XiaoMi-AI文件搜索系统
World File Search SystemNilsson
全球人口胎儿血红蛋白的遗传调控
Liam D. Cato 1,2,3， *，Rick Li 1,2,3， *，Henry Y. Lu 1,2,3， *，Fulong Yu 1,2,3，Mariel Wissman 1,2,3，Baraka S.Mkumbe 4,5,6，4,5,6 7，Paola G. Bronson 11，Dirk S. Paul 12,13，Emily Kawabata 12，William J. ASTLE 12,14,15,16，Francois Aguet 3，Kristin 3 Ardille de Portilla，Portilla Portilla Portilla，18 Guolian Kang 19，Yingze Zhang Zhang 20 ETT 23，Allison Ashley-Koch，23，Marilyn J. Telen 23，Brian Custer，24，Shannon，26 Luana Dinardo 27,28，Ester C. Sabino 28，Paula Loureiro 29，AnnaBárbaracarneiro-Proietti 30 Angelika Hammer-Alvier Al。
全球人口胎儿血红蛋白的遗传调控
Liam D. Cato 1,2,3， *，Rick Li 1,2,3， *，Henry Y. Lu 1,2,3， *，Fulong Yu 1,2,3，Mariel Wissman 1,2,3，Baraka S.Mkumbe 4,5,6，4,5,6 7，Paola G. Bronson 11，Dirk S. Paul 12,13，Emily Kawabata 12，William J. ASTLE 12,14,15,16，Francois Aguet 3，Kristin 3 Ardille de Portilla，Portilla Portilla Portilla，18 Guolian Kang 19，Yingze Zhang Zhang 20 ETT 23，Allison Ashley-Koch 23，Marilyn J. Telen 23，Brian Custer，24，Shannon，26 Luana Dinardo 27,28，Ester C. Sabino 28，Paula Loureiro 29，AnnaBárbaracarneiro-Proietti 30 Ercher 34，Vivien A. Sheehan 35，Mitchell J. Weiss 19，Lude Franke 9,36，BjörnNilsson3,17,18，Adam S. Butterworth 12,13,14,37,38
HSFK - 期刊目录 2022 年第 3 季度
战争与军事服务承诺：部署和战斗经历与国民警卫队士兵留任的关系 James Griffith pp.735–759 护士为何离开退伍军人事务医院？Dongjin Oh 和 Keon-Hyung Lee pp.760–779 STEM 学位与军事服务：交叉分析 Sela R. Harcey、Christina R. Steidl 和 Regina Werum pp.780–802 什么造就了军事专业人士？评估西点军校学员的规范社会化 Risa A. Brooks、Michael A. Robinson 和 Heidi A. Urben 第803–827 澳大利亚军人配偶的原型特征——识别完美伴侣和坏女孩 Amy Johnson、Kate Ames 和 Celeste Lawson 第828–848 极端情境中的变革型领导力：与退伍军人创伤后成长和自我效能的关系 Michael A. LaRocca 和 Kevin S. Groves 第849–871 重组期间的职业社会化：工作量和职业时间研究 Joel Nilsson 和 Johan Österberg 第872–891 管理主义与军队：对瑞典武装部队的影响 Sofia K. Ledberg、Shirin Ahlbäck Öberg 和 Emma Björnehed 第 892–916 复杂的纠葛：影响加纳武装部队民事-军事关系的社会因素 Humphrey A. Agyekum 第 917–935 招募女性的致命弱点：感知到的性别平等是女性对军队雇主吸引力的关键决定因素 Timo A Graf 和 Gerhard Kuemmel 第 936–960 军事经验对选举的影响：美国参议院选举的证据（1982–2016） David K. Richardson 第 961–981
昆虫生物群落图集数据：瑞典和马达加斯加陆生节肢动物的元条形码调查
Miraldo A 1§* , Sundh J 2, * , Iwaszkiewicz-EggebrechtE 1 , Buczek M 3 , Goodsell R 1 , Johansson H 4 , Fisher BL 5 , Raharinjanahary D 6 , RajoelisonET 6 , Ranaivo C 6 , Randrianandrasana C 6 , Rafanomezantsoa JJ 6 , ManoharanL 7 , Granqvist E 1 , van Dijk LJA 1 , Alberg L 4 , Åhlén D 8 , Aspebo M 4 , Åström S 4 , BellvikenA 4 , Bergman PE 4 , Björklund S 4 , Björkman MP 9,10 , Deng J 3 , Desborough L 4 , DolffE 4 , Eliasson A 4 , Elmquist H 4 , Emanuelsson H 4 , Erixon R 11 , Fahlen L 4 , Frogner C 4 ,Fürst P 4 , Grabs A 4 , Grudd H 12 , Guasconi D 13 , Gunnarsson M 4 , Häggqvist S 4 , Hed A 4 ,Hörnström E 4 , Johansson H 4 , Jönsson A 4 , Kanerot S 4 , Karlsson A 4 , Karlsson D 4 ,Klinth M 4 , Kraft T 4 , Lahti R 14 , Larsson M 4 , Lernefalk H 4 , Lestander Y 4 , Lindholm LT 4 , LindholmM 4 , Ljung U 4 , Ljung K 4 , Lundberg J 15 , Lundin E 12 , Malmenius M 4 , Marquina D 1,# ,Martinelli J 4 , Mertz L 4 , Nilsson J 4 , Patchett A 16 , Persson N 4 , Persson J 4 , Prus-FrankowskaM 3 , Regazzoni E 4 , Rosander KG 4 , Rydgård M 4 , Sandblom C 4 , Skord J 4 , StålhandskeT 16,17 , Svensson F 4 , Szpryngiel S 1 , Tajani K 17 , Tyboni M 4 , Ugarph C 4 , Vestermark L 4 , Vilhelmsson J 4 , Wahlgren N 4 , Wass A 4 , Wetterstrand P 4 , Łukasik P 1,3,† , Tack AJM 8,† ,Andersson AF 18,† , Roslin T 19,20,† , Ronquist F 1,†
神经科学与艺术的舞台：OHBM BrainArt SIG 观点
和组织学家 Santiago Ramón y Cajal 制作了详细的脑细胞插图，至今仍在教育环境中使用 (12)，这启发了其他人创作类似的艺术作品 (13)。神经病学家和小说家 Oliver Sacks 撰写了关于他病人经历的感人、畅销故事 (14)，其中一些被改编为表演艺术，如戏剧、电影和舞蹈（例如 (15)）。自从 Eadweard Muybridge 的生物运动研究 (16) 以来，摄影一直处于科学与视觉艺术互惠交流的中心。灵长类动物学家和人类学家 Jane Goodall 的作品因一部令人惊叹的电影摄影作品而受到全世界的关注，该作品展示了当时无法想象的动物互动 (17)。摄影师兼科学家 Lennart Nilsson 拍摄了具有开创性的胚胎生命及其他生命形式的照片，主要是为了“让不可见变为可见”(18)，从而启发其他人以创新的方式记录科学 (19)。罗莎琳德·富兰克林 (Rosalind Franklin) 拍摄的著名的 DNA X 射线照片是科学史上跨学科的伟大一步。事实上，这张照片启发了其他艺术形式，比如 2010 年安娜·齐格勒 (Anna Ziegler) 创作的一部戏剧 (20)。我们可以继续说下去，但让我们以莎玛·拉赫曼 (Shama Rahman) 结束：她是一位科学家、神经哲学家、作曲家和歌手兼西塔琴演奏家：第一位在南极双年展上表演的西塔琴演奏家和第一位入驻 Mi.Mu 可穿戴手套公司的艺术家 (21)。
理论轮盘：选择气候变化不是...
尽管反对它（例如Whitby 2003），但始终将人类级别（或类似人类的）智力的复制得到明确陈述并高度公开为人工智能研究的主要目标。Alan Turing（1950）的模仿游戏是关于模仿人类的。Allan Newell和Herbert A. Simon关于一般问题求解器的报告（1961）的标题为“ GPS，一个模拟人类思想的程序。”爱德华·费根鲍姆（Edward Feigenbaum）和詹姆斯·费尔德曼（James Feldman，1963年）选择了标题计算机和思想，在唯一合法的思想典范（至少在学术界）是人类的时候。在其图灵奖演讲中，纽厄尔和西蒙（Newell and Simon，1976）将AI的“实证研究”描述为通过复制理解人类智能的“实证研究”。CYC项目（Lenat，Prakash和Shepherd 1986）的目标是复制人类常识性推理。nils J. Nilsson（2006）也许是最明确的，将人工智能的目标描述为可以付费人工工作的建筑机器。包括ACT-R模型（Anderson 1993），SNEP（Shapiro 2000）和Soar认知建筑（Laird 2012）在内的著名项目不仅旨在使我们走上更多的构建人类水平的智能，而且实际上是重复了至少重复人类水平情报的某些方面的表征。这些是AI史上一些最重要，最可见，资金充足的项目。因此，从历史记录中，建立人类智能从一开始就成为了AI的严肃而明确的目标。1，尽管Blay Whitby等批评者的争论以及一些著名的AI研究人员的努力，例如Rodney A. Brooks（1991），这也是一个目前的目标。
用于生物特征机器学习的眼动追踪特征提取
在学习机器方面，Nilsson (1965) 的研究更多地关注模式分类的机器学习。近年来，对眼动追踪的研究也有所增加。许多研究人员在实验中研究如何利用眼动追踪数据进行研究。因此，在分类研究中使用眼动追踪技术时，会引发一个疑问：从眼动追踪数据中可以获得哪些眼部特征用于分类。眼动追踪技术是指跟踪和测量用户的眼球运动和眼睛焦点的过程。眼动追踪广泛应用于心理学、市场营销、医学、电脑游戏和认知科学等许多领域。因此，眼动追踪越来越多地应用于计算机科学领域，并利用眼部特征来研究信息处理任务（Rayner，2009）。眼动追踪数据可以通过使用眼动追踪传感器或摄像头来测量和获取。这些数据提供了多种特征，可用于多种分类任务。眼动追踪技术非常有用，它可以在未来被广泛采用和实施，因为它只需要一个简单的摄像头就可以收集所需的数据。在本文中，我们进行了系统的文献综述，并收集了5年内（即从2016年到现在）所有与使用眼动追踪数据中的特征进行分类相关的研究和文章。第一部分介绍本文。在背景部分，我们提供了眼动追踪技术和眼动追踪器类型的背景，包括桌面眼动追踪、移动眼动追踪和虚拟现实（VR）中的眼动追踪，以及机器学习的简要介绍。方法论部分描述了研究方法，包括研究问题、选择标准、搜索过程和选择过程。结果部分展示了结果，相关研究如表1所示。最后一部分总结了本文。
2021 年自动控制项目
隆德大学自动控制系每年都会开设自动控制 (FRTN40) 项目课程。该课程为高级课程（7.5 ECTS 学分），学生以小团队形式工作以实现共同目标。这些项目通常涉及与工业或其他应用相关的实际估计或控制问题。在本课程中，学生有机会探索他们在以前的控制系统课程中学到的概念的实施方面。在一名教员或博士生的指导下，小组独立制定目标和相关时间计划。后续活动通常涉及建模、控制器设计、实施、文档和验证。学生通过两次反馈研讨会、一次口头陈述、一次演示会议和一份书面报告展示他们的工作。2021 年版课程的报告在此手册中介绍。今年，该群体由 23 名学生组成，以 2-5 人为团队工作。该课程包括 6 个项目；熊猫机器人、Crazyflie 四旋翼飞行器、Slimdog 小车、Bluelining 机器人、脑计算接口和球平衡机器人。每个小组都成功地进行了实时实验，并生成了最终的实验结果，以便赶在 1 月份的演示之前完成。博士生 Martin Gemborn-Nilsson、Julian Salt 和 Zheng Jia 担任该课程的项目顾问，客座教授 Tihomir Zilic 和 Anders Robertsson 也为该课程提供了支持。我们还要感谢我们的研究工程师 Leif Andersson、Anders Blomdell 和 Anders Nilsson，他们在整个项目中一直为各个小组提供支持。最后，我们要感谢 Mika Nishimura 在学生注册和相关事宜上提供的帮助。要了解有关该课程的更多信息，请访问 http://www.control.lth.se/course/FRTN40。
心脏手术中慢性术后术后疼痛
摘要简介：心脏手术的并发症是慢性术后术后疼痛，这是一个重大的临床问题。慢性结构切开术疼痛的发生率约为患者的20％至50％（Lauridsen等，2013），其中3％至5％患有严重的残疾疼痛（Kalso; Mennander; Mennander; Nilsson，2001）。本研究的目的是研究心脏手术后术后患者慢性疼痛的发生率以及与之相关的危险因素。方法：这是一项观察性病例对照分析研究，该研究是通过2014年至2022年进行胸骨切开术的患者的病历进行的，他们在外科门诊诊所进行了咨询。所有人都接受了至少6个月的胸骨切开术。通过比较EpiInfo®软件的潜在预测指标并分析了对DCPE的存在（n = 230）或不存在（n- = 579）的评估。结果：评估了809名患者。其中230（28.43％）具有DCPE。组之间的年龄没有显着差异（p = 0.98）。女性和男性类型之间的DCPE发生率没有差异（p = 0.20）。将以下变量研究为发展慢性疼痛的风险因素，但在统计学上并不重要：NYHA分类，Euroscore II，劳动力状况，术后并发症，周围动脉疾病，合并症，性脂肪异常，糖尿病，糖尿病，糖尿病，高血压，肥胖，肥胖，肥胖，疾病及其疾病的疾病及其疾病，疾病且疾病疾病疾病且疾病疾病疾病且疾病疾病疾病，疾病且疾病且疾病均匀疾病且疾病。结果：809名患者得到了评估。但是，DCPE与术前抑郁症之间存在关联，作为危险因素[P = 0.009;或= 1.68（1.14-2.49 CI 95％）]和慢性肾脏疾病作为保护因子[P = 0.01;或0.6（0.4-0.9 CI 95％）]。评估CKD患者时，与糖尿病有关联[p = 0.009;或1.56（1.11-2.17 CI 95％）]。DCPE的发病率在文献中的建立范围内。DRC可能是通过与糖尿病相关的保护因素，因为知道该群体的灵敏度较小。结论：大约三分之一的患者患有DCPE，术前抑郁症是危险因素，刚果也是保护因素。关键字：慢性末期切开术，心脏手术，危险因素。摘要简介：心脏手术的并发症是慢性术后术后疼痛，这是一个重大的临床问题。慢性结构切开术疼痛的发生率约为患者的20％至50％（Lauridsen等，2013），其中3％至5％患有7种禁用疼痛（Kalso; Mennander; Mennander; Nilsson，2001）。这项研究的目的是研究胸骨手术后患者的慢性疼痛发生率及其相关的危险因素。方法：这是一项分析性观察病例对照研究，在2014年至2022年之间进行了胸骨切开术的患者的病历，并在外科门诊门诊诊所中看到。所有人至少在6个月前都进行了胸骨切开术。通过比较DCPE的潜在预测指标来评估DCPE的存在（n = 230）或不存在（n- = 579），并使用Epinfo®软件进行了分析。其中230（28.43％）具有DCPE。两组之间的年龄没有显着差异（p = 0.98）。女性和男性之间的DCPE发生率没有差异（p = 0.20）。将以下变量研究为发展慢性疼痛的风险因素，但在统计学上并不重要：NYHA分类，Euroscore II，就业状况，手术后并发症，外周动脉疾病，合并症，发育不良，糖尿病，糖尿病，糖尿病，糖尿病，肥胖性，肥胖症，肥胖症，疾病和疾病的疾病疾病，疾病疾病，炎症性疾病，疾病，疾病疾病，疾病疾病，疾病疾病，炎症性的疾病，疾病和疾病。然而，DCPE与术前抑郁症之间存在关联[p = 0.009; OR = 1.68（1.14-2.49 95％CI）]和慢性肾脏疾病作为保护因子[P = 0.01;或
自主/紧急/通用人工智能架构
[Akimoto 20] Taisuke Akimoto：故事记忆的并行分布式组织（2M4-OS-3a-03），2020 年日本人工智能学会全国会议（第 34 届），第1-4 ( 2020 ) [Brooks 87] Brooks, R. A.：规划只是一种避免弄清楚下一步该做什么的方法，技术报告，麻省理工学院人工智能实验室 ( 1987 ) [Fikes 71] Fikes, R. 和 Nilsson, N.：STRIPS：一种将定理证明应用于问题解决的新方法，人工智能，Vol.2，页189-208 (1971) [藤森 20] T. Fujimori、K. Ohno、Y. Kanzaki、S. Kurihara：多智能体交通信号灯自主分布式控制方法提案 (2M5-OS-3b-03)，2020 年日本人工智能学会全国会议（第 34 届），第 1971-198 页。1-4 (2020) [栗原20] 栗原聪、河野洋二：《Phaedon》的剧本是如何创作的？ , 人工智能, 第卷35，号3，页402-409 (2020) [Masui 20] Masui, T., Miyazawa, K., Horii, T., Nagai, T.: 通过因果效应提高不确定环境中主动动作选择的效率 (2M5-OS-3b-01)，2020 年日本人工智能学会年会（第 34 届），页。1-4 (2020) [Nakamura 20] Haruka Nakamura、Yoshimasa Tawatsuji、Tatsunori Matsui：使用脑功能模型解释考虑训练阶段的正念期间的情绪控制机制（2M4-OS-3a-01），2020 年日本人工智能学会年会（第 34 届），第1-4 (2020) [Nanzato 20] Kanta Nanzato、Hirotaka Moriyama、Koichi Nakayama：利用区块链进行自主 AI 的遗传算法研究 (2M4-OS-3a-04)，日本人工智能学会 2020 年年会（第 34 届），第1-4 (2020) [Sagara 20] Rikunari Sagara、Ryo Taguchi：使用混合分布从语音中学习相对位置概念 (2M4-OS-3a-02)，2020 年日本人工智能学会全国会议（第 34 届），页。1-4 ( 2020 )