XiaoMi-AI文件搜索系统
World File Search SystemJonas
引用Yadetie F，Zhang X，Reboa A，Noally GSC，Eilertsen M，Fleming MS，Helvik JV，Jonassen I，GoksøyrA和Karlsen OA和Karlsen OA（2025）转录组分析
雌激素调节鱼和其他脊椎动物中的许多生殖过程。在鱼类中，大脑，垂体和肝脏是脑垂体 - 甲状腺肝轴雌雄同体的主要作用部位。在脑因子的影响下，垂体合成促性腺激素，在雌性鱼类中，促促性蛋白刺激雌二醇的合成，从而刺激肝脏中的卵巢生成（1，2）。雌激素还通过大脑和垂体中的反馈机制来调节促性腺激素的合成并释放（3-5）。因此，作用在雌激素靶组织（例如肝脏和垂体）上的雌激素化合物有可能干扰鱼类的生殖过程。在过去的几十年中，环境中的内分泌破坏化学物质（EDC），尤其是模仿人为化合物（Xenostrogens）的雌激素，引起了人们对它们对人类和野生动植物健康的潜在影响的担忧（6，7）。工业化合物，例如增塑剂双酚A（BPA）和药物雌激素乙基甲二醇（EE2），是在环境中无处不在的内分泌干扰物中广泛研究的（8-12）。BPA是一种高生产量工业化学化学化学物质，主要用于制造塑料产品和使用的环氧树脂，例如，食品包装金属罐的表面涂层（13）。BPA已被证明具有雌激素作用，也可能导致代谢破坏（14、15）。最近的研究还报道说，许多BPA替代方案具有与BPA相似的内分泌干扰作用（13，16）。ee2用于避孕药中，经常在家庭污水中检测到，并可能污染水生环境（17 - 19）。ee2是一种有效的雌激素，许多研究都记录了其内分泌干扰作用，例如卵黄蛋白的合成增加，男性鱼类女性化，生育率降低和人口下降（12，20 - 20 - 26）。大多数研究都研究了这些EDC在鱼类中的分子效应，主要使用有限的生物标志物（例如植物生成素）（27，28）。虽然雌激素反应式生物标志物在暴露于雌激素方面具有丰富的信息，但它们提供了有限的有关影响的潜在目标和过程的信息。最近的一些基于转录组的研究表明，OMICS确定可能提供更多见解
推荐引用 推荐引用 Cruz, Jonas Preposi；Sembekova, Anara；Omirzakova, Dinara；Bolla, Srinivasa Rao；和 Balay-odao, Ejercito Mangawa (2024) “医学和健康科学学生对医学人工智能的态度和准备程度”，《健康职业教育》：第 10 卷：第 3 期，第 15 篇文章。DOI：10.55890/2452-3011.1296 可从以下网址获取：https://hpe.researchcommons.org/journal/vol10/iss3/15
目的：本研究评估了医学和健康科学专业学生对人工智能的总体态度和医学人工智能准备情况，并研究了影响学生医学人工智能准备情况的因素。方法：对医学和健康科学专业学生进行了描述性横断面定量在线调查。我们使用“人工智能总体态度量表”（GAAIS）来评估学生的人工智能态度，并使用“医学生医学人工智能准备量表”（MAIRS-MS）来衡量学生对医学人工智能的准备情况。结果：几乎所有学生都没有接受过/参加过医学院（95.3%）或医学院以外（85.0%）的任何人工智能教育经历，他们中的大多数人从媒体（74.8%）获得有关人工智能的信息。学生们报告说他们对人工智能及其在医疗保健中的应用了解甚少。学生对人工智能表现出消极到中立的总体态度，对医学人工智能的总体准备程度较差。对医疗保健中人工智能应用的了解和对人工智能的普遍积极态度与学生对医学人工智能的准备程度提高有关。结论：研究结果可以为教育政策制定者和医学与健康科学教授提供有关在医学院创建、引入和整合涉及人工智能的新课程内容的信息。在医学和健康科学课程中加入医学人工智能内容将提高学生的准备程度，并提高其在更高级患者护理中的应用。
master.shesis.jonas.kuettner.pdf- livermetebolism
本文中介绍的图像分析工作流程的图形摘要：工作流程始于一组整个幻灯片图像（WSIS），包括WSI染色的苏木精和曙红（H＆E），免疫组织化学染色以及谷氨酰胺合成酶（GS）（GS）和细胞色素p450 isoforms and 3A 4a和3A的WSIS染色。在预处理过程中，将这些图像对准，并分离苏木精和曙红/DAB染色成分，以产生代表每个染色成分的灰度图像。然后通过小叶检测管道处理来自GS和CYP图像的DAB成分，以识别小叶和血管边界。同时，通过脂肪变性检测管道处理了注册的H＆E载玻片，以鉴定大遗posisosis液滴。然后分析来自两个管道的所得数据集，以评估（1）小叶边界和大遗传液滴的几何特性，以及（2）蛋白质表达和大抗殖物的区域分布。
伦理价值观，根据汉斯·乔纳斯（Hans Jonas）
摘要：可以肯定的是，与正义，怜悯，节制和贞操的不同标准相关的旧道德规则将在人类互动的圈子中保持合理和可信度，但是这个圈子并没有接近另一个领域，该领域无法容纳由于技术及其结果的新应用程序及其结果而导致的集体活动无与伦比的增长。最近的结果。这些应用的结果不能包括在传统伦理学中，因为由于乔纳斯（Jonas）的说法，新功能与现代技术相关，因此人类行动的性质发生了变化。以前是什么，尤其是因为人类并非每个没有技术的时代，因此Yonas说：“我的问题旨在解释人类与先进技术之间的差异或对比，而另一种可以追溯到更早的时代。”
Jonas FreyJonas Frey
机器人学习 - NARA科学技术研究所6/2018- 8/2018•实施和验证机器人技术变形建模的统计深神经网络。•学士学位论文，Tensorflow和ROS
引用本文：Jonas, D., Yusuf, NA, & Zahra, ARA (2023)。利用人工智能增强网络安全中的安全框架。
在我们今天生活的数字时代，网络安全已成为一个需要创新的主要问题。数据科学和人工智能 (AI) 在改变我们理解和应对网络威胁的方式方面发挥了核心作用。本研究将回顾这项技术创新在提高组织检测、预防和应对网络攻击的能力方面的重要作用。在开发适当的基于数据的模型的同时，识别网络数据中的安全事件模式并获得洞察力是实现自动化和智能安全系统的关键要素。本研究回顾了网络安全领域可以通过人工智能 (AI) 技术解决的需求。在本研究中，我们采用定量方法来评估人工智能对增强网络安全的影响，方法是向 85 名受访者分发调查问卷，其中包括银行和 IT 行业的公司。此外，本研究将探讨基于数据的智能决策系统如何保护系统免受已知和未知的网络攻击。本研究将通过考虑人工智能和网络安全的未来潜力来结束。关键词：人工智能、网络安全、创新、安全系统
Jonasson, E.、Lindberg, O.、Lingfors, D. 和 Temiz, I. (2023) 通过最小化能源存储需求来设计风能-太阳能混合发电厂：
设计风能和太阳能光伏混合发电厂的一个重要方面是确定能量转换器的尺寸，以尽可能实现高效的功率平滑。在本研究中，混合发电厂中风能和光伏能量转换器的比例是通过最小化实现恒定功率输出所需的总存储能量来确定的。使用傅里叶变换，在与电网集成相关的预定义时间尺度上隔离可变性。对于所研究的时间尺度，确定能量存储的能量和功率额定值以抵消可变性。最终的配置是能够以最少的存储能量实现恒定功率输出的配置。结果表明，风能和光伏能量转换器共置可以平滑季节性能量生成，并减少昼夜和季节时间尺度上的能量存储需求。本文介绍了瑞典东南部的一个案例研究，其中确定了最小化能量存储需求并因此最接近恒定输出功率的风能和太阳能混合发电厂配置。我们发现，混合发电厂中风力发电的比例约为 40-45% 时，对能源存储的需求最低。所提出的方法适用于任意数量的共置能源，也可以扩展到混合电力系统的规模确定。
本文：Szilcz的日子，Jonas W. Wastesson，Lusas Morin，Amaia Calder-Larrañaga，Mats Lambe＆Crist Johnell（2022）
抽象背景：质量指标经常用于衡量生命尽头的护理质量。在生命结束时，是否可以可靠地应用于常规收集的数据时，是否可以可靠地应用了潜在的过度处理的质量指标（即，当风险大于福利时）是否尚不确定。本研究旨在确定出版文献生命尽头过度治疗的质量指标，并在死于固体癌症的老年人中投入暂定的患病率。材料和方法：回顾性队列研究，包括所有老年人（65岁）在2013年1月1日至2015年12月31日在瑞典（N¼54,177）之间死于固体癌症的死者（65岁）。来自国家死亡原因的个人数据与总人口登记册，国家患者登记册和瑞典处方药登记册的数据有关。质量指标用于生命的最后一个和三个月。结果：从文献中确定的总共有145个质量指标中，有82（57％）在瑞典的常规行政和医疗保健数据中可能可操作。无法识别的程序和医院药物治疗是52％的被排除指标的原因。在82个可操作的指标中，有67个重叠概念。基于其余15个独特的指标，我们暂时估计，总体而言，约有三分之一的死者接受了至少一种治疗方法或程序，指示他们在生命的最后一个月中“潜在过度治疗”。结论：由于缺乏捕获护理程序的手段，瑞典的常规行政和医疗保健数据中，几乎一半的过度治疗指标无法衡量。我们的初步估计表明，潜在的过度治疗可能会影响死亡附近的癌症欺骗的三分之一。但是，应开发和验证常规收集数据的特定用途的潜在过度治疗的质量指标。
乔纳斯·纳姆证词
1. 中国对新能源技术的追求中国的投资——不仅在新能源技术的研发上，而且特别是在这些技术的制造能力上——长期以来一直是中国国内经济定位于关键新兴工业领域的广泛战略的一部分。从 21 世纪初的风能行业开始，到 2009 年金融危机后的太阳能行业，以及最近的电动汽车和电池储能行业，中国中央政府一直支持新能源技术，以结合气候和经济目标并创建出口就绪的工业部门。中国现在在通过降低电力和交通运输部门的碳排放来解决气候危机最需要的技术的大规模生产方面处于世界领先地位。这些新能源技术包括风力涡轮机、太阳能电池板、电动汽车和电池。自 2001 年加入世界贸易组织以来，中国在全球太阳能光伏发电中的份额迅速增长，从不到 1% 跃升至全球太阳能电池板的 60% 以上。中国是世界上最大的电动汽车生产国之一；中国生产的风力涡轮机占全球总产量的三分之一以上，为全球风力涡轮机装置生产的零部件也占了很大一部分。中国拥有全球三分之二以上的电动汽车和储能所需锂离子电池产能。中国与欧盟现在也是世界上最大的电动汽车市场之一。1 在很大程度上，由于中国在绿色技术领域的制造业进行了前所未有的投资，清洁能源技术的成本大幅下降。自 2009 年以来，全球风力涡轮机和太阳能电池板的价格分别下降了 69% 和 88%，使得这些产品的价格下降。
引文 (APA)：Magnusson, M.、Andersen, MR、Jonasson, J. 和 Vehtari, A. (2020)。La 中的贝叶斯模型比较的留一交叉验证
所提方法的计算成本取决于我们需要计算 ˜ π i 的观测总数，因此在大多数情况下，计算 ˜ π 将占主导地位。这使得了解这些成本与似然函数 P 中的参数总数（而不是模型中的参数总数）和后验抽取总数 S 的关系变得很重要。表 1 列出了所提出的不同近似值的总体成本。计算完整的 PSIS-LOO 的成本为 O(nPS)，因为对数似然的评估与 P 是线性的，即与 WAIC 的复杂度相同，但常数更大。可以根据特定似然做出不同的权衡，其中近似成本范围从最便宜的 plpd 到最昂贵的 WAIC/TIS（具有大量后验抽取 S）。 plpd 仅计算一次对数似然，而完整的 WAIC/TIS 方法需要计算 S 次。