XiaoMi-AI文件搜索系统
World File Search SystemMix
混合
摘要 目标 了解琼莱州偏远县境内流离失所者 (IDP)、返乡者和收容社区的孕产妇、新生儿和儿童健康 (MNCH) 现状。 设计 横断面、随机抽样、混合方法、基于人群的家庭研究。 设置 南苏丹琼莱州的阿约德、尼罗尔、凡加克和皮吉县。 参与者 859 个家庭，其中包括 586 名成年女性和 273 名成年男性。 主要和次要结果测量 MNCH 知识、态度和实践。次要：避孕、怀孕、怀孕结果、使用或不使用产前护理 (ANC)/产后护理 (PNC)、使用熟练的助产士、母乳喂养、对怀孕的警告或危险信号的了解、基于性别的暴力 (GBV) 和 MNCH 态度/文化规范。结果 共有 859 个家庭同意参与研究（其中女性 586 个，男性 273 个），女性的回复率为 96%，男性的回复率为 94%。受访者中，能够列出至少三个警告/危险信号或不同 MNCH 类别护理要点的能力很低（范围为 37.0%–47.1%）。1% 的女性和 3% 的男性使用避孕措施。ANC 和 PNC 效果不佳，且主要由不熟练的提供者提供。26% 的女性纯母乳喂养长达 6 个月。对于子女年龄小于 2 岁的受访者，68.9%（95% CI 64.7 至 72.7）接种了三剂五价疫苗。女性和男性报告的一生中 GBV 发生率相似。结论 偏远调查地区的冲突和洪水是 MNCH 的重大障碍。缺乏降低死亡率和发病率的循证干预措施，缺乏熟练的医疗服务提供者和医疗设施，限制了母婴和儿童保健的改善。有必要在固定设施和/或结合流动诊所和社区外展，建立具有成本效益且经过验证的、可降低母婴和儿童保健死亡率的循证干预措施，以确保国内流离失所者和返乡者能够得到帮助。
2024 年德国净发电量：电力结构比以往更加清洁
2024 年，风电再次成为最重要的电力来源，贡献了 136.4 太瓦时 (TWh) 或公共净发电量的 33%。2024 年，陆上风电的贡献降至 110.7 TWh（2023 年：115.3 TWh），而海上风电产量略高于上年的 25.7 TWh（2023 年：23.5 TWh）。然而，风电的扩张仍远远落后于预定计划。截至 2024 年 11 月，仅新增了 2.44 吉瓦 (GW) 的陆上风电，而计划为 7 GW。海上风电的扩张略好于前几年。其中，2024 年新增了 0.7 GW（计划到 2026 年每年新增 5-7 GW，到 2030 年共新增 30 GW）。 2024 年，光伏系统发电量约为 72.2 TWh，其中 59.8 TWh 被输送到公共电网，12.4 TWh 用于自用。总产量比上一年增加了约 10.8 TWh 或 18%。它们在公共净发电量中的份额为 14%。2024 年 7 月是太阳能发电量最高的月份，为 8.7 TWh。与 2023 年一样，光伏扩张在 2024 年再次超过了德国政府的目标。截至 11 月，安装了 13.3 千兆瓦，而不是计划的 13 千兆瓦。2024 年的所有能源数据尚未公布，但估计到 2024 年底，新的光伏容量将达到约 15.9 千兆瓦。因此，德国的光伏扩张仍保持在两位数的水平。水力发电量为 21.7 TWh，与上一年（19.7 TWh）大致持平。径流式发电厂的装机容量从 4.94 GW 急剧上升至 6.4 GW。生物质发电量为 36 TWh，装机容量保持不变，为 9.1 GW。总体而言，可再生能源发电厂在 2024 年生产了约 275.2 TWh 的电力，比 2023 年（267 TWh）增长 4.4%。可再生能源发电量占比
在协作中有效的对象检测和跟踪
很快，混合现实（MR）和人工智能（AI）技术变得越来越好。这意味着它们在各个领域都有新的和重要的应用，包括医疗，教育和工人培训。这些作者提出了一种新的方法，可以在共享的MR环境中使用Yolov4深学习模型，以便可以实时跟踪和确定对象。这项工作解决了使用基本和复杂的计算机方法诸如遮挡，动态照明和空间对齐等问题的事实，可以区分它。主要的MR工具Microsoft Hololens以及单个相机饲料有助于拟议的系统进行对象检测。根据MS COCO数据集的测试，Yolov4模型的性能优于Yolov2和Yolov3模型。平均平均精度（MAP）为0.988，Yolov4模型是快速且相当精确的。基于统计数据，该策略似乎使小组可以在MR设置中进行协作，以提供在线帮助，培训和基于模拟的学习。对系统的未来研究将使它在更广泛的情况下更加灵活，并能够更好地识别附近的对象。
参观视觉模型的蒸馏
摘要 - 简单的提示学习方法可有效地适应视觉语言模型（VLMS）到下游任务。然而，经验证据表明，现有方法的趋势是他们过度拟合的班级，并且在看不见的阶级上表现出降解的表现。此限制是由于训练数据中对所见类的固有偏见。为了解决这个问题，我们提出了一种新颖的软提示学习方法，称为蒸馏混合物（MOPD），该方法可以从硬手工制作的硬提示中有效地传递有用的知识（又称A.K.A.老师提示）到可学习的软提示（又称学生提示），从而增强了在看不见的课程上软提示的概括能力。此外，提出的MOPD方法采用了一个门控网络，该网络学会选择用于迅速蒸馏的硬提示。广泛的实验表明，所提出的MOPD方法的表现优于现状的基准，尤其是在看不见的类别上。
混合自动化时间计划和ML
摘要计划和机器学习（ML）的整合如今是一个非常热门的研究主题，致力于学习启发式方法，甚至从计划和执行痕迹等示例数据中进行计划模型。在这次演讲中，我将以两种相对不受欢迎的方法进行时间计划和ML的方式报告我的经验。首先，我将介绍如何在计划模型中使用模拟实体的使用允许表示学习的约束和行为：此功能来自我们在空间域中开发新的数字双胞胎服务的需求，并且正在整合到统一的计划框架中。第二，我将讨论我们对强化学习（RL）的实验应用，以自动合成指导，从而增强了自动化的时间计划，超出了传统的启发式学习的关注。
评估水稻品种混合物的产量变化（VarMix®）...
传统上，水稻种植严重依赖于针对特定性状而定制的单一品种，但这些方法在恢复力和稳定性方面表现出局限性。采用品种混合（VarMix）使我们能够利用遗传多样性，从而提高产量稳定性，加强病虫害管理，优化资源效率，最终促进更可持续、更具恢复力的水稻生产系统。本研究使用加性主效应和乘性相互作用（AMMI）方法，结合方差和主成分分析（PCA），研究了 12 个不同环境中 12 个水稻品种混合物和单一品种的表现。分析表明，环境因素是遗传变异的主要驱动因素，对水稻产量动态有重大贡献。值得注意的是，NSIC Rc298 (A)、NSIC Rc298: NSIC Rc214: NSIC Rc216 (ABC) 和 NSIC Rc214: PSB Rc82: NSIC Rc238 等基因型
混合电沉积法制备新型机械和化学稳定的 Ni-P 超疏水表面
摘要 机械稳定性和化学稳定性不良是限制超疏水涂层广泛工业应用的重要因素之一。本研究采用混合电沉积法合成了Ni-P@Ni分级纳米结构涂层作为稳定涂层。研究了所制备样品的润湿性、耐腐蚀性、机械稳定性和化学稳定性。研究结果表明，在Ni纳米锥表面涂覆非晶态Ni-P涂层可提高耐腐蚀性，同时增强机械稳定性和化学稳定性。此过程将腐蚀电流密度从1.02降低到0.0076 µA.cm -2 。电化学阻抗谱 (EIS) 结果也显示，涂覆Ni-P涂层后R dl 增加。此外，通过在200 cm机械稳定性测试后创建Ni-P涂层并在3.5％NaCl电解质中浸泡8天，可以保持疏水状态。这项研究介绍了一种创建稳定超疏水涂层的新方法。
AI驱动的模拟和混合信号电路设计的自动化：
随着技术向前推动和电路发展为复杂且复杂的设计，传统的手动电路设计方法将自己处于十字路口。随着引入许多挑战的尖端流程，从概念到创造的旅程变得越来越艰巨，要求大量的时间投资。为了克服这些挑战，自动化是一种关键创新，在确保精确度的同时加速了产品开发。这项研究通过研究模拟和数字电路发生器的结构并开创一种称为“正确构造”的自动合成方法来探索模拟电路设计。这种创新的方法优化了设计过程，同时从一开始就优先考虑准确性。此外，本研究还评估了模拟发生器的性能，重点是使用AUTOCKT进行准确性和电路指标。诸如自动布局生成的ALIGN和用于数字设计自动化的OpenFASOC等工具进一步提高了模拟电路设计中的效率和可访问性。这些工具的集成以及它们与开源CAD平台的兼容性，还显示出自动化的重大进步。此外，图形用户界面（GUI）的开发提供了一个用户友好的平台，可与与电路设计和仿真相关的各种功能进行交互，从而增强了总体设计工作流程。
化石燃料与可再生能源。混合还是搭配？
本文研究了技术所有权结构对寡头垄断定价策略和生产效率的影响。我们的动机来自电力市场不断变化的格局，企业正在从多元化技术组合转向专业化技术组合，专注于可再生能源或化石燃料。我们的理论模型表明，多元化企业比专业化企业竞争更激烈。相反，专业化企业表现出更高的生产效率，但只有当火力发电占主导地位时才会如此。我们通过使用西班牙电力市场的数据进行模拟来评估我们的理论预测的幅度。从方法论上讲，我们的分析为研究具有成本异质性和私人已知容量的多单元拍卖提供了新颖的见解。
DNA混合解释：NIST科学基础评论
DNA混合资源组的成员（表1.2中列出）在起草本报告的早期阶段提供了有益的反馈和帮助。Katherine Gettings，Nikola Osborne和Sarah Riman提供了有价值的意见，包括NISTIR 8351SUP2中的数据摘要。桑迪·科赫（Sandy Koch）对公众评论进行了修订，杰森·韦克斯鲍姆（Jason Weixelbaum），苏珊·巴鲁（Susan Ballou），克里斯蒂娜·里德（Christina Reed）和凯瑟琳·夏普雷斯（Katherine Sharpless）协助了复制编辑。NIST图书馆的 Kathryn Miller帮助完成了该文件以供公共发布。 该文档最初是在2021年6月9日作为草案发布的。 公众评论期间于6月9日至8月23日至10月22日至2021年11月19日举行。 收到的评论已在https://www.nist.gov/dna-mixture-interpretation-nist-nist-scientific-foundation-review上进行了编译和共享。 公众评论和更新产生的修订已纳入最终版本。 对那些仔细阅读并在报告草案中提供有价值的书面反馈的人的大量时间和精力得到了赞赏。 这些贡献和投入是最终确定NISTIR 8351报告的过程的重要组成部分。 封面图片来源：Svetlaborovko通过Adobe Stock。Kathryn Miller帮助完成了该文件以供公共发布。该文档最初是在2021年6月9日作为草案发布的。公众评论期间于6月9日至8月23日至10月22日至2021年11月19日举行。收到的评论已在https://www.nist.gov/dna-mixture-interpretation-nist-nist-scientific-foundation-review上进行了编译和共享。公众评论和更新产生的修订已纳入最终版本。对那些仔细阅读并在报告草案中提供有价值的书面反馈的人的大量时间和精力得到了赞赏。这些贡献和投入是最终确定NISTIR 8351报告的过程的重要组成部分。封面图片来源：Svetlaborovko通过Adobe Stock。