XiaoMi-AI文件搜索系统
World File Search SystemLDA
使用潜在的Dirichlet分配评估CMIP6模型的大气循环
气候模型旨在尽可能紧密地表示气候组件的统计特性，包括极端的事件，这些事件可能较少可用。这是由于人为强迫而导致的动态变化的基本要求。为了评估模型如何匹配观测值，我们需要能够选择，处理和评估气候组件的相关动力学特征的算法。必须对大型数据集有效地重申这一点，例如耦合模型对比项目6（CMIP6）发行的数据集。在这项工作中，我们使用潜在的Dirichlet分配（LDA），这是一种最初设计用于自然语言处理的统计软聚类方法，从海平面压力数据中提取天气模式，并评估CMIP6气候模型的动力学与ERA的动力学的近距离，无论是在总体情况下以及在极端温度事件的情况下，均与ERA 5 rean分析。
乌托邦和反乌托邦之间到底在哪里？框架...
摘要 在过去的 60 年里，媒体一直在报道人工智能 (AI) 和自动化等新兴技术。这项国家级研究希望对美国报纸如何报道这些技术进行细致的概述。首先，对 1985 年至 2020 年《纽约时报》和《华盛顿邮报》上有关人工智能和自动化的文章进行了潜在狄利克雷分配 (LDA) 主题建模。其次，进行了归纳性手动框架分析，以区分两家报纸随时间推移应用的框架。主题建模的结果表明，关于人工智能和自动化的文章在“工作”、“艺术”和“教育”中最为突出。关于手动框架分析，随着时间的推移，报道更加乐观而不是悲观。然而，当考虑反乌托邦框架时，结果显示，语料库中对人工智能和自动化对这些技术所涉及的道德难题的影响的关注度更高。
实时识别脑电图上的运动想象动作...
摘要 脑机接口 (BCI) 处理算法需要强大的计算设备才能实时执行。在本文中，提出了一种用于对代表两个运动想象任务的脑电图 (EEG) 信号进行分类的硬件高效设计，并在现场可编程门阵列 (FPGA) 上实现。小波包分解 (WPD) 用作特征提取算法，线性判别分析 (LDA) 用作分类器。该系统是使用 System Generator 设计的，并使用硬件/软件联合仿真在 Zybo 板上实现。仿真结果显示，在两个运动想象任务的分类过程中准确率为 80%，时钟频率为 1.5 MHz 时延迟为 7.5 毫秒，功耗为 0.102 W。此外，所使用的 FPGA 资源量少于以前的类似工作，证明设计系统不仅实现了良好的准确性，而且以高效的方式实现了这一目标。
fermi-surface不稳定在重屈力超导体UTE 2
我们提出的不同运输测量值在最近发现的重毛力超导体UTE 2中，沿着以身体为中心的原晶结构的易于磁化A轴施加了磁场。热电功率随温度高于超导过渡的温度而变化，T SC = 1。5 K，表明超导性在费米液体方向发展。作为场的函数，热电学功率显示了连续的异常，这归因于场诱导的费米表面不稳定性。这些费米 - 表面不稳定性出现在磁极化的临界值处。值得注意的是，与沿B-轴施加的磁性的第一阶metAgnetic跃迁相比，磁化强度（0.4 µ b）的磁性临界值（0.4 µ b）的最低磁场不稳定发生。低温下估计的电荷载体数量揭示了与LDA计算不同的金属基态，表明强电子相关是该化合物中的主要问题。
基于脑机接口的自动考试评估
摘要 脑机接口应用可用于克服学习问题，尤其是学生焦虑、注意力不集中和注意力不集中。本文介绍了一种基于脑机接口（BCI）的系统，该系统用于教育，以衡量预期学习成果并测量噪声对系统准确度的影响。该系统在线工作，基于记录的脑信号数据集。该系统可被视为 P300 拼写器的一个特例，仅接受从 A 到 D 的字母。这些是多项选择题 MCQ 的可能答案。老师出题，将其存储在考试数据库中并交给学生。学生进入系统并记录他们的脑信号。脑信号经过预处理阶段，在此阶段信号经过低通和高通滤波器。然后对信号进行子采样和分割。获得的特征用作线性判别分析（LDA）的输入。获得的准确率为 91%。
guselkumab是一种选择性白介素-23 p19亚基抑制剂，可在活跃的银屑病关节炎患者中溶解Dactylis：从两阶段3研究中进行的第52周汇总结果
目标。与安慰剂相比，在第24周之前对合并的Discover-1和Discover-2数据的分析显示，用Guselkumab治疗的患者分辨率明显更高。在这里，我们研究了腺炎分辨率与1年其他结果之间的关联。方法。患者被随机分别为1：1：1，在第4周，第4周，然后每4或8周一次接受皮下注射Guselkumab 100 mg，或者安慰剂在第24周与Guselkumab进行交叉。独立评估者确定了症状性严重程度评分（DSS; 0-3/DIGIT；总计= 0-60）。通过第52周（第24周的非响应者屈服，直到第24周，直到第52周），分辨率（DSS = 0）分辨率（DSS = 0）（预先授予）和至少20％，至少50％，至少从基线提高了70％的DSS（事后）（事后）。ACR50，嫩/肿胀关节，低疾病活性（LDA）通过复合指数评估，以及在第24周和第52周分辨率分辨率的患者中评估了症状炎的患者中的Xtacty炎患者，并评估了射线照相进展（仅覆盖-2）。结果。基线时症状炎的患者（1118中的473例）比没有腺炎的患者更严重（1118）。在第52周，基线时大约75％的Guselkumab随机症患者具有完全分辨率。大约80％的DSS提高了至少70％。 到第52周，在基线时DSS为0的患者中，新发作的DAC-脑炎（DSS≥1）并不常见。 结论。在第52周，基线时大约75％的Guselkumab随机症患者具有完全分辨率。大约80％的DSS提高了至少70％。到第52周，在基线时DSS为0的患者中，新发作的DAC-脑炎（DSS≥1）并不常见。结论。guselkumab随机分辨率的患者比没有分辨率的人在第24周和第52周更有可能达到ACR50，嫩和肿胀的关节至少降低50％，而LDA则更有可能降低50％。在第52周，分辨率分辨率的患者在数值上从基线（Discover-2）的放射线摄影进展较小。至1年，大约75％的Guselkumab随机患者完全溶解了症状炎。表现出分辨率的患者更有可能达到其他重要的临床结果。 鉴于高症状炎的负担很大，分辨率可能与更好的长期患者结局有关。至1年，大约75％的Guselkumab随机患者完全溶解了症状炎。表现出分辨率的患者更有可能达到其他重要的临床结果。鉴于高症状炎的负担很大，分辨率可能与更好的长期患者结局有关。
https://hempelgroup.sharepoint.com/sites/certificatesupport ...
Pinturas Hempel SAU 西班牙 Hempel (葡萄牙) Lda Hempel doo Umag, (克罗地亚) Hempel (广州) 涂料有限公司 (中国) Hempel (烟台) 涂料有限公司 (中国) Hempel Manufacturing (Malaysia) Sdn. Hempel Vietnam Coating Ltd. 委托制造商 GZ75 (江苏) 中国 Hempel (印度尼西亚) PT 1) 由巨永工业有限公司根据 Hempel (韩国) 有限公司的 OEM 要求生产。*) 0097: DNV UK Ltd. 证明符合以下法规 / 标准的要求：Hempel A/S 被认定符合适用要求。质量体系已根据《商船（船舶设备）条例》2+16 和 MSN 1874 修正案 6 中提及的模块 D 符合性评估程序进行了评估。IMO Res.MSC.307(88)-(2010 FTP 规则) 经修订和 IMO/MSC.1120。签发日期：2025 年 1 月 15 日。签发者：证书支持。
澳大利亚 Twitter 用户关于 COVID-19 疫苗接种的推文主题和情绪：机器学习分析
背景：COVID-19 是近代历史上对人类医疗保健、经济和社会的最大威胁之一。到目前为止，尚无缓解迹象，也没有被证实有效的治疗方法。疫苗接种是预防新型冠状病毒的主要生物医学措施。然而，社交媒体上反映的公众偏见或情绪可能会对实现群体免疫的进程产生重大影响。目的：本研究旨在使用机器学习方法提取 Twitter 上与 COVID-19 疫苗接种相关的主题和情绪。方法：我们在 2020 年 1 月至 10 月期间从澳大利亚 Twitter 用户那里收集了 31,100 条包含 COVID-19 疫苗相关关键词的英文推文。具体来说，我们通过可视化高频词云和词元之间的相关性来分析推文。我们建立了一个潜在狄利克雷分配 (LDA) 主题模型来识别大量推文样本中经常讨论的主题。我们还进行了情绪分析，以了解澳大利亚与 COVID-19 疫苗接种相关的整体情绪和情感。结果：我们的分析确定了 3 个 LDA 主题：（1）对 COVID-19 及其疫苗接种的态度，（2）提倡针对 COVID-19 的感染控制措施，以及（3）对 COVID-19 控制的误解和抱怨。所有推文中近三分之二的情绪表达了对 COVID-19 疫苗的积极公众看法；约三分之一是负面的。在 8 种基本情绪中，信任和期待是推文中观察到的两种突出的积极情绪，而恐惧是最主要的负面情绪。结论：我们的研究结果表明，澳大利亚的一些 Twitter 用户支持针对 COVID-19 的感染控制措施并驳斥了错误信息。然而，那些低估了 COVID-19 的风险和严重性的人可能会用阴谋论来合理化他们对 COVID-19 疫苗接种的立场。我们还注意到，公众的积极情绪水平可能不足以将疫苗接种覆盖率提高到足够高的水平以实现疫苗诱导的群体免疫。各国政府应了解公众对COVID-19和COVID-19疫苗接种的看法和情绪，并在支持COVID-19疫苗的开发和临床管理之外实施有效的疫苗接种推广计划。
基于技术网络的潜在颠覆性技术识别研究
颠覆性技术具有三个显著而有意义的特征：归零效应，即维持性技术因其惊人的、前所未有的进步而变得无用；重塑技术与经济格局；引领未来技术体系的主流，这些都具有深远的影响和积极影响。颠覆性技术的识别是一项普遍艰巨的任务。因此，本文旨在增强潜在颠覆性技术识别结果的技术相关性，提高潜在颠覆性技术识别主题的粒度和有效性。依据生命周期理论，划分时间阶段，构建技术网络动态并进行分析，识别出潜在颠覆性技术。从而，利用潜在狄利克雷分配（LDA）主题模型，进一步明确潜在颠覆性技术的主题内容。本文以大型民用无人机为例，证明了模型的可行性和有效性。结果表明，该领域的潜在颠覆性技术为数据采集、主设备及地面平台智能化。
![arXiv:2001.04225v1 [eess.SP] 2020 年 1 月 10 日](/simg/g:\will\search\icon\source\2\237da1b44e6250d88436049db31719ee5e1c9cb5.webp)
arXiv:2001.04225v1 [eess.SP] 2020 年 1 月 10 日
摘要。深度神经网络 (DNN) 已在各种机器学习领域得到研究。例如，事件相关电位 (ERP) 信号分类是一项高度复杂的任务，可能适合 DNN，因为信噪比低，并且底层空间和时间模式显示出很大的主体内和主体间变异性。卷积神经网络 (CNN) 与基线传统模型（即线性判别分析 (LDA) 和支持向量机 (SVM)）进行了比较，使用大量多主体公开可用的学龄儿童 P300 数据集（138 名男性和 112 名女性）进行单次试验分类。对于单次试验分类，所有测试的分类模型的分类准确率保持在 62% 到 64% 之间。当将训练好的分类模型应用于平均试验时，准确率提高到 76-79%，分类模型之间没有显著差异。CNN 并未证明优于测试数据集的基线。讨论了与相关文献的比较、局限性和未来发展方向。