XiaoMi-AI文件搜索系统
World File Search SystemMoghaddam
引用出版版本（APA）：Mirzaei，M。A.，Nazari-Heris，M.，Zare，K.
- 用户可以从公共门户网站下载并打印一份出版物的副本，以进行私人研究或研究。- 您可能不会进一步分发材料或将其用于任何盈利活动或商业收益 - 您可以自由分发URL，以确定公共门户网站中的出版物 - 如果您认为此文件违反版权，请通过vbn@aub.aau.dk与我们联系，我们将立即删除工作的详细信息，并立即删除访问详细信息并调查您的索赔。
人工智能在改善
机器学习 根据作者 (Moghaddam 2019, p.25) 的说法，机器学习是人工智能最常见的用途，人工智能允许计算机自行处理数据。此外，根据研究人员 (Addo et al., 2020, p.22) 的说法，“机器学习研究算法的研究和构建，这些算法可以从数据中获利，并通过开发模型做出决策和预测。” 其主要目的是让系统做出不准确的预测。 机器学习是指机器通过使用数据来研究数据的能力。因此，无需编程即可执行特定任务。 机器学习用于教计算机识别模式，而无需任何定义的规则，等等。制定算法规则并做出预测。 Moghaddam (2019) 确定了三种类型的 ML，下面简要介绍： 这种监督学习的子类型依赖于现有数据来得出可预测的结论。 当 AI 代理在没有经过完成任务的训练的情况下给出可预测的结果时，就会发生无监督学习。强化学习是强化学习的一个子类型，它作为人工智能算法的训练器，检测奖励和惩罚，以便为任何障碍提供准确的解决方案。如上所述，图 2 描述了机器学习的分类。
机器学习研究人员
最新出版物●Gohari，M.，Salvi，D.，Bestagini，P.，Adami，N。（2025）。音频功能调查用于唱歌的DeepFake检测，提交给ICASSP 2025。●Gohari，M.，Bestagini，P.，Benini，S.，Adami，N。（2024）。基于频谱图在音乐录音中自动调整人声的检测，在Wifs 2024接受。●Zanardelli，M.，Gohari，M.，Benini，S.，Adami，N。（2024）。基于PGNN的室外图像中鲁棒3D光方向估计的方法，在CBMI 2024接受。●Zanardelli，M.，Moghaddam，M.G。，Leonardi，R.，Benini，S。和N. Adami，2024年。Synthoutdoor：用于3D室外光估计的合成数据集。简要数据，第110700页。
研究赠款
大卫·巴拉德（David Ballard），医学博士| 18 F-FDG PET-MR的Mallinckrodt放射学研究所在有症状的perianal Crohn's Disision Maggie Chung，MD |加利福尼亚大学旧金山大学深学习的基于模拟的对比乳房MRI，用于乳腺癌筛查Sarah Mohojeri Moghaddam，MD，MPH |罗切斯特大学成像脑疟疾中的低氧脑损伤：在幸存者Christopher Newman，MD，PhD中的疾病，死亡和长期续集的急性阶段的作用|印第安纳大学补充了全身MRI的骨骼调查，可涉嫌身体虐待儿童Austin R. Pantel，MD，MSTR |宾夕法尼亚大学双追踪多参数宠物，以更好地描述癌症
第 17 届加拿大神经科学会议摘要会议纪要
特邀全体会议发言人 1：设计动物模型以测试迷幻药治疗效果的挑战 Bita Moghaddam，俄亥俄健康与科学大学 裸盖菇素有可能提高患有情绪和物质使用障碍且症状对传统药物疗法没有积极反应的个体的生活质量。裸盖菇素还提供了令人兴奋的新可能性，以增强我们对这些症状的生物学基础的机制理解，因为它似乎与大多数传统药物治疗模式一样作用于不同的细胞靶点和大脑通路。迄今为止，裸盖菇素的所有临床数据都报告了对情绪和成瘾性疾病的积极临床结果，这些数据都涉及临床医生辅助干预或心理支持。在本次演讲中，我将重点介绍：1）简要回顾文献，表明给药的背景或过程一直是已发表著作的一个组成部分；2）未来研究的重要性，即比较药物（“药丸”）作为独立治疗与药物结合临床辅助心理支持或正式治疗（“过程”）的疗效；3）回顾当前的工作，并对未来的方法提出建议，在动物模型中考虑到系统和行为神经科学在解释背景、经验和期望在药物作用中的潜在作用方面的作用。
测试TikTok算法对右翼的贡献
图 1 纽约警察局的激进化过程模型，2007 年 .............................................................. 15 图 2 Sageman 的 2007 年四阶段（Prongs）半线性模型 .............................................. 16 图 3 Gill 的自杀式炸弹袭击者路径 ...................................................................................... 16 图 4 Wiktorowicz 的 al-Muhajiroun 模型（2004 年） ...................................................................... 17 图 5 Moghaddam 的恐怖主义阶梯 ............................................................................................. 19 图 6 Taylor 和 Horgan 的恐怖主义参与图解模型 ............................................................. 21 图 7 Taylor 和 Horgan 的参与恐怖主义 ............................................................................. 22 图 8 Rottweiler 等人。的结构方程模型 (Rottweiler 等人2021:4) ........................ 25 图 9 Bouhana 和 Wikstrom 的激进化 IVEE 模型 (Bouhana 等人2020:5) ........................ 33 图 10 激进化过程的状态转换模型 (Bouhana 等人2020:6) ........................ 33 图 11 数字管制目标 (Alava 2021:163) ............................................................. 39 图 12 数字管制模式 (Alava 2021:165) ............................................................. 39 图 13 恐怖分子角色的线性描述 ............................................................................. 42 图 14 个人与不同恐怖分子角色之间的关系................................ 42 图 15 参与性质 ................................................................................................................ 43 图 16 基于表 8 的相关视频百分比 .............................................................................. 53 图 17 评论部分示例 ............................................................................................................. 59 图 18 评论部分的第二个示例 ............................................................................................. 59 图 19 评论部分的第三个示例 ............................................................................................. 60 图 20 评论部分的第四个示例 ............................................................................................. 61 图 21 总体轨迹，总体主题 ............................................................................................. 63 图 22 第一次编码图表 ............................................................................................................. 84 图 23 第二次编码图表 ............................................................................................................. 86
测试 TikTok 算法对右翼的贡献
图 1 纽约警察局的激进化过程模型，2007 年 .............................................................................. 15 图 2 Sageman 的 2007 年四阶段（Prongs）半线性模型 .............................................................. 16 图 3 Gill 的自杀式炸弹袭击者路径 ............................................................................................. 16 图 4 Wiktorowicz 的 al-Muhajiroun 模型（2004 年） ............................................................................. 17 图 5 Moghaddam 的恐怖主义阶梯 ............................................................................................. 19 图 6 Taylor 和 Horgan 的恐怖分子参与图解模型 ............................................................. 21 图 7 Taylor 和 Horgan 的参与恐怖主义 ............................................................................. 22 图 8 Rottweiler 等人的结构方程模型（Rottweiler 等人 2021:4） ............................................................................................................. 25 图 9 Bouhana 和Wikstrom 的激进化 IVEE 模型（Bouhana et al. 2020:5）......... 33 图 10 激进化过程的状态转换模型（Bouhana et al. 2020:6) ...................................................................................................... 33 图 11 数字管制目标 (Alava 2021:163) .............................................................................. 39 图 12 数字管制模式 (Alava 2021:165) ...................................................................................... 39 图 13 恐怖分子角色的线性描述 ......................................................................................................... 42 图 14 个人与不同恐怖分子角色之间的关系 ......................................................................................... 42 图 15 参与性质 ............................................................................................................................. 43 图 16 根据表 8 的相关视频百分比 ............................................................................................. 53 图 17 评论部分的示例 ............................................................................................................. 59 图 18 评论部分的第二个示例 ............................................................................................................. 59 图 19 评论部分的第三个示例 ............................................................................................................. 60 图 20 评论部分的第四个示例 ............................................................................................................. 61主题 ................................................................................ 63 图 22 第一次编码图表 ...................................................................................................... 84 图 23 第二次编码图表 ...................................................................................................... 86
从严重的急性营养不良>的儿童的微生物组指导的治疗食品
标题：从严重的急性营养不良作者中恢复的儿童的微生物指导的治疗食品：史蒂文·J·哈特曼（Steven J.Munirul Islam 4，Mahabub Uz Zaman 4，Sayeeda Huq 4，Mustafa Mahfuz 4，Md。Tazul Islam 5，Kallol Mukherji 5，Vaha Akbary Moghaddam 6，Robert Y. Chen 1,2，Michael A.省6，Daniel M. Webber 1,2,3，Suzanne Henrissat 1,2，Bernard Henrissat 7,8，Nicolas Terrapon 9，Dmitry A. Rodionov 10，Andrei L. Osterman 10，Andrei L. Osterman 10，Andrei L. Osterman 10，Andrei J. Barratt 1,2,3通信：孟加拉国腹泻病研究，孟加拉国（ICDDR，B），达卡1212，孟加拉国5 Terre des Hommes荷兰 - 孟加拉国乡村办公室，Dhaka，Dhaka，Dhaka，1209，孟加拉国6，孟加拉国6统计基因组司，基因组学部，遗传学系，华盛顿大学医学院，MO 63110 USICEN，USINE STROCENG，DOMECH and osine Sopicy and Docinech and osine and，美国7 7 7 Sopication and Domine and Docition and Dosonicech and Docigoins。生物工程），丹麦技术大学，DK-2800公斤。Lyngby, Denmark 8 Department of Biological Sciences, King Abdulaziz University, Jeddah, Saudi Arabia 9 Architecture et Fonction des Macromolécules Biologiques, CNRS, Aix-Marseille University, F-13288, Marseille, France 10 Infectious and Inflammatory Disease Center, Sanford Burnham Prebys Medical Discovery Institute, La Jolla, CA 92037 USA一句话摘要：针对特定肠道细菌类群的微生物群指导的食物促进了孟加拉国儿童从严重的急性营养不良中恢复过来的儿童。关键词：营养不良；严重和中度急性营养不良；肠道微生物组指导的治疗食品；随机对照临床试验；元基因组组装的基因组； Prevotella copri应变级多样性；复杂碳水化合物代谢的微生物途径；多糖利用基因座；基于适体的蛋白质组学分析。
电力锂离子电池的性能分析...
[1] E. Salmeron-Manzano和F. Manzano-Agugliaro，“电动自行车：全球研究趋势”，Energies，第1卷。11，否。7，p。 1894年7月2018，doi：10.3390/en11071894。[2] A. Raj，S。Paitandi和M. Sengupta，“商用电动自行车BLDC的设计验证和性能评估及其与不同可能设计的性能比较”，2019年国家电力电子会议（NPEC），Tiruchirappalli，印度Tiruchirappalli，印度IEEE：IEEE，2019年12月，PP。1-6。doi：10.1109/npec47332.2019.9034747。[3] N. Azizi和R. K. Moghaddam，“永久磁铁无刷直流电动机的最佳设计和最佳PID Controler参数的确定，以使用TLBO优化算法，以实现速度控制的目的”，第1卷。1。[4] R. Rakhmawati，Irianto，F。DwiMurdianto和G. T. Ilman Syah，“使用模糊逻辑控制系统中速度控制器永久性直流电动机的性能评估，2018年在信息和通信应用程序上的国际研讨会，Semarang：IEEE，Semarang：IEEE，IEE，sep.2018，sep.c.110–115。 doi：10.1109/isemantic.2018.8549813。 [5] J. Larminie和J. Lowry，《电动汽车技术》，第二版。 奇切斯特，西萨塞克斯郡，英国：威利（Wiley），约翰·威利（John Wiley＆Sons）有限公司，出版物，2012年。 [6] S. J. Chapman，《电气机械基础》，第5版。 美国：McGraw-Hill，2012年。 1-7。 doi：10.1109/edpc.2013.6689736。 [9] L. Lu，X。Han，J。Li，J。Hua和M. Ouyang，“电动汽车中锂离子电池管理的关键问题的审查”，《电源杂志》，第1卷。110–115。doi：10.1109/isemantic.2018.8549813。[5] J. Larminie和J. Lowry，《电动汽车技术》，第二版。奇切斯特，西萨塞克斯郡，英国：威利（Wiley），约翰·威利（John Wiley＆Sons）有限公司，出版物，2012年。[6] S. J. Chapman，《电气机械基础》，第5版。美国：McGraw-Hill，2012年。1-7。doi：10.1109/edpc.2013.6689736。[9] L. Lu，X。Han，J。Li，J。Hua和M. Ouyang，“电动汽车中锂离子电池管理的关键问题的审查”，《电源杂志》，第1卷。[7] A. Sinuraya，D。HaryantoSinaga和Y. Simamora，“对具有BLDC电动机驱动器的电动汽车的LifePo4电池大小，容量和充电分析”，在第四届教育，科学和文化创新国际创新会议上10.4108/eai.11-10-2022.2325395。[8] G. Freitag，M。Klopzig，K。Schleicher，M。Wilke和M. Schramm，“汽车设计中的高效率和高效的电动轮毂驱动器”，2013年第三次国际电动驱动器生产会议（EDPC），德国，纽伯格，2013年10月：IEEE：IEEE：IEEE，IEEE，IEEE，IEEE，PP。226，pp。272–288，3月2013，doi：10.1016/j.jpowsour.2012.10.060。[10] G. L. Plett，电池管理系统：电池建模。第1卷。波士顿：伦敦：Artech
认知重新评估和表达抑制与青少年时期的纵向结构性大脑发育有不同的关系
青少年时期的特点是情感体验不同于童年和成年期，有关评论请参阅 Guyer、Silk 和 Nelson（2016）、Nook 和 Somerville（2019）以及 Sims 和 Carstensen（2014）。青少年的情绪比儿童更复杂，比成人更强烈（Nook & Somerville，2019）。与其他人生阶段相比，他们也会经历更多的负面情绪（McLaughlin、Garrad & Somerville，2015）。这些情感变化使情绪调节成为青少年的主要发展任务。情绪调节是指影响一个人拥有哪些情绪以及何时和如何体验和表达这些情绪的过程（Gross，1998）。随着儿童年龄的增长，情绪调节变得更加自我启动（Sims & Carstensen，2014）。获得成功调节情绪的技能至关重要，因为情绪调节不良与青少年精神病理学有关（McLaughlin、Hatzenbuehler、Mennin 和 Nolen-Hoeksema，2011 年）。由于青少年大脑经历了重大的结构和功能变化（Blakemore，2012 年；Sturman 和 Moghaddam，2011 年；Walhovd、Tamnes 和 Fjell，2014 年），对青少年情绪调节的神经发育基础的了解可能为精神病理学的生物学风险因素提供新的见解，并最终为预防和早期干预计划提供信息。一些理论模型提出了情绪调节与青少年大脑发育模式之间的联系。 Somerville、Jones 和 Casey (2010) 提出的模型表明，青少年行为可以通过与情绪和激励相关行为有关的大脑区域（杏仁核和腹侧纹状体）与与认知和冲动控制有关的大脑区域（前额叶皮质，PFC）之间（结构和功能）成熟度的相对不平衡来解释。其他模型（Casey，2015；Casey，Heller，Gee，& Cohen，2019；Ernst，2014）提出了皮质和皮质下回路之间更复杂的相互作用。尽管存在一些差异，但这些模型的共同基本思想是：i）皮质下结构比额叶皮质区域成熟得早；ii）这种成熟不匹配可能导致过度依赖皮质下系统，这可能解释了青少年时期情绪或激励驱动的行为。到目前为止，测试这些模型的尝试面临着许多统计和概念挑战（ Meisel、Fosco、Hawk 和 Colder，2019 年）。通过阐明情绪调节与整个皮层纵向发展之间的关系，以及