XiaoMi-AI文件搜索系统
World File Search SystemJelly
JRSEEK：人工智能符合病毒中的果冻roll折叠分类
jrseek：人工智能在病毒中遇到果冻卷折叠分类，杰森·E·桑切斯（Jason E. Sanchez）1，温汉·朱2（Wenhan Guo 2），丘奇安格李3，林李3 *，chuan xiao 2 * 1计算科学系，德克萨斯大学El Paso，El Paso，El Paso，El Paso，TX 2德克萨斯大学埃尔帕索分校的物理学，德克萨斯州埃尔帕索 *通信：电子邮件：lli5@utep.edu; cxiao@utep.edu关键字病毒；人工智能;机器学习；果冻卷；病毒结构摘要果冻卷（JR）折叠是病毒的衣壳和核蛋白质中发现的最常见的结构基序。其在许多不同病毒家族的动机中的普遍性开发了一种工具来预测其从序列中的存在。在当前的工作中，在六个不同的大语模型（LLM）嵌入训练的逻辑回归（LR）模型在将JR与非JR序列区分开时表现出超过95％的精度。用于训练和测试的数据集包括来自单个JR病毒，非JR病毒和非病毒免疫球蛋白样β-三明治（IGLBS）蛋白的序列，这些蛋白与JR结构上非常相似。鉴于病毒家族之间的低序列相似性和数据集的平衡性质，高精度尤其显着。同样，模型的准确性与LLM嵌入无关，这表明预测病毒JR折叠的峰精度更多地取决于数据质量和数量，而不是使用所使用的特定数学模型。鉴于许多病毒式衣壳和核素结构尚未解决，因此使用基于序列的LLMS是一种有前途的策略，可以轻松地应用于可用数据。Bert-U100嵌入的主成分分析表明，大多数IGLBS序列和JR和非JR序列的一个子集甚至在应用LR模型之前也可以区分，但是LR模型对于区分更歧义序列的子集是必要的。应用于双JR折叠时，BERT-U100模型能够为某些病毒家族分配JR图案，从而提供了该模型可推广性的证据。对于其他家庭而言，没有观察到这种概括性，激发了未来开发以双JR折叠告知的其他模型的需求。最后，BERT-U100模型还能够预测未分类病毒数据集中的序列是否产生JR倍数。给出了两个示例，JR预测由AlphaFold3证实。总的来说，这项工作表明JR折叠可以从其序列中预测。
使用机器学习对土地沉降引起的洪水风险的评估
Centella Asiatica或Gotu Kola作为大脑补充的历史悠久。gotu kola补充剂是作为液体和干提取物出售的，对年轻一代的吸引力较小。果冻糖果是一种替代剂型，在各个时代都有更好的可接受性。然而，在糖果中使用动物衍生的聚合物，例如猪肉明胶，限制了那些从事素食和清真生活方式的人消费。这项研究旨在探索植物性聚合物葡萄糖素和卡帕 - 卡雷甘南（Kappa-Carrageenan），作为制备Gotu Kola果冻糖果的胶凝剂。制备果冻糖果配方是基于单纯形晶格设计设计的。评估果冻糖果的物理特征包括有组织，重量均匀性，水分含量，pH和弹性。评估了制造过程之前和之后的Gotu Kola的抗氧化活性。结果表明，Kappa-Carrageenan的组合1.33％和葡萄糖甘南6.67％是最佳公式。增加比例的Kappa-Carrageenan降低了果冻弹性和水分含量。添加葡萄糖植物的同时改善了其弹性反应，但水分含量增加。评估果冻糖果中Gotu Kola的抗氧化活性表明，Gotu Kola在生产过程后的抗氧化活性显着降低。原油提取物的IC50最初为129.23 ppm，而果冻后糖果制造，IC50增加到197.49 ppm。关键字：抗氧化剂；葡萄糖曼南； centella susiatica;果冻糖果； Kappa Carrageenan简介这项研究表明，需要改善提取和生产过程以维持GoTu Kola抗氧化活性。
沃顿果冻间充质干细胞在...
I.引言一种进行性神经退行性疾病，阿尔茨海默氏病（AD），占所有痴呆症病例的60-70％（Mielke，2018）。1 AD的特征是记忆丧失，认知缺陷和行为变化，包括执行日常任务的能力。2 AD主要影响65岁以上的个体，尽管早期发作案件影响了20岁的40-65岁的20人。3这种使人衰弱的疾病是全世界死亡的主要原因，影响了超过五百万人。预计到2030年的痴呆症病例数量将翻一番，到2050年将三倍，它将产生重大的全球影响。4 AD疾病是根据症状和体征诊断出的，记忆力障碍具有临床意义。在全球范围内，每年约有770万例新痴呆症病例，相当于每四秒钟的一个新病例。5年龄是主要危险因素。6个遗传因素，包括APP和PSEN1/2的罕见突变，负责早期发作的家族性AD和APOEε4等位基因，负责晚发的零星AD，它们起着重要作用。6其他危险因素包括女性，低教育，痴呆症家族史和心血管疾病。脑外伤和铝暴露与风险增加有关，尽管它们的作用仍然存在争议。3,7诊断可能涉及认知测试，脑部扫描，在某些情况下，腰椎穿刺或PET扫描。3例患者可以在临床前的时期，而没有表现出8 - 10年的明显症状。98患者的平均生存时间，诊断后，从男性四年和女性六年范围内。
一种用于随机的增强型水母搜索优化器......
多微电网 (MMG) 的能源管理 (EM) 解决方案是一项提供更多灵活性、可靠性和经济效益的关键任务。然而，由于可再生能源的随机性以及负载波动，MMG 的能源管理 (EM) 成为一项复杂而艰巨的任务，因为可再生能源的渗透率很高。在这方面，本文旨在通过最佳纳入光伏 (PV) 系统、风力涡轮机 (WT) 和生物质系统来解决 MMG 的 EM 问题。在这方面，本文提出了一种增强型水母搜索优化器 (EJSO) 来解决 85 总线 MMGS 系统的 MMG 的 EM，以最小化总成本，同时提高系统性能。所提出的算法基于威布尔飞行运动 (WFM) 和适应度距离平衡 (FDB) 机制来解决传统 JSO 技术的停滞问题。在标准和 CEC 2019 基准函数上测试了 EJSO 的性能，并将获得的结果与优化技术进行了比较。根据获得的结果，与其他优化方法（如沙猫群优化 (SCSO)、蒲公英优化器 (DO)、灰狼优化器 (GWO)、鲸鱼优化算法 (WOA) 和标准水母搜索优化器 (JSO)）相比，EJSO 是一种解决 EM 的强大方法。获得的结果表明，建议的 EJSO 的 EM 解决方案可以将成本降低 44.75%，同时系统电压曲线和稳定性分别提高 40.8% 和 10.56%。
含果冻含有窗格的dodi
根据大学法规的要求2445，我想指出，本文中体现的作品标题为“含果冻的含有pane dodi的糖尿病治疗的果冻”，这是我对在Shri shri pandit Pandit Pandit Choudhary教授的指导下对研究工作的贡献。这项工作尚未提交任何其他学位或任何其他大学。每当提到他人以前的作品的参考文献时，它就被清楚地表明了，并将其包括在书目中。Ms.Bhoir Chanchal Ms.Bhoir Riya Ms.Bhoir Saloni Ms.Bhoir Sneha Ms.Bhoir Vedanti Mrs.Borde Saurabh Candidate Certified by CHOUDHARY SIDRA ERAM SHAMIM AHMED Research Guide Department of Pharmaceutics, Shri Pandit Baburao Chaughule College of Pharmacy, Bhiwandi-421305
jellyfish搜索算法基于最佳的特征选择
金融危机强调了金融关系的一部分是全球宏观经济变异性和系统性风险的潜在来源。使用深度学习（DL）预测金融危机（dl），利用神经网络（NN）来确定指示未来金融危机的模式并分析复杂的财务数据。dl方法，例如经常性神经网络（RNN）或长期记忆（LSTM），这些方法可以处理大量过去的财务数据，例如地缘政治事件，经济指标和市场价格。这些模型的目的是确定可以通过从早期危机及其前体学习来导致经济衰退的精致联系和信号。该问题属于金融市场的复杂和动态性质，要求持续培训和修改方法，以在发展财务状况方面保持显着性。尽管DL显示了提高预测能力的潜力，但要接受金融市场的固有歧义以及建立模型以提高其准确性和可靠性的要求至关重要。本研究提出了一种基于水母搜索算法的特征选择，其中最佳深度学习算法（JSAFS-ODL）用于金融危机预测（FCP）。JSAFS-ODL技术的目标被归类为金融危机或非财务危机的存在。为此，JSAFS-ODL技术应用基于JSA的功能选择（JSA-FS）来选择最佳功能集。此外，RNN-GRU模型可用于FCP。为了增强RNN-GRU方法的检测结果，可以将黑猩猩优化算法（COA）用于与RNN-GRU模型相关的超参数的最佳调整。为了确保JSAFS-ODL程序的更好性能，涉及一系列测试。获得的值强调了JSAFS-ODL技术达到JSAFS-ODL技术的显着性能。
对生物混合机器人水母进行现场测试，以展示其增强的游泳速度
1 斯坦福大学工程学院和医学院生物工程系，斯坦福，加利福尼亚州 94305，美国 2 加州理工学院研究生航空实验室 (GALCIT)，帕萨迪纳，加利福尼亚州 91125，美国；jodabiri@caltech.edu 3 惠特曼中心，海洋生物实验室，伍兹霍尔，马萨诸塞州 02543，美国；jptownsendii@gmail.com (JPT)；costello@providence.edu (JHC)；scolin@rwu.edu (SPC) 4 普罗维登斯学院生物系，罗德岛州普罗维登斯 02918，美国 5 罗杰威廉姆斯大学海洋生物与环境科学系，罗德岛州布里斯托尔 02809，美国 6 南佛罗里达大学综合生物学系，佛罗里达州坦帕 33620，美国； bgemmell@usf.edu 7 加州理工学院机械工程系，美国加利福尼亚州帕萨迪纳 91125 * 通讯地址：nicolexu@alumni.stanford.edu
使用水母优化算法基于机器学习的心脏病预测
摘要：心脏病是世界上最著名和致命的疾病之一，许多人每年都会因这种疾病而失去生命。早期发现这种疾病对于挽救人们的生命至关重要。机器学习（ML）是一种人工智能技术，是检测疾病的最方便，最快，最低成本的方法之一。在这项研究中，我们旨在获得一个ML模型，该模型可以使用Cleveland心脏病数据集预测具有最高表现的心脏病。 用于训练模型的数据集中的功能和ML算法的选择对模型的性能有重大影响。 由于克利夫兰数据集中大量功能，避免过度插入（由于维度的诅咒），使用果冻填充优化算法将数据集降低到较低的维度子空间。 果冻量算法具有高收敛速度，并且可以找到最佳功能。 通过训练带有不同ML算法的特征选择的数据集获得的模型进行了测试，并比较了其性能。 获得了在数据集上使用果冻鱼算法训练的SVM分类器模型，具有敏感性，特异性，准确性和曲线，曲线下的98.56％，98.37％，98.47％和94.48％的曲线。 结果表明，果冻纤维优化算法和SVM Classifier的组合具有最高的性能用于心脏病预测。在这项研究中，我们旨在获得一个ML模型，该模型可以使用Cleveland心脏病数据集预测具有最高表现的心脏病。用于训练模型的数据集中的功能和ML算法的选择对模型的性能有重大影响。由于克利夫兰数据集中大量功能，避免过度插入（由于维度的诅咒），使用果冻填充优化算法将数据集降低到较低的维度子空间。果冻量算法具有高收敛速度，并且可以找到最佳功能。通过训练带有不同ML算法的特征选择的数据集获得的模型进行了测试，并比较了其性能。获得了在数据集上使用果冻鱼算法训练的SVM分类器模型，具有敏感性，特异性，准确性和曲线，曲线下的98.56％，98.37％，98.47％和94.48％的曲线。结果表明，果冻纤维优化算法和SVM Classifier的组合具有最高的性能用于心脏病预测。
水母搜索优化器的应用
摘要：气候环境的变化以及间歇性对可再生能源（RESS）的总体能源系统产生显着影响，需要制定控制策略以提取Ress可用的最大功率。为了完成这项任务，已经开发了几种技术。应使用有效的最大功率跟踪（MPPT）技术来确保风发和PV生成系统都提供其全部优势。在本文中，开发了一种新的MPPT方法（JSO）；此外，利用统一的功率质量调节剂（UPQC）来增强微电网（MG）的性能并解决敏感负载的功率质量问题。MG检查了光伏（PV），风力涡轮机和燃料电池电池，并以均匀和非均匀的风速和太阳辐照度进行了检查。提出了开发算法与不同最大功率跟踪算法之间的比较。此外，进行了四个案例研究，以验证引入的UPQC在增强功率质量问题方面的有效性。使用其他算法评估时，研究结果表明，发达算法的高性能。MATLAB/SIMULINK软件用于仿真风，PV和FC控制系统。然而，在与PV辐照的相同条件下进行了实验有效测试，以验证模拟结果。实验验证是通过使用PV模块模型，带有太阳高度模拟器CO3208-1B板的三倍，23 v/2a CO3208-1A执行的，并将结果与仿真结果进行比较。