XiaoMi-AI文件搜索系统
World File Search SystemParam
2023练习参数更新指南
本综述总结了新的研究发展和临床实践建议，以诊断和管理联合工作组在实践参数中提出的过敏反应2023过敏反应练习参数更新。它旨在作为2023练习参数的高级摘要，该参数基于自2015年实践参数以来出现的证据，因此对临床影响有很大的建议。我们邀请临床医生探索完整的2023练习参数，以了解研究方法和基本证据，这些证据已通知此处的建议。有针对性过敏反应的新诊断标准，定义升高的胰蛋白酶水平的规则以及对婴儿和幼儿特别明显的体征和症状的识别。肾上腺素的给药不应用作诊断过敏反应的替代物。过敏反应的风险因素应逐案评估。患者咨询和共同决策对于支持患者的治疗决策和管理
从视觉识别地形物理参数
摘要 - 识别周围环境的物理特性对于机器人的运动和导航对于处理非几何危害（例如湿滑和可变形地形）至关重要。机器人在接触之前预测这些极端的物理特性将是很大的好处。但是，从视力中估算环境物理参数仍然是一个开放的挑战。动物可以利用他们先前的经验以及对自己所看到的东西和感受的了解来实现这一目标。在这项工作中，我们为基于视觉的环境参数估计提出了一个跨模式的自我监督学习框架，这为未来的物理范围内的运动和导航铺平了道路。我们弥合了在模拟中训练和识别视力的物理地形参数的现有政策之间的差距。我们建议在模拟中训练物理解码器，以预测多模式输入的摩擦和刚度。训练有素的网络允许以自我监督的方式将现实世界图像标记，以在部署过程中进一步训练视觉网络，这可以密集地预测图像数据的摩擦和僵硬。我们使用四倍的Anymal机器人在模拟和现实世界中验证物理解码器，表现优于现有基线方法。我们表明，我们的视觉网络可以预测室内和室外实验中的物理特性，同时允许快速适应新环境。- 项目页面https://bit.ly/3xo5aa8 -
SGLT2抑制剂对...
摘要目标：SGLT2（钠 - 葡萄糖共转运蛋白2）抑制剂在减少心血管事件和改善2型糖尿病（DM）患者的肾脏结局方面表现出显着好处。但是，它们对造血的影响尚未完全理解。本研究旨在研究SGLT2抑制剂对2型DM患者血细胞比容，红细胞计数水平和各种血液学参数的影响。材料和方法：研究中包括116例使用SGLT2抑制剂的2型DM患者。在基线和对照检查期间收集了人口统计学和临床特征以及实验室参数。根据接受的特定SGLT2抑制剂（Dapagliflozin或Empagliflozin）对患者进行分层，并在基线和对照值之间进行比较。结果：与基线值相比，使用SGLT2抑制剂的患者中血细胞比容和红细胞计数水平显着增加（p = 0.002； p <0.001）。与Dapagliflozin相比，用雌激素治疗的患者更明显地增加了这种增加。此外，使用SGLT2抑制剂使用后，平均血小板体积（MPV）和红细胞分布宽度（RDW）值降低，可能表明有利的心血管效应（P = 0.038； P = 0.005）。结论：SGLT2抑制剂对造血作用显着影响，从而导致DM患者的血细胞比容和红细胞计数升高。有必要进行进一步的研究，以阐明这些发现的基本机制和临床意义。这些发现有助于我们对SGLT2抑制剂的血液学作用的理解，并突出了2型DM患者血糖控制以外的潜在益处。关键词：达帕格列申辛，红细胞增多，雌激素，血液学参数
融合沉积建模参数的效果（FDM ...
热塑性塑料添加剂制造的最常见方法是融合沉积建模（FDM），这正在成为各种工程应用中的增长趋势，因为它很容易创建复杂的零件。适当的过程参数选择对3D打印零件的机械质量有重大影响。这项研究研究了四个关键过程变量对聚乳酸（PLA）样品拉伸强度的影响：填充密度，打印速度，构建方向和层厚度。使用FDM 3D打印机根据ASTM D638打印样品。这项研究的结果表明，PLA打印样品的拉伸强度受到层厚度，构建方向和填充密度等因素的高度影响。PLA打印样品的拉伸强度和Young的模量受到90°方向，空心填充，0.4 mm厚度和100 mm/s速度的显着影响。因此，随着FDM 3D打印机对于制造工程组件逐渐变得更加重要，因此找到可能导致更强机械和物理特性的参数值肯定会帮助设计师和制造商在全球。
参数自适应非模型的状态估计结合了注意机制和LSTM
如今，状态估计被广泛用于诸如自动驾驶和无人机导航之类的领域。但是，在实际应用中，很难获得准确的目标运动模型和噪声协方差。这导致传统卡尔曼过滤器的估计准确性降低。为了解决此问题，本文提出了一种基于注意参数学习模块的自适应模型免费状态估计方法。此方法将变形金刚的编码器与长期短期内存网络（LSTM）结合在一起，并通过offline学习测量数据获得了系统的操作特性，而无需对系统动力学和测量特性进行建模。此外，根据注意力学习模块的输出，期望最大化（EM）算法用于估计在线系统模型参数，并使用KalmanFureter来获得状态估计。使用GPS轨迹路径数据集验证了本文，实验结果表明，所提出的参数自适应模型自由状态估计方法的估计精度比其他模型具有更好的估计精度，从而提供了一种使用深度学习网络进行状态估计的有效方法。
优化电穿孔参数，使用 3 至 2000 kDA 的荧光葡聚糖将大分子有效递送至猪受精卵中
。CC-BY-NC-ND 4.0 国际许可证（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。
从事与任务参数化的高斯流程一起学习的多参考框架技能
摘要 - 从演示中学习的核心挑战是生成适应能力并可以推广到看不见的情况的表示。这项工作建议在不使用特定于任务的启发式方法的情况下学习这种表示形式，而在全球框架中叠加本地技能，在多次参考框架技能学习的背景下。首先通过使用高斯流程（GPS）拟合相对技能来了解本地政策。然后，另一个GP决定了每个帧与每个时间步的相关性，它是从不同批次的演示中以自我监督的方式训练的。GP的不确定性定量能力被利用以稳定当地政策并以完全贝叶斯的方式训练框架相关性。我们通过在模拟中生成的多帧任务的数据集以及具有机器人操作的拾取和位置重新封闭任务的真实实验中生成的多帧任务。我们用两个指标评估了方法的性能：生成的轨迹与每个任务目标以及这些轨迹和测试专家轨迹之间的偏差有多近。根据这两个指标，所提出的方法始终优于最先进的基线，任务参数化的高斯混合模型（TPGMM）。
可解释的多尺度机器学习基于图标的对流参数
摘要机器学习（ML）基于基于地球系统模型（ESM）的参数化，其目标是更好地表示子网格尺度过程或加速计算。杂种ESM中的基于ML的参数化已从短高分辨率模拟中成功地学习了亚网格尺度过程。但是，大多数研究都使用特定的ML方法来参数化基因趋势或通量，该趋势源自主要是理想化的设置或超级参数的各种小规模过程（例如，辐射，对流，重力波）的复合效应（例如，辐射，对流，重力波）。在这里，我们使用过滤技术将对流与这些过程在逼真的环境中使用二十面体非静液压建模框架（ICON）明确分开，并在逼真的环境中对彼此之间的各种ML算法进行基准测试。我们发现，在表现出最佳的离线性能的同时，一条未能的U型NET学习了对流降水与亚网格通量之间的反向因果关系。尽管我们能够将U -NET的学习关系与物理过程联系起来，但对于非深度学习的梯度增强了树是不可能的。然后将ML算法在线耦合到主机图标模型。我们最好的在线性能模型，一种消融的U型NET，不包括沉淀示踪剂物种，表明与传统方案相比，与高分辨率模拟相比，模拟降水极端的一致性和平均值具有更高的一致性。但是，在水蒸气路径和平均沉淀中都引入了平滑偏置。我们的结果暗示了可能通过混合ESM显着减少系统错误的潜力。在线，与未驱动的U -NET相比，融合的U -NET显着提高了稳定性，并且在整个模拟期内运行稳定。
使用sarima建模和计量参数的预测：
卡拉奇方法论中温度因素：使用季节性自动回归综合运动平均值（SARIMA）模型。从2012年1月1日至2022年12月31日的每日最高和最低温度数据使用该模型的训练数据。这些数据集干净且修改，以获取该地区最高和最低温度数据的月平均值。这些数据集使用用于模型开发。两个数据集分别通过了时间序列分析，并且最适合两者的模型正在开发。发现：研究显示了温度数据中的季节性，以及在最低和最高温度数据集中的平均值增长，这表示过去十年中的全球变暖。含义：这些结果将有助于将来研究卡拉奇温度变化以及制定策略以适应该地区的这种变化。
AXA启动开拓性Heatwave参数保险
Axa香港和澳门（“ AXA”）致力于成为反对气候变化的驱动力，并利用其在气候风险评估方面的专业知识，以支持企业解决相关风险并建立可持续的未来。今天，我们很高兴地宣布推出市场优先的“热浪参数保险”，该产品旨在为夏季在户外工作的户外从业人员提供增强的保护。在过去三十年中的气候数据绘制了可见的图片 - 从1994年到2023年，香港的年平均温度每十年的统计学上升为0.30°C。这种令人震惊和持续的显着崛起对某些职业（例如建筑工人，物业管理人员）以及公用事业和运输部门的从业人员构成了更高的风险，他们在极端热量事件中通常会暴露于户外情况。认识到这种紧迫的需求，Axa带头引入了“ Heatwave参数保险”，为预防热压力和保护受影响的从业者提供了灵活和方便的好处。天气参数保险机制很容易且直接，每人适中的溢价为HKD19.9。被保险人有资格获得等效价值的HKD100的支出或“反热量套件”，当温度在8月至10月期间连续三天超过36.0°C 2时。AXA将在满足预定的扳机时不断监视温度水平，并主动为客户提供信息和补偿。要确保一个简单便捷的过程，被保险人不需要证明损害或损失，也不需要申请额外的索赔或提交索赔表和支持文件以获得支出。