在本研究中，自变量是从 HBM 和 TPB 理论中得出的与疫苗接种行为相关的因素，而因变量是疫苗接种率和疫苗接种意愿。使用卡方和 Mann-Whitney 检验确定了与因变量相关的因素。结果：大约 65% 的受访者接种了 COVID-19 疫苗，72% 的未接种 COVID-19 疫苗的人有接种疫苗的意愿。一些行为模型变量，如感知易感性得分、感知严重性得分、感知益处得分、感知障碍得分、自我效能得分、态度得分和社会规范得分与高中生接种 COVID-19 疫苗显著相关。此外，所有行为模型变量，即感知易感性得分、感知严重性得分、感知益处得分、感知障碍得分、行动线索得分、自我效能得分、态度得分、社会规范得分和感知行为控制得分均与接种疫苗的意愿显著相关。结论：学生的疫苗接种可以在更实惠的地方进行，例如在学校。此外，应持续努力提高学生对疫苗有效性和安全性以及 COVID-19 危险性的认识。关键词：青少年、COVID-19 疫苗接种、健康信念模型、计划行为理论、发展中国家
经典与战略 Jakub Grygiel
本书的统一主题是，经典著作——无论是罗马历史学家塔西佗还是希腊悲剧作家埃斯库罗斯的著作——都为我们提供了重要的、甚至是不同寻常的战略见解。它们当然没有提供可以应用于我们现在面临的特定安全问题的现成战略。圭恰尔迪尼或孟德斯鸠对如何控制中华人民共和国或采取何种姿态来阻止普京的新帝国主义俄罗斯计划只字未提。所有这些古代作家都关心他们自己时代的环境，并受到那些带领他们的政体走向成功和毁灭的伟人的独特性格的影响。即使他们可能希望他们所写的文字能像修昔底德所说的那样永远被人们拥有，但他们受到人类思维的限制，无法预见未来，当然也无法为后人提供行动计划。也就是说，大多数作家都是他们时代的孩子，而不是未来的先知。
开发新的临床检查量表，以测量克鲁特兹菲尔德杰科布疾病
抽象的目标是使用强大的统计方法来开发和验证临床评级量表，以量化床边散发性creutzfeldt-jakob病（SCJD）的纵向运动和认知功能障碍。方法Rasch分析用于迭代构造间隔量表，以测量从2008年10月至2016年10月至12月的前瞻性国家Prion监测同伙研究中收集的合并床旁神经认知检查的复合认知和运动功能障碍。由528例SCJD患者构建的纵向临床检查数据集，包括1030运动量表和757个认知量表，超过130名患者 - 研究年份，用于证明量表效用。结果Rasch衍生的运动量表由8个项目组成，包括依赖于金字塔，锥体外和小脑系统的评估。认知量表包括6个项目，包括执行功能，语言，视觉感知和记忆的度量。两个量表都是一维的，独立于年龄或性别，并且具有良好的间可靠性。，它们可以在床边的几分钟内完成，作为正常神经认知检查的一部分。可以通过平均两个分数来得出综合考试量表。在测量纵向变化，预后和表型异质性方面进行了几种量表用途。结论这两个新型的SCJD运动和认知量表以及综合检查量表应被证明可用于客观地测量未来临床试验的表型和临床变化以及患者分层。这种统计方法可以有助于克服评估迅速进行性的多系统条件的临床变化的障碍，并且纵向随访有限。
这是：Hohol，M。（2021）的证明版本。认知科学：一种跨学科的思维和认知方法。在B.Bro附，M。Jakubiec，
尽管对精神的计算代表性方法和感知和行动之间的认知态度受到了挑战（例如，参见Chemero，2009年），但它们是所谓认知科学早期阶段的特征（Henceforth，Cog-Sci）。cogsci通常被描述为跨学科企业，旨在了解思维的工作原理。在本章中，我将通过跟踪和追踪其历史来关注Cogsci的跨学科性。一开始，我将概述自1950年代至1980年代COGSCI黎明以来的各个学科的合作（这一时期通常称为Classic Cogsci）。十，我将仔细研究Cogsci跨学科的一些新面孔。将通过经典COGSCI中的计算机模拟和最近对认知隐喻的搜索进行计算机模拟的情况来说明。最后，我将描述与思维和认知跨学科研究有关的最近争议。
雅加达的其他沿海城市的课程
1关于影响适应性的软因素的软化因素，例如心理学，行为，文化，对风险的理解，如何构成风险，愿意为生态系统服务付费，参与计划。2的政策和法律分析论文，重点是机构分析，国家政策，风险管理的法律框架，减少脆弱性和适应性3硬适应文件，这些文件专门研究诸如大加鲁达项目，雨水收获的基础设施，岩石收获，polder，dikes and dike and洪水障碍，堤防和河流改道等艰难的身体适应措施。4洪水模型和洪水映射论文，这些论文呈现定量降水模型，沉降模型，洪水损失估算模型，城市排水模型，洪水成本分析，城市扩张及其影响，海平面上升模型，基于社区的洪水风险映射，海岸线撤退模型。5土地使用（变化）对洪水的影响
捕获离子的强耦合量子逻辑 - Jake Lishman
纠缠量子门是量子信息处理的核心元素。经过几十年的实验，这种门已经在几种物理系统中成功实现，包括囚禁离子[1-3]、超导电路[4]、量子点[5]和NV中心[6]。经过一段时间的原理验证实验，该领域现在需要具有极高保真度的快速量子门，以便下一步实现性能超越传统设备的硬件。最先进的平台包括囚禁离子[7,8]。由于离子因库仑排斥而在空间上分离，因此定义量子比特的电子自由度之间没有明显的直接相互作用，需要设计通过集体运动模式介导的有效相互作用才能实现纠缠门。该机制涉及运动状态的改变[9]，这对于门的实现绝对必要。但同样重要的是，电子模式和运动模式在门时间变得不相关，否则将导致不相干的门操作。有各种各样用电磁场驱动离子的方案 [ 10 – 13 ]，这些方案在低温下在弱离子运动相互作用的 Lamb-Dicke 区域中实现这一点，运动模式也是如此。对于目前在 Lamb-Dicke 区域中采用的大多数纠缠门，相对简单的驱动方案会导致门操作很大程度上独立于初始运动状态。尽管如此，局限于 Lamb-Dicke 区域也带来了一些挑战。保持离子运动接近量子力学基态的必要性对冷却提出了严格的要求；在冷却循环之间只能执行有限数量的门，这减少了在相干时间内可以执行的门数量。由于相互作用较弱，实现快速门需要强激光驱动，从而产生诸如交流斯塔克位移和非共振激发等不利影响，从而降低门保真度 [14]。即使在完全冷却的运动和弱相互作用下，
学术共享引文 学术共享引文 Teixeira, FP、Higa, FM、Jakabi, RM 和 Riberiro, RM (2020)。COVID 19 对孔戈尼亚斯机场 (CGH) 飞机地面时间的影响。, ()。取自 https://commons.erau.edu/brazil-graduate-works/13
此 Capstone 由 WW Campus for Central & South America 在 Scholarly Commons 免费开放供您使用。它已被 Scholarly Commons 的授权管理员接受并纳入研究生作品。如需更多信息，请联系 commons@erau.edu。
引用本文：Jakub Olczak、John Pavlopoulos、Jasper Prijs、Frank F A Ijpma、Job N Doornberg、Claes Lundström、Joel Hedlund 和 Max Gordon (2021)：向临床医生和医疗保健利益相关者介绍人工智能、深度学习和机器学习研究：带有指南和临床人工智能研究 (CAIR) 清单提案的入门参考，Acta Orthopaedica，DOI：10.1080/17453674.2021.1918389
机器学习 (ML)、深度学习 (DL) 和人工智能 (AI) 在骨科和其他医学领域变得越来越普遍。人工智能于 1955 年被定义为“制造智能机器的科学与工程”，其中智能是“学习并执行适当技术以解决问题和实现目标的能力，适合不确定、不断变化的世界中的情况”（Manning 2020）。机器学习意味着从数据中学习而不是遵循明确规则的模型和算法。深度学习 (DL) 是一种使用大型多层人工神经网络的 ML 形式。神经网络是受生物网络影响的信息处理计算算法。它们由多层进行通信的“神经元”组成。通过训练神经元如何通信，可以产生解决特定问题的相互作用。DL 是目前最成功和最通用的 ML 方法（Michie 等人1994 年，Manning 2020 年）。计算硬件方面的最新技术突破（如专用图形处理器 [GPU] 和云