XiaoMi-AI文件搜索系统
World File Search SystemPy
Geomstats：机器学习中黎曼几何的 Python 包
我们介绍了 Geomstats，一个用于非线性流形计算和统计的开源 Python 工具箱，例如双曲空间、对称正定矩阵空间、变换李群等等。我们提供面向对象且经过广泛单元测试的实现。除此之外，流形还配备了黎曼度量族，以及相关的指数和对数映射、测地线和并行传输。统计和学习算法提供了在流形上进行估计、聚类和降维的方法。所有相关操作都被矢量化以用于批量计算，并为不同的执行后端提供支持，即 NumPy、PyTorch 和 TensorFlow，从而实现 GPU 加速。本文介绍了该软件包，将其与相关库进行了比较，并提供了相关的代码示例。我们表明，Geomstats 提供了可靠的构建块来促进微分几何和统计学的研究，并使黎曼几何在机器学习应用中的使用更加民主化。源代码可根据 MIT 许可证在 geomstats.ai 上免费获取。
使用 Geomstats 进行 Python 几何学习简介
摘要 — 机器学习社区对微分几何的应用兴趣日益浓厚。然而，由于缺乏参考实现，相关几何计算的采用受到了阻碍。这种实现通常应允许用户：(i) 通过实践方法获得微分几何概念的直觉，而传统教科书通常不提供这种直觉；(ii) 无缝运行几何机器学习算法，而无需深入研究数学细节。为了解决这一问题，我们介绍了开源 Python 包 geomstats，并介绍了依赖于它的微分几何和几何机器学习算法（几何学习）的实践教程。代码和文档：github.com/geomstats/geomstats 和 geomstats.ai。
使用Python -ijrpr
该项目着重于使用Python设计强大的信用卡欺诈检测系统，利用其丰富的数据科学库和框架生态系统。主要的挑战在于解决欺诈数据集固有的极端类不平衡，在该数据集中，合法交易大大超过了欺诈行为（通常不到总数据的1％）。这种不平衡会偏向模型的性能，从而导致较高的假阴性率和传统准确度指标无效。为了克服这一点，探索了诸如综合少数群体过采样技术（SMOTE），类加权和异常检测算法之类的技术，以增强对欺诈模式的模型敏感性。
John Pye & Sons Limited – 现代奴隶制声明
John Pye & Sons Limited – 现代奴隶制声明 作为一家领先的负责任拍卖行，John Pye & Sons Limited (JPS) 完全致力于消除我们业务和供应链中的现代奴隶制风险。本声明描述了我们在 2023 年 8 月至 2024 年 7 月的财政年度内为应对这些潜在风险已采取和将采取的行动。我们对奴隶制采取零容忍态度，并期望我们的供应链符合我们的价值观。我们将制定并坚持严格的工人福利和保护标准，并确保我们的运营和供应链有效遵守这些标准，并尽我们所能为他们提供支持。 1. 组织结构 JPS 是一家总部位于英国的家族企业，成立于 1968 年，注册和总部位于诺丁汉。它在英国各地设有多个拍卖商和估价师办事处，在英格兰、苏格兰和威尔士拥有超过 960,000 平方英尺的室内拍卖室和场所。该公司在这些地点雇佣了 650 多名员工。 2023 年，JPS 在欧洲扩张，西班牙是其首个海外据点。此举使该公司在萨拉戈萨收购了一块 151,771 平方英尺的场地，并创造了 29 个额外的工作岗位。此外，该公司最近收购了位于东米德兰兹的汽车拆解商 Auto Solutions 2000 Limited，该公司拥有 7 名员工。JPS 被公认为领先的消费品拍卖商，每周受命代表零售商、政府机构、破产行业和 PLC 出售约 40,000 件物品。JPS 致力于以合乎道德和对环境负责的方式开展业务，此声明代表 JPS 董事并根据英国 2015 年现代奴隶制法案第 54 (1) 条的要求作出。2. JPS 的供应链 JPS 与一系列供应商合作。我们有两个级别的供应商，一类对我们的业务具有战略意义；另一类是我们临时合作的供应商。我们的供应链包括交付、运输、包装、基础设施和设备维护。在我们的工厂中，我们还与多家提供临时工的机构合作，通常是拍卖搬运工。这些代理工人在季节性高峰活动期间或短期劳动力短缺期间为我们直接雇用的核心劳动力提供支持。与我们合作的机构都是信誉良好的国家或国际组织，我们依靠它们进行充分检查，以确保所提供的劳动力不会使 JPS 面临违反现代奴隶制法律的风险。采购和供应链管理是一个关键问题，由我们的财务、SHEQ 和法律团队监督，他们对 JPS 合作的所有供应商和承包商进行检查。我们还监控供应链绩效，并制定流程通过客户和员工的反馈来审查和评估绩效，并在全年进行审计。我们希望供应商承诺遵守适用于我们在英国各地运营的所有立法问题，并且在可能的情况下，如果发现任何现代奴隶制现象，我们保留随时终止合同的权利。
PyBaMM 电池建模会议
PyBaMM 辅助锂离子电池储层分析：电池设计策略和循环协议 13:30-13:45 Robert Timms 博士，Ionworks 锂离子电池快速充电的电化学和热建模，采用顺流和逆流极耳连接以及锂电镀的评估 13:45-14:00 Thomas Holland，Imperial 使用基于物理的 PyBaMM 退化模型对退化模式分析方法进行基准测试 14:00-14:15 Micha Philipp，德国航空航天中心
Pybamm电池建模会议
jamie.michael.foster@gmail.com许多现代，商业上相关的锂离子电池使用插入材料，显示出刻板诱导的相变（例如磷酸锂）。但是，基于标准物理学的模型 - 纽曼模型 - 对粒子静态（基于扩散）的微观描述，无法描述相变行为和这种相变电极所表现出的电压磁滞的物理起源。，我们将使用基于Gibbs Energy最小化的方法来介绍一种简单而理性的滞后模型（在由相变纳米颗粒组成的电极中）。电压滞后自然出现是模型的预测。最初，考虑了对活性材料单个粒子中的相变动力学进行建模的方程式。这些被推广到一个模型，称为复合相变模型，该模型是薄电极中粒子耦合集合的。然后将复合相变模型纳入经典纽曼模型的框架中，从而允许将传输效应纳入电解质和电极电导率。所得修改后的纽曼模型用于预测石墨/LFP单元格中的电压磁滞[1]。
scene_synthesizer：机器人操纵中的程序场景生成的Python库
仿真是培训深度学习模型的越来越多的数据源。在机器人技术中，模拟已成功地用于学习诸如导航，步行，飞行或操纵之类的行为。模拟中数据生成的价值主要取决于场景布局的多样性和规模。现有数据集（Ehsani等，2021; Garcia-Garcia等，2019; Mo等，2019; Nasiriany等，2024）在这方面受到限制，而纯粹的生成模型仍然缺乏在物理模拟中可以使用的场景（HOLLEIN及2023 al。el。，et e e eT el。 2024）。其他程序管道要么专注于学习视觉模型（Denninger等，2023; Greff等，2022; Raistrick等，2023），要解决特定的用例，例如自主驾驶（Fremont等，2020; Hess等； Hess等，2021），或者很难扩展和自定义的平台（它们是一个特定的平台（它们是一个与众不同的平台（DET）（DEIT）（DEIT）（DEIT）（DEIT）（DEIT）（DETIT）（DETER）（DETER）。 ）。使用scene_synthesizer我们提出
将取代的咪唑替替替翁表征为新的丙酮酸羧化酶抑制剂
丙酮酸羧化酶（PC）与多种疾病有关，包括2型糖尿病，癌症和细菌/病毒感染。但是，目前没有能够在体外和体内精确操纵PC活性的分子工具。本论文描述了1,3二取代的咪唑替替替翁的鉴定和表征，是金黄色葡萄球菌PC的新型有效，选择性和可渗透的变构抑制剂。基于动力学，结构和生物物理数据，假设这类抑制剂可以在PC上的非催化“ EXO结合”位点结合。据报道，此EXO结合位点对于催化至关重要，但以前尚未被认为是可药物的位置。本论文还表明，与未激活的PC相比，变构激活的PC对小分子抑制的敏感性明显较小。这一发现为针对人类PC的小分子抑制剂的发展提出了一个重要的新考虑。由于人类PC需要通过乙酰-COA激活催化活性，因此必须针对PC的变构激活形式进行未来的药物发现工作。最后，提供了体外证据，以反驳最近的说法，即两种天然产物Erianin和Anemoside B4是人类PC的抑制剂。本文提交了一个战略框架，以推动针对人类PC的药物发现。它概述了优化的筛选程序，并探讨了鉴定激活人PC抑制剂的可能途径。总体而言，这项工作大大提高了针对人PC的化学探针的开发，并最终有助于扩大用于研究PC在疾病中作用的可用工具包。
Bart-Survival：Python中的贝叶斯机器学习方法
生存分析是癌症，心血管疾病和传染病等各种领域的公共卫生和临床研究的基石（Altman＆Bland，1998； Bradburn等，2003）。传统的参数和半参数统计方法，例如COX比例危害模型，通常用于生存分析（Cox，1972）。但是，这些方法有几个局限性，尤其是应用于复杂数据时。一个主要问题是需要限制性假设，例如比例危害和预定义的功能形式，在复杂的，现实世界中的医疗保健数据中可能不正确（Harrell，2015； Ishwaran等，2008）。此外，这些方法通常在高维数据集上遇到困难，从而导致过度拟合，多重共线性以及处理复杂的相互作用的问题（Ishwaran等，2008； Joffe等，2013）。
安全数据表：2-吡咯烷酮
佩戴合适的手套。根据 EN 374 测试的化学防护手套是合适的。对于特殊用途，建议与这些手套的供应商一起检查上述防护手套的耐化学性。这些时间是 22°C 和持续接触时测量的近似值。由于加热物质、体热等导致的温度升高以及拉伸导致的有效层厚度减小会导致突破时间显著缩短。如有疑问，请联系制造商。在约 1.5 倍大/小的层厚度下，相应的突破时间加倍/减半。数据仅适用于纯物质。当转移到物质混合物时，它们只能被视为指导。