XiaoMi-AI文件搜索系统
World File Search SystemRobust
安全、强大的医疗保健机器学习
摘要 — 近年来，机器学习 (ML)/深度学习 (DL) 技术因其在各种医疗保健应用中的出色性能而得到广泛采用，从根据一维心脏信号预测心脏骤停到使用多维医学图像的计算机辅助诊断 (CADx)。尽管 ML/DL 的表现令人印象深刻，但人们仍然怀疑 ML/DL 在医疗保健环境中的稳健性（传统上认为这非常具有挑战性，因为涉及无数的安全和隐私问题），尤其是考虑到最近的结果表明 ML/DL 容易受到对抗性攻击。在本文中，我们从安全和隐私的角度概述了医疗保健中利用此类技术的各种应用领域，并提出了相关的挑战。此外，我们还提出了确保医疗保健应用程序的安全和隐私保护 ML 的潜在方法。最后，我们深入分析了当前的研究挑战和未来研究的有希望的方向。
共识聚类，用于鲁棒生物信息学分析
聚类在多种生物信息学应用中起重要作用，包括蛋白质功能预测，种群遗传学和基因表达分析。大多数聚类算法的结果对输入数据的变化，聚类算法及其参数和各个数据集敏感。共识聚类（CC）是聚类算法的扩展，旨在从上述变化来源下不变的那些群集特征构建强大的结果。作为CC的一部分，稳定性得分可以提供所得聚类的可靠性程度的概念。本综述将CC在文献中介绍为三种主要类型，介绍并说明了稳定分数的概念，并说明了在应用中使用CC来模拟和现实的基因表达数据集。Open-source R implementations for each of these CC algorithms are available in the GitHub repository: https://github.com/behnam-yousefi/ConsensusClustering Keywords: Consensus clustering, Ensemble clustering, Robustness, Generation mechanism, Stability score
样本效率强大的多代理增强学习...
要克服加强学习中的SIM到实现差距（RL），学到的政策必须保持对环境不确定性的影响。尽管在多机构环境中，在单一机构方案中广泛研究了鲁棒的RL，但问题仍在研究中 - 尽管事实证明，环境不确定性提出的概率通常会因战略互动而加剧。这项工作着重于在分销强劲的马尔可夫游戏（RMGS）中学习，这是标准马尔可夫游戏的强大变体，其中每个代理都旨在学习一项政策，当部署的环境偏离其自身规定的不确定性不确定的不确定设置时，它最大程度地提高了自己的最差表现。这为所有与经典的游戏理论平衡概念保持一致的代理人提供了一系列强大的平衡策略。假设来自生成模型的非自适应采样机制，我们提出了一种基于样本模型的算法（DR-NVI），具有有限样本的复杂性，可保证学习游戏理论平衡的各种概念的强大变体。我们还建立了一个用于解决RMG的信息理论下限，该结合与问题相关因素（例如状态空间的大小，目标准确性和地平线长度）确定了DR-NVI的近乎最佳样本复杂性。
分布强大的动力学增强学习
我们研究了脱颖而出的强化学习（RL），在该政策上，该政策在源领域进行培训并部署到不同的目标领域。我们旨在通过在线分布强大的马尔可夫决策过程（DRMDP）来解决这一问题，其中学习算法在源域中与源域进行了积极相互作用，同时寻求最佳的动态，这是在源源域不确定的过渡域的不确定性集合之内的最佳动态。我们介绍了对在线DRMDP的首次研究，其功能近似是偏外的RL。我们发现DRMDPS的双重公式可以诱导非线性，即使标称过渡内核是线性的，导致误差传播。通过使用总变化差异设计D型矩形不确定性集，我们删除了此附加的非线性 - 并绕过误差传播。然后，我们引入了DR-LSVI-UCB，这是第一个具有近似功能的动力学RL的效率高效的在线DRMDP算法，并建立了独立于状态和动作空间大小的多项式次优界限。我们的工作迈出了对具有线性函数近似的在线DRMDP的可证明效率的第一步。最后，我们通过不同的数字实验来证实DR-LSVI-UCB的性能和鲁棒性。
一系列阳离子改性的鲁棒锆基金属...
摘要：金属有机框架（MOF）代表了最有前途的多孔固体之一，用于控制和减少温室气体排放。研究表明，开放金属位点（OMS）与二氧化碳强烈相互作用，因此是CO 2捕获的有效结合位点。但是，许多具有OMS的MOF缺乏框架稳定性，并且通常具有较高的再生温度。为了寻求解决稳定性问题的方法，我们通过通过ZR-TCPB-COOH上的质子交换金属离子，通过ZR-TCPB-COOH在ZR-TCPB-COOM（M = M = M = Alkali/Alkaline Earth Metal）中设计了一系列。原始的MOF（ZR-TCPB-COOH）具有非常强大的框架。PSM过程不会恶化框架稳定性，而是创建与二氧化碳形成牢固键的金属结合位点。结果表明，在低CO 2压力下，使用ZR-TCPB-COOM大大增强了吸收量，并且趋势趋于增加原子数（li + 在室温下N 2上的CO 2也可以实现高吸附选择性（CO 2 /N 2 IAST选择性（15:85）= 539.5）。 这种方法提供了一种可行的方法来提高CO 2捕获能力，尤其是在低浓度下。在室温下N 2上的CO 2也可以实现高吸附选择性（CO 2 /N 2 IAST选择性（15:85）= 539.5）。这种方法提供了一种可行的方法来提高CO 2捕获能力，尤其是在低浓度下。
建筑环境的强大可持续性解决方案
尽管该行业的环境进步令人钦佩，但建造和建设共同造成了约40％的全球碳排放量。仅操作排放（从用于加热，凉爽和光建筑物的能源）占28％。因此，正在概述在建筑环境中对业务领导力的新定义。在全球范围内，体现的碳负责每年的温室气体排放量的11％。随着对运营官方的理解的增加，未来40年中具体碳排放的影响将变得越来越重要。对变革的需求和渴望：我们只会满足我们不断增长的人口的需求以及
磷酸锂的情况Stu导电聚合物中的鲁棒化学主义行为/ ... div>
金属有机框架（MOF）是气体传感的有前途的材料，但通常仅限于一次性检测。杂交策略被证明是在高性能独立的化学疗法中协同部署导电MOF（C MOF）和导电聚合物（C PS）作为两个互补的混合离子电导体。这项工作提出了i）传感器恢复动力学的显着改进，ii）循环稳定性和iii）在室温下的动态范围。基于2,3,6,7,11,11-11-11-11-羟基二羟基二苯乙烯（HHTP）和2,3,6,7,7,11111111111111-11-111-11-111-11-11-111-11-111-111-111-111-11-111-111-111-111-111-11-111-111-111-11-111-111-111-111-111-11-111-111-111-111-11-1111111111111-11-111-111-111-111-111-111111-111--己酮（HITP），带有各种金属nodes（CO））进行了一项全面的机械研究，以通过感应热力学和结合动力学在MOFS和聚合物之间的异质结与聚合物之间的杂孔对齐。发现杂交时C MOF成分的孔富集会导致解吸动力学的选择性增强，从而在室温下显着改善了传感器的恢复，从而可以长期响应保留。该机制得到了关于吸刺 - 分析物相互作用的密度功能理论的进一步支持。还发现，合金C PS和C MOF可以使可容纳的薄膜加工和设备集成，有可能解锁这些混合导体在不同的电子应用中的使用。
nednatm，...
图3。NEDNA™制造过程。NEDNA™制造过程依赖于不同的酶促和纯化步骤：PHI29聚合酶对前体模板的滚动圆扩增（RCA），通过限制性酶处理前体主链处理，通过teln ProteLomerase和Exonual unucual dna的限制性闭合，并通过exonuluclease semaval闭合。该过程包括色谱和切向流过滤（TFF），以消除酶和DNA残差。
使用启发式方法校正稳健的心脏分割
与心脏右侧有关的心血管疾病，例如肺部高血压，是墨西哥（和全球）人口中的一些主要死亡原因。为了避免侵入性技术，例如使心脏插入心脏，改善医学超声心动图系统的细分性能可以是早期检测与心脏右侧有关的疾病的一种选择。虽然当前的医学成像系统在心脏的左侧自动进行良好的分割，但他们通常会努力策划右侧腔。本文基于流行的U-NET体系结构，介绍了一种强大的心脏分割算法，能够通过减少的训练数据集准确地分割这四个腔。此外，我们提出了两个其他步骤，以提高机器学习模型中的结果质量，1）一种分割算法，能够准确检测锥形形状（因为已经对其进行了多个数据源进行了培训和完善）和2）2）一个后处理步骤，该步骤可根据SEG的形状和基于SEG-INTICATION的形状和轮廓，该步骤是根据SEG-Intication the Hearicians提供的。我们的结果表明，所提出的技术达到的分割精度可与通常用于此实践的数据集以及我们的医疗团队编制的数据集中的最新方法相媲美。此外，我们在相同的图像序列中测试了后处理校正步骤的有效性，并证明了其与临床医生进行的手动分段的一致性。
