XiaoMi-AI文件搜索系统
World File Search SystemPlayers
1悬挂陈的增强学习算法以优化玩家的战术决策和
摘要： - 本文探讨了排名遗传优化增强学习（RGORL）算法的应用，以优化玩家在网球比赛中的战术决策和圆形计划。利用进化原理和强化学习技术，RGORL提供了一个数据驱动的框架，以增强球场性能。广泛的模拟证明了该算法在改善比赛成果，得分赢得百分比和游戏赢得百分比方面的有效性。结果说明了连续几代人的健身得分的稳步改善，表明RGORL随着时间的推移发展和完善策略的能力。对战术决策的分析揭示了诸如获胜率，得分赢得百分比和游戏赢得百分比的策略的优势。通过广泛的模拟，RGORL证明了匹配结果的显着改善，获胜率最大提高了13％。对战术决策的分析揭示了赢得百分比的积分的显着增强，在各种策略中，高达34％的人（尤其是“净方法”）提高了34％。此外，该算法在游戏中取得了可观的收益，赢得了百分比，记录的算法最高可增长25％。
使用可解释模型的机器学习方法预测NCAA篮球运动员到达NBA
摘要：在国家篮球协会（NBA）的背景下，在包括体育和篮球在内的各种应用领域中使用了机器学习和知识发现中的预测模型，在这里可以找到相关的预测问题。在本文中，我们应用了监督的机器学习来检查NCAA篮球联盟中的历史和统计数据以及来自NCAA篮球联赛球员的功能，并解决了自动识别NCAA篮球运动员的预测问题，具有极好的机会达到NBA并获得成功。这个问题不容易解决；除其他困难外，许多因素和高度不确定性可能会影响篮球运动员在上述情况下的成功。解决这个预测问题的主要动机之一是为决策者提供相关信息，从而帮助他们改善雇用判断。为此，我们的目标是实现产生可解释的预测模型表示和令人满意的准确性水平的优势，因此，考虑到可解释性和预测精度之间的交易，我们已经投资于白盒分类方法，例如诱导决策树，以及逻辑回归。但是，作为基准，我们认为相关方法是黑框模型的参考。此外，在我们的方法中，我们探索了这些方法与遗传算法相结合，以提高其预测精度并促进特征降低。此外，分析还强调了哪些特征在模型中最重要。结果已经对结果进行了彻底的比较，并且已经强调了表现出色的模型，从而揭示了最佳白盒和黑匣子模型之间的预测精度差异很小。遗传算法和逻辑回归的配对特别值得注意，超过其他模型的预测精度和显着的特征降低，有助于结果的解释性。
footyvision：在足球视频中的多对象跟踪，本地化以及球员和球的增强
足球视频内容分析是一个快速发展的领域，旨在丰富足球比赛的观看体验。当前的研究通常集中于玩家和/或球形检测，跟踪和本地化的特定任务。我们的研究致力于将这些努力整合到能够处理透视转换的综合多对象跟踪（MOT）模型中。我们的框架（footyvision）使用了在扩展的球员和球数据集中训练的Yolov7骨干。MOT模块建立了一个画廊，并根据特征嵌入式，界限框相交，距离，距离和速度来通过匈牙利算法分配身份。我们模型的一个新组件是透视转换模块，该模块利用Yolov7骨架的激活映射使用线，相互作用点和椭圆形来计算同型。此方法有效地适应动态
蛋白质质量控制系统和ER应力作为SARS-COV-2诱导的神经变性的关键参与者
摘要：COVID-19大流行使SARS-COV-2及其对神经系统并发症的影响之间的错综复杂的关系，包括与蛋白质质量控制系统和ER应力功能障碍的神经衰落过程的潜在联系。本评论文章探讨了蛋白质质量控制系统的作用，例如展开的蛋白质反应（UPR），内质网相关降解（ERAD），泛素蛋白 - 蛋白酶体系统（UPS），自噬和自噬和分子伴侣，在SARS-COV-2 Infection中。我们的假设表明SARS-COV-2会产生ER应力并利用蛋白质质量控制系统，从而导致蛋白抑制作用破坏了宿主细胞无法解决的蛋白质抑制作用。这种破坏最终导致细胞死亡，可能代表SARS-COV-2与神经变性之间的联系。
细菌素和噬菌体作为食品安全应用的双重生物学家
定义：需要开发用于控制粮食生产过程中病原微生物和预防变质的新技术，以减少或替代化学防腐剂。这是由于趋势是，由于许多健康问题，消费者越来越多地质疑化学防腐剂的使用。由于这个问题，细菌素和噬菌体越来越被视为安全的天然防腐剂，在粮食生产和保存过程中具有各种应用的历史悠久。此MinireView考虑了这两种抗微生物的应用，突出了它们的作用方式，列出了它们的优势，并在必要时列出了它们的局限性。它还报告了单独或在不同食品基质中使用噬菌体和细菌素的最新进展。这些抗微生物在生物保存领域提供的激励措施和有效性被考虑用于在食品生产和保存过程中的未来应用。
针对前列腺癌中神经内分泌分化的关键参与者
摘要：神经内分泌前列腺癌（NEPC）是前列腺癌（PC）的高度攻击性亚型，通常通过前列腺腺癌的转差过程出现，并逃避常规疗法。广泛的分子研究揭示了驱动谱系可塑性的因素，从而探索了新的治疗靶标。目前在临床前和临床研究中评估了各种靶向剂，在抑制或逆转神经内分泌表型和抑制肿瘤生长和跨质量方面有令人鼓舞的结果。这种新知识有可能有助于发展新型治疗方法，从而增强这种致命疾病的临床管理和预后。在本综述中，我们讨论了参与神经内分泌表型的分子参与者，并探讨了目前正在研究NEPC的治疗策略。
融合观众体验：设计让观众成为玩家的身体体验
RAKESH PATIBANDA，澳大利亚莫纳什大学体能游戏实验室，以人为本计算 ARYAN SAINI，澳大利亚莫纳什大学体能游戏实验室，以人为本计算 NATHALIE OVERDEVEST，澳大利亚莫纳什大学体能游戏实验室，以人为本计算 MARIA F. MONTOYA，澳大利亚莫纳什大学体能游戏实验室，以人为本计算 XIANG LI，英国剑桥大学工程系 YUZHENG CHEN，西交利物浦大学 SHREYAS NISAL，澳大利亚莫纳什大学体能游戏实验室，以人为本计算 JOSH ANDRES，澳大利亚国立大学控制论学院 JARROD KNIBBE，澳大利亚墨尔本大学计算机与信息系统学院 ELISE VAN DEN HOVEN，澳大利亚悉尼科技大学和埃因霍温大学荷兰技术学院 FLORIAN 'FLOYD' MUELLER 澳大利亚莫纳什大学人本计算运动游戏实验室
培训冲动及其对大学和专业足球运动员的负载管理的影响
摘要：方法：训练冲动（TRIMP）是通过可穿戴技术获得的，并在足球运动员的负载管理中发挥了直接作用。重要的是要了解Trimp以最好地为运动员准备比赛。使用Google Scholar进行了系统的搜索文章搜索，并由五个审稿人筛选和提取论文。纳入标准是：该研究的重点是大学或专业足球，使用训练冲动（TRIMP）以及使用可穿戴技术来测量TRIMP。10,090篇文章。选择了十篇论文进行最终审查，并根据（1）培训与比赛（n = 8/10），（2）季前赛与季后赛（n = 3/10）和（3）位置比较（n = 3/3/10）进行分组。可穿戴技术主要是跟踪物理指标（n = 10/10）。在整个赛季中，在训练中，在整个赛季中，在开始中的TRIMP数据比储备金更高，而在训练期间，对于初学者而言，Trimp略低。Trimp数据在整个赛季中变化，季前阶段比赛季早期，赛季中期和后期阶段更高。这些发现有助于强调Trimp在管理足球内部球员负载方面的好处。未来的研究应着重于利用可穿戴的Trimp以及对玩家性能指标的影响，以及TRIMP数据在足球中的不同位置之间的变化。
心血管疾病中的先天免疫力 - 识别新型分子玩家和目标
1 Department of Cardiology, Campus Benjamin Franklin, Charit é -Universitätsmedizin Berlin, Corporate Member of Free University Berlin, Humboldt University in Berlin, Berlin Institute of Health, 12200 Berlin, Germany 2 Berlin-Brandenburg Center for Regenerative Therapy (BCRT), Charit é-University Medicine Berlin, 12200 Berlin, Germany 3 German Center for Cardiovascular Research (DZHK), 12200 Berlin, Germany 4 de Gasperis Cardio Center and Transplant Center, Niguarda Hospital, 20162 Milano, Italy 5 Department of Functional Genomics, Interfaculty Institute of Genetic and Functional Genomics, 17475 Greifswald, Germany 6 Institute of Bioinformatics, University Medicine Greifswald, 17487 Greifswald,德国7心血管研究所，伊坎医学院西奈山，纽约，纽约，纽约，10029，美国8柏林卫生研究院，Charité -universitätsmedizin柏林，柏林，10117柏林，德国 *通信：Pollerwolfgang1@gmail.com >/div>>1 Department of Cardiology, Campus Benjamin Franklin, Charit é -Universitätsmedizin Berlin, Corporate Member of Free University Berlin, Humboldt University in Berlin, Berlin Institute of Health, 12200 Berlin, Germany 2 Berlin-Brandenburg Center for Regenerative Therapy (BCRT), Charit é-University Medicine Berlin, 12200 Berlin, Germany 3 German Center for Cardiovascular Research (DZHK), 12200 Berlin, Germany 4 de Gasperis Cardio Center and Transplant Center, Niguarda Hospital, 20162 Milano, Italy 5 Department of Functional Genomics, Interfaculty Institute of Genetic and Functional Genomics, 17475 Greifswald, Germany 6 Institute of Bioinformatics, University Medicine Greifswald, 17487 Greifswald,德国7心血管研究所，伊坎医学院西奈山，纽约，纽约，纽约，10029，美国8柏林卫生研究院，Charité -universitätsmedizin柏林，柏林，10117柏林，德国 *通信：Pollerwolfgang1@gmail.com
心血管疾病中的先天免疫力 - 识别新型分子玩家和目标
1 Department of Cardiology, Campus Benjamin Franklin, Charit é -Universitätsmedizin Berlin, Corporate Member of Free University Berlin, Humboldt University in Berlin, Berlin Institute of Health, 12200 Berlin, Germany 2 Berlin-Brandenburg Center for Regenerative Therapy (BCRT), Charit é-University Medicine Berlin, 12200 Berlin, Germany 3 German Center for Cardiovascular Research (DZHK), 12200 Berlin, Germany 4 de Gasperis Cardio Center and Transplant Center, Niguarda Hospital, 20162 Milano, Italy 5 Department of Functional Genomics, Interfaculty Institute of Genetic and Functional Genomics, 17475 Greifswald, Germany 6 Institute of Bioinformatics, University Medicine Greifswald, 17487 Greifswald,德国7心血管研究所，伊坎医学院西奈山，纽约，纽约，纽约，10029，美国8柏林卫生研究院，Charité -universitätsmedizin柏林，柏林，10117柏林，德国 *通信：Pollerwolfgang1@gmail.com >/div>>1 Department of Cardiology, Campus Benjamin Franklin, Charit é -Universitätsmedizin Berlin, Corporate Member of Free University Berlin, Humboldt University in Berlin, Berlin Institute of Health, 12200 Berlin, Germany 2 Berlin-Brandenburg Center for Regenerative Therapy (BCRT), Charit é-University Medicine Berlin, 12200 Berlin, Germany 3 German Center for Cardiovascular Research (DZHK), 12200 Berlin, Germany 4 de Gasperis Cardio Center and Transplant Center, Niguarda Hospital, 20162 Milano, Italy 5 Department of Functional Genomics, Interfaculty Institute of Genetic and Functional Genomics, 17475 Greifswald, Germany 6 Institute of Bioinformatics, University Medicine Greifswald, 17487 Greifswald,德国7心血管研究所，伊坎医学院西奈山，纽约，纽约，纽约，10029，美国8柏林卫生研究院，Charité -universitätsmedizin柏林，柏林，10117柏林，德国 *通信：Pollerwolfgang1@gmail.com