XiaoMi-AI文件搜索系统
World File Search SystemPeTaL
NASA 人工智能用例清单
PeTaL（生命周期表）是一种开源人工智能 (AI) 设计工具，它利用来自自然和技术的数据和信息来推动仿生学研究和开发。PeTaL 的设想是通过围绕其核心本体论框架整合新旧工具和方法来简化仿生设计过程的各个步骤（Shyam 等人，2019 年；Unsworth 等人，2019 年）。为了尽可能全面，PeTaL 需要大量管理标准化数据，通过这些数据，它可以学习、解释和输出设计查询的预测解决方案。PeTaL 旨在供寻求自然解决方案来解决设计和工程问题的设计师和工程师以及寻求扩展其科学发现应用的生物学家使用。
人工智能/机器学习/数据分析
1. 线性回归与逻辑回归 a) 使用 Boston House 数据集基于多个不同变量预测房价（线性回归） b) 训练模型根据萼片长度、萼片宽度、花瓣长度和花瓣宽度区分不同种类的鸢尾花（逻辑回归） https://www.javatpoint.com/linear-regression-vs-logistic-regression-in-machine- learning#:~:text=Linear%20regression%20is%20used%20to,given%20set%20of %20independent%20variables.&text=Logistic%20regression%20is%20used%20f or%20solving%20Classification%20problems 。 2. 使用 matplotlib 和不同种类的图进行数据可视化。（条形图、散点图、时间序列
2024年5月1日授予的意向通知...
•MALLORY MALKIN JOHNSON博士，Petal，MS，我们要感谢每个供应商在准备对此招标的回应方面的时间和努力。成功的供应商被指示不要开始工作，购买材料或进入与项目或服务有关的分包合同，直到执行合同为止。我们感谢您对与密西西比州开展业务的兴趣。真诚的，希瑟·罗扎尔·阿巴尼（Heather Rozar-Abney），采购官埃利斯维尔州立学校1101 1101号公路11 South Ellisville，MS 39437电话：601-477-5615传真：601-477-5710电子邮件：Heather.rozarabney@ess.ms.ms.gov
文章 基于 MEMS 的压阻式压力传感器的机械膜片结构设计，以提高灵敏度和线性度 Phongsakorn
2 泰国微电子中心（TMEC）、国家电子和计算机技术中心、国家科学技术发展局、Chachoengsao 24000，泰国电子邮件：a s6209091960016@email.kmutnb.ac.th，b，* ekachai.j@tggs.kmutnb.ac.th（通讯作者），c hwanjit.rattanasonti@nectec.or.th，d putapon.pengpad@nectec.or.th，e karoon.saejok@nectec.or.th，f chana.leepattarapongpan@nectec.or.th，g ekalak.chaowicharat@nectec.or.th，h wutthinan.jeamsaksiri@nectec.or.th 摘要。本文针对低压工作范围提出了一种改进的微机电系统 (MEMS) 压阻式压力传感器设计，该传感器由花瓣边缘、横梁、半岛、三个横梁和一个中心凸台组合而成，以提高传感器性能，即灵敏度和线性度。利用有限元法 (FEM) 预测 MEMS 压阻式压力传感器在 1-5 kPa 施加压力下的应力和挠度。利用幂律制定纵向应力、横向应力和挠度的函数形式，然后将其用于优化所提设计的几何形状。仿真结果表明，所提设计能够产生高达 34 mV/kPa 的高灵敏度，同时具有 0.11% 满量程 (FSS) 的低非线性。半岛、三个横梁和中心凸台的设计降低了非线性误差。通过增加花瓣边缘宽度可以提高灵敏度。还将所提设计的传感器性能与文献中先前的设计进行了比较。比较结果表明，所提设计的性能优于先前的设计。关键词：MEMS、压阻式压力传感器、有限元法、灵敏度、线性度。
从边缘到焦点 - 安全空间
加勒比地区 8 个国家的组织联盟，包括巴巴多斯 - SHE、性健康赋权、伯利兹 - PETAL、通过提高对女同性恋/双性恋女性的认识促进赋权、圭亚那 - GUYBOW、圭亚那彩虹基金会、海地 - FACSDIS、反对性歧视污名化和行动组织、OTRAH、海地跨性别组织、牙买加 - WE-Change、妇女赋权变革、圣卢西亚 - 团结与强大、苏里南 - WSW、妇女之路基金会和特立尼达和多巴哥 - I am One，为女同性恋、双性恋和酷儿女性以及跨性别男性开展了这项参与性研究。这个社区主导的研究项目是在 Kennedy Carrillo Consultancy 和 Liesl Theron 的技术支持下进行的，东加勒比联盟也参与其中。
鸢尾花数据集预测模型综述
（这仅供参考 - 作者可以根据研究工作使用其他副标题/内容）1. 简介：当今最有趣的研究课题是机器学习，今天许多人都在机器学习领域工作，一些出版商或研究人员正在发现或更新机器学习的新算法和方法，基本上，机器学习是使机器做出与人脑相同决策的过程。机器学习是人工智能的主要部分，主要分为两类：监督学习和无监督学习。因此，学习阶段分为监督学习、无监督学习和强化学习。作为监督学习过程的一部分，会提出一个输出目标，它可以帮助或使系统学习，它还包含由不同输入属性和输出组成的训练数据实例。监督学习的一个子部分是分类，程序从给定的输入数据中学习并使用此过程对新观察结果进行分类。分类技术有多种类型，例如决策树、神经网络、贝叶斯分类器、支持向量机、K 最近邻等等。以下是一些使用离散数据和连续数据的机器学习分类任务的示例：对信用卡交易进行分类、检测人体疾病（将蛋白质分类为 α 螺旋、β 折叠或随机卷曲的二级结构）、天气预报，以及将新闻报道分类为金融、体育和娱乐。鸢尾花数据集是机器学习中最著名的数据集之一，它包含 150 个鸢尾花样本，具有萼片长度、萼片宽度、花瓣长度和花瓣宽度等测量值。这些样本分为三个不同的种类：山鸢尾、变色鸢尾和维吉尼亚鸢尾。该数据集广泛用于分类任务，由于其简单性和结构良好，是应用机器学习算法的极好起点。
实现观赏植物的可持续栽培
观赏植物市场具有全球经济意义，其中欧洲是主要参与者，2017 年荷兰的营业额达到 47 亿欧元（FloraHolland，2018 年）。人们不断寻求具有新特性和改良特性的栽培品种，例如花瓣/叶子颜色、增强的香味、改良的植物结构、生物/非生物胁迫和延长的采后寿命，例如对植物激素乙烯的耐受性（Azadi 等人，2016 年）。虽然通过常规和突变育种可以实现新特性的转移，但它也受到限制。例如，杂交障碍阻止了远亲物种特性的自然渗入（Kuligowska 等人，2016 年；Shibata，2008 年；Teixeira da Silva 等人，2011 年）。通过引导突变的基因工程已经获得了一种解决此问题的方法，这与观赏植物基因组测序计划的发展相协同（由 Azadi 等人，2016 年审查）。
Pembrolizumab的安全性和初步功效...
摘要◥目的：跨性化学栓塞（TACE）可能会产生适应性免疫力并增强免疫疗法的效率。花瓣评估了安全性，TACE加上pembrolizumab的初步活动以及探索效率的机制。患者和方法：肝脏固定的肝细胞癌（HCC）的患者计划接受多达两轮TACE，然后接受pembrolizumab 200毫克每21天开始30天，直到疾病进展或不可接受的毒性，最多一年。主要终点是安全性，带有pembrolizumab启动的评估窗口为21天。次要终点包括无进展的表面（PFS）以及肿瘤和宿主反应决定因素的评估。结果：15例患者被包括在安全性和效率人群中：73％的患者患有非病毒性肝硬化；中位年龄为72岁。儿童pugh班级为14名患者。中值肿瘤大小为4厘米。
花卉性状的定量遗传分析显示了当前的局限性，但野生的潜在演变
跨被子植物的花卉特征的巨大变化通常被解释为适应授粉媒介的结果。但是，在野生人群中的研究通常没有发现授粉媒介介导的花的迹象。进化理论预测，这可能是稳定条件下停滞期的结果，其次是授粉媒介变化时期较短，为创新表型提供了选择。我们询问停滞周期是否是由于选择稳定，其他形式的选择或低性状能力，即使存在选择，也引起了停滞。我们研究了一种植物，主要是由其范围内的一种蜜蜂授粉的植物。，我们使用了大型野生人群中的全基因组相关性测量性状的遗传力和发展性，并将其与对同一个体的选择估计相结合。我们发现了稳定选择和低性状遗传力的证据，作为流动中停滞的潜在解释。标准花瓣的面积正在稳定下，但可变性不是可遗传的。单独的特征，花的重量具有很高的含义，但目前尚未选择。我们展示了一个简单的授粉环境如何与当前的自适应进化变化前提条件相吻合，而遗传性的变化仍在响应未来的选择压力。
年度报告-CAVS.MSSTATE.EDU-密西西比州立大学
图为（前排，从左到右）通用汽车导师加里·拉什顿（Gary Rushton）； Oussama Oussi，机械工程研究生，Starkville；内森·雷诺兹（Nathan Reynolds），花瓣机械工程初中；斯塔克维尔机械工程高级高级机械工程； Vance Hudson，田纳西州科利尔维尔机械工程硕士毕业生；麦迪逊电气和计算机工程硕士毕业生Jonah Gandy； （第二行，左）员工顾问Debi McNabb，MSU高级车辆系统中心项目协调员；巴西工业工程高级工业工程高级黛比·阿伦卡·奥利维拉（Debbie Alencar Oliveira）；贝利·何塞（Bailey Jose），橄榄分公司工业和系统工程研究生；雷切尔·亨德里克斯（Rachel Hendricks），工商管理硕士研究生，阿拉巴马州胡佛；玛丽·尼尔森·克林顿（Mary Nielson Clinton），田纳西州日耳曼敦的传播/公共关系研究生； （第三排，左）Jagdeo Singh，Laurel机械工程高级高级；电气和计算机工程副教授，教师顾问Randy Follett；摩洛哥电气和计算机工程研究生的胺太豪迪； Mendenhall机械工程高级高级Matthew Sinclair；以及高级车辆系统中心研究工程师III的员工顾问迈克尔·吉布森（Michael Gibson）。