XiaoMi-AI文件搜索系统
World File Search SystemSarkar
已接受稿件未经编辑
不同保真度之间的个体损失。他们展示了这些改进对几个基本的多尺度材料建模挑战的影响，包括二维传热、相变和枝晶生长问题。在这些问题上，与没有此类约束的网络相比，所提出的多保真度、基于物理的约束将预测误差降低了一个数量级。这实现了与底层方程的直接数值解相当的精度。Sarkar 等人在题为“高维工程设计和校准的多保真度和多尺度贝叶斯框架”的论文中提出了一种用于优化的多保真度建模和信息论顺序采样策略。该方法基于通过高斯过程对各种保真度信息源进行建模，并增强了有效的主动学习策略，该策略涉及在多尺度架构中顺序选择最佳点。该策略通过压缩机转子的设计和微结构预测模型的校准得到了演示。在题为《深度强化学习在工程设计中的案例研究：在流动雕刻微流体装置中的应用》的论文中，Lee 等人讨论了如何通过克服基于进化优化的方法的一些关键弱点（即样本效率差和优化收敛速度慢）来设计微流体流动雕刻装置。本文将深度强化学习 (DRL) 技术应用于流动雕刻任务，并研究了迁移学习在加速目标流形设计方面的有效性。本文证明，DRL 能够使用比同类 GA 模型少得多的雕刻柱来匹配 90% 的目标流形，并且提供了一种解释学习模型的方法（使用主成分），而现有的流体雕刻方法并不提供这种方法。 Lynch 等人在其论文《机器学习辅助拓扑优化中的数值参数调整》中提出了一种基于 ML 的元学习框架来确定拓扑优化中的调整参数。这些参数是从过去进行的类似优化问题中学习到的，并根据当前的问题进行调整。这有助于避免手动参数调整中代价高昂的反复试验。在论文《数据驱动的设计空间探索和利用增材制造设计》中，Xiong 等人提出了一种数据驱动的方法，用于设计过程的连续阶段的设计搜索和优化。他们在具体设计阶段使用贝叶斯网络分类器，在详细设计阶段使用高斯过程回归。该方法通过定制踝关节支架的设计进行了说明。Odonkor 和 Lewis 将数据驱动设计应用于复杂系统的操作策略设计，特别是分布式能源资源。这篇论文的标题是“分布式能源系统控制策略的数据驱动设计”。最大化套利价值的问题被表述为一个优化问题，并使用重新求解
考蒂利耶的经济思想及其现实意义...
简介 Arth 是 purusharthas 之一，其他三个是 dharma、kama 和 moksha。Arth 的含义远比财富广泛。财富是生活的来源，而国家的财富包括领土和居民。Shastra 是科学，因此，一个国家在实现 Dharma 目标的过程中获取和维持财富的科学就是 Arthashastra。考底利耶的 Arthashastra 是古印度治国之道的主要信息来源和不朽的著作。考底利耶的名字叫毗湿奴笈多。他之所以被称为考底利耶，是因为他是外交和政治战略方面的专家。他的著名著作《Arthashastra》本质上是一本关于国家管理的书，也是获取和防止财富的指南。《Arthashastra》这本书基于早期的条约，分为 15 个 adhikaranas 或书籍。本书共有 150 章、180 个主题和 6000 首诗。它详细介绍了过去，尤其是孔雀王朝的政治、社会、经济和军事组织。考底利耶对财富一词的理解非常广泛。根据考底利耶的说法，财富对于一个国家保持主权至关重要，但财富的管理，考底利耶经常提到，国王必须让臣民幸福，除非在紧急情况下，否则不应施加任何压迫性规则（Sarkar，2000 年）。一般来说，古印度人意识到财富对人类福祉的重要性。事实上，获得财富被描述为人生四大目标之一，即 Dharma（慈善）、Artha（财富）、Kama（爱）和 Moksha（救赎）。考底利耶认为，财富是一粒一粒地积累起来的，就像学习是每时每刻都要获得的一样。目标 1. 强调考底利耶经济思想的重要性。 2. 注重最佳管理；方法论 整篇论文本质上是基于描述性的。信息是从不同结构的经济思想史书籍中收集的。本文强调了考底利耶经济思想的意义。 考底利耶经济思想的意义 基础设施发展 考底利耶明白建立基础设施对发展经济的首要重要性。他非常重视通讯和交通。交通工具在古印度具有突出的重要性。考底利耶在他的《政事论》中强调了陆路和水路在贸易、防御和一般运输中的作用。他建议在村庄、堡垒、设防城市、农场等周围修建道路。他还强调主要用于贸易目的的河流和海上交通。道路分为各种类型，即 Rajya-Marga 或国王之路、高速公路、省道。道路供战车、牛车和商队使用。需求与供给 考底利耶熟知需求与供给的概念，以及它们对价格的综合影响。他认为，国王不应不考虑产品供需情况而随意确定产品价格。如果不适当考虑需求与供给，我们可能认为价格不能被称为公平价格，无法最大限度地提高消费者和生产者的福利。
Rongxiang（Catherine）Tang，博士 2025年春季研究 2024年12月第7期
1。Tang，R.，Franz，C.E.，Hauger，R.L.，Dale，A.M.，Dorros，S.M.（2024）。衰老的早期皮质微结构变化与阿尔茨海默氏病病理学的脆弱性有关。生物精神病学：认知神经科学和神经影像学。2。Tang，R。，Elman，J。A.（2024）。儿童期劣势调节中年后期默认模式网络皮层微观结构和视觉记忆关联。老年学期刊：A系列，79（1），Glad114。3。Tang，R.，Buchholz，E.，Dale，A.M.，Rissman，R.A.，Fennema- notestine，C.，Gillespie，N.A.A.（2024）。血浆神经丝链的关联与社区居住的老年男性的认知和神经影像措施的关联。阿尔茨海默氏症研究与治疗，16（1），90。4。fan，Y.，Cui，Y.，Tang，R.，Sarkar，A.，Mehta，P。，＆Tang，Y。- y。（2024）。唾液睾丸激素和急性应激的皮质醇反应调节了七个年轻男性的正念冥想。压力，27（1），2316041。5。Tang，Y。和Tang，R。（2024）。综合神经科学杂志，23（4），69。6。健康神经科学 - 大脑/思想和身体如何影响我们的健康行为和结果。Tang，R。，Elman，J。A.，Franz，C.E.，Dale，A.M.，Eyler，L.T.，Fennema- notestine，C.，Hagler Jr，D.J.，Lyons，M.J.，Panizzon，M.S.，Puckett，O.K。等。 （2023）。 衰老大脑的执行功能和结构网络可控性的纵向关联。 Geroscience，45（2），837–849。 7。 Snijder，J。 - P.，Tang，R.，Bugg，J.M.，Conway，A。R.，＆Braver，T。S.（2023）。 认知控制任务的心理测量评估：使用认知控制（DMCC）电池双重机制的研究。 行为研究方法，1-36。 8。 Tang，Y。 — Y.，Tang，R.，Posner，M.I。，＆Gross，J。J. （2022）。 轻松地培训注意力和自我控制：机制和应用。 认知科学的趋势，26（7），567–577。A.，Franz，C.E.，Dale，A.M.，Eyler，L.T.，Fennema- notestine，C.，Hagler Jr，D.J.，Lyons，M.J.，Panizzon，M.S.，Puckett，O.K。等。（2023）。衰老大脑的执行功能和结构网络可控性的纵向关联。Geroscience，45（2），837–849。7。Snijder，J。- P.，Tang，R.，Bugg，J.M.，Conway，A。R.，＆Braver，T。S.（2023）。认知控制任务的心理测量评估：使用认知控制（DMCC）电池双重机制的研究。行为研究方法，1-36。8。Tang，Y。— Y.，Tang，R.，Posner，M.I。，＆Gross，J。J.（2022）。轻松地培训注意力和自我控制：机制和应用。认知科学的趋势，26（7），567–577。
rndr。 Balasia博士
[C1] Agrawal T.，Balazia M.，Bremond f。：CM3T：高效多模式学习的框架，用于非病会议出版物基因交互数据集。IEEE/CVF冬季有关计算机视觉应用（WACV）的冬季会议，美国图森，2025年。[C2] Sinha S.，Balazia M.，Bremond f。：通过优化的聚合网络识别教法性白内障手术视频中的手术器械。IEEE图像处理应用和系统（IPA）的国际会议，法国里昂，2025年。[C3] Muller P.，Balazia M.，Baur T.，Dietz M.，Heimerl A.，Penzkofer A.，Schiller D.，Bremond F.，Alexandersson J.，Andre E.ACM多媒体（ACMMM），澳大利亚墨尔本，2024年。[C4] Strizhkova V.，Kachmar H.，Chaptoukaev H.，Kalandadze R.，Kukhilava N.，Tsmindashvili T.，Abo-Alzahab N.，Zuluaga M.A.：MVP：基于视频和生理信号的多模式情绪识别。在IEEE/CVF欧洲计算机愿景会议（ECCV），意大利米兰的IEEE/CVF欧洲/CVF上的情感行为分析（ABAW），2024年。[C5] Reka A.，Borza D.L.，Reilly D.，Balazia M.，Bremond F。：将门控和上下文引入时间动作检测。在IEEE/CVF欧洲计算机愿景会议（ECCV），意大利米兰的IEEE/CVF欧洲/CVF上的情感行为分析（ABAW），2024年。[C6] Tiwari U.，Majhi S.，Balazia M.，Bremond f。：自动驾驶异常检测至关重要的是：弱监督的地平线。ACM多媒体（ACMMM），第9640-9645页，加拿大渥太华，2023年。在IEEE/CVF欧洲计算机视觉会议（ECCV），意大利米兰，2024年，IEEE/CVF欧洲计算机视觉会议（ECCV）举行的自动驾驶（漫游）的强大，分发和多模式模型。[C7] Muller P.，Balazia M.，Baur T.，Dietz M.，Heimerl A.，Schiller D.，Guermal M.，Thomas D.，Bremond F.，Alexander-Sson J.，Andre E.，Andre E.[C8] Agrawal T.，Balazia M.，Muller P.，Bremond F。：多模式视觉变压器，强迫注意行为分析。IEEE/CVF计算机视觉应用（WACV）的冬季会议，第3392–3402页，美国威克罗阿，美国，2023年。[C9] Balazia M.，Muller P.，Tanczos A.L.，Liechtenstein A.，Bremond F。：社会互动的身体行为：新颖的注释和最新评估。ACM多媒体国际会议（ACMMM），第70-79页，里斯本，葡萄牙，2022年。[C10] Balazia M.，Hlavackova-Schindler K.，Sojka P.，Plant C。：Granger Causal-Ity的可解释步态识别。IEEE/IAPR国际模式认可会议（ICPR），第1069-1075页，加拿大蒙特利尔，2022年。[C11] Agrawal T.，Agarwal D.，Balazia M.，Sinha N.，Bremond f。：使用跨意识变压器和行为编码的多模式人格识别。IAPR国际视觉理论与应用会议（VISAPP），第501-508页，Virtual，2022。[C12] Sinha N.，Balazia M.，Bremond f。：火焰：面部地标热图激活的多模式凝视。IEEE国际高级视频和信号监视会议（AVSS），第1-8页，虚拟，2021年。[C13] Balazia M.，Happy S.L.，Bremond F.，Dantcheva A。：面部多么独特：一项调查研究。IEEE/IAPR国际模式识别会议（ICPR），第7066-7071页，意大利米兰，2021年。[C14] Balazia M.，Sarkar s。：在活动对象跟踪中重新调用评估。在神经信息处理系统会议上（NEURIPS），加拿大温哥华，2019年的神经信息处理系统（NEURIPS）的新知识（NEWINML）。[C15] Aakur S.，Sawyer D.，Balazia M.，Sarkar S。：对未修剪监视视频中基于建议的细粒度活动检测方法的检查。NIST关于TREC视频检索评估（TRECVID）的研讨会，《扩展视频挑战的活动》，美国盖瑟斯堡，2018年。[C16] Balazia M.，Sojka p。：您是走路的方式：不合作的MOCAP步态识别视频监视，并使用不完整和嘈杂的数据。IEEE/IAPR国际生物识别技术联合会议（IJCB），第208-215页，美国丹佛，2017年。 [C17] Balazia M.，Sojka p。：用于基于MOCAP的步态识别方法的评估框架和数据库。 IAPR关于模式识别可再现研究（RRPR）的研讨会，第33-47页，墨西哥坎昆，2016年。 [C18] Balazia M.，Sojka p。：通过最大保证金标准（扩展摘要）学习健壮的步态识别功能。 IAPR关于结构和句法模式识别（SSPR）和统计技术的国际国际研讨会（SPR），第585-586页，墨西哥梅里达，2016年。 [C19] Balazia M.，Sojka p。：与运动捕获数据相关的步态识别的独立特征。IEEE/IAPR国际生物识别技术联合会议（IJCB），第208-215页，美国丹佛，2017年。[C17] Balazia M.，Sojka p。：用于基于MOCAP的步态识别方法的评估框架和数据库。IAPR关于模式识别可再现研究（RRPR）的研讨会，第33-47页，墨西哥坎昆，2016年。[C18] Balazia M.，Sojka p。：通过最大保证金标准（扩展摘要）学习健壮的步态识别功能。IAPR关于结构和句法模式识别（SSPR）和统计技术的国际国际研讨会（SPR），第585-586页，墨西哥梅里达，2016年。[C19] Balazia M.，Sojka p。：与运动捕获数据相关的步态识别的独立特征。IAPR关于结构和句法模式识别（SSPR）和统计技术的国际国际研讨会（SPR），第310-321页，墨西哥，墨西哥，2016年。[C20] Balazia M.，Sojka p。：通过最大余量标准学习适合步态识别的功能。IEEE/IAPR国际模式识别会议（ICPR），第901-906页，墨西哥坎昆，2016年。[C21] Balazia M.，Sedmidubsky J.，Zezula P。：语义上一致的人类运动分割。国际数据库和专家系统应用程序（DEXA），第423-437页，德国慕尼黑，2014年。[C22] Sedmidubsky J.，Valcik J.，Balazia M.，Zezula p。：基于归一化步行周期的步态识别。国际视觉计算研讨会（ISVC），第11-20页，Rethymno，希腊，2012年。[C23] Valcik J.，Sedmidubsky J.，Balazia M.，Zezula P.，确定人类识别的行走周期。太平洋亚洲情报与安全信息学讲习班（PAISI），第127-135页，马来西亚吉隆坡，2012年。
``这就像橡皮鸭会说话''：通过参与式促使研究理解生成的AI辅助数据分析工作流程
基于生成深度学习的最终用户工具，即“生成AI”（在第2.2节中定义）可以大大提高用户分析和了解数据的能力，尤其是那些没有正式专业知识或数据分析中的培训的数据。数据分析工作 - 众所周知，乏味，具有挑战性，容易出错，并且具有很高的专业知识要求。生成的AI在促进数据分析脚本的创作和调试，重新使用分析工作流程，分析脚本的理解，学习和探索方面显着提高了最新技术的状态[58]。用户行为的潜在变化已被描述为生成偏移[58]。生成转移提出了三个变化轴：强化（将应用于现有的工作流程更复杂的自动化），扩展（将自动化更多的工作流程）和加速度（以前成本高昂的工作流程将在其自身自动化时变得更加便宜）。在最终用户数据驱动的感官中，即生成转移的一个重要用户方案，即在某些数据的上下文中进行分析（通常是开放的，定义不明和探索性的）（第2.1节中详细介绍）。最终用户数据驱动的感觉的经典示例包括个人和公司预算，电子表格中的财务建模以及量化的自我[39]活动。不太明显的例子包括旅行计划，或选择访问或电影观看的餐厅。如前所述，生成的AI在数据驱动的感觉中有许多应用。这些涉及定性和定量信息的混合物，以及主观和“客观”迹象；要选择一部电影，人们可能会考虑一个人的偏好和心情，任何同伴的喜好，对预告片的反应，批判性评论和评分，电影持续时间，流派，导演，演员等。它可以建议相关数据集或分析程序，编写数据转换和分析脚本或电子表格公式，帮助调试或重新使用现有脚本，提出主观标准以评估不同的选项，教用户如何应用不熟悉的统计程序或工具，甚至可以帮助用户脱颖而出，以使用户脱颖而出，以帮助用户不适当地造成问题。面对如此广度的应用程序，系统设计师面临的关键问题是范围之一：在何处，通过生成AI来改善数据驱动的感觉的最终用户体验的最大机会和挑战？我们的研究是Sarkar等人首次应用参与式促使Proto-Col的研究。[63]探索生成AI的机会和挑战。参与性促进是研究人员介导的参与介导的参与式的相互作用与广泛的开放式AI系统，例如OpenAI Chatgpt或Microsoft Bing Chat。后者是“广泛”的，因为它们旨在在广泛的工作流程中为援助提供支持。通过研究人员介导的研究，参与者的经验可以基于实际的AI功能，而研究人员将其范围为特定领域（在我们的情况下，是数据驱动的感官）。我们在我们的方法的描述中讨论参与提示的价值（第3节）。我们的研究发现，生成的AI支持数据分析工作 - 通过简化信息来觅食循环中的数据流
诱变育种的最新进展和成果...
Tanmoy Sarkar 和 Tanmoy Mondal DOI：https://doi.org/10.33545/2664844X.2024.v6.i2c.220 摘要 遗传变异对于作物育种至关重要。在传统的植物育种计划中，这种变异是通过杂交产生的，并从由此产生的分离世代中进行选择。诱发诱变可以补充或取代杂交作为变异源。引入变异的突变是新形式、品种或物种进化的基础。诱发突变和自发突变都对各种果树作物改良品种的开发做出了重大贡献，补充了传统的育种方法。虽然诱发突变在果树育种应用中有明确的局限性，但可以通过使用体外突变技术来扩大其潜力。 关键词：遗传变异、突变育种、果树作物、杂交 介绍 突变育种已经成为现代农业中一种变革性和有效的工具，特别是在果树作物改良领域。通过诱发突变（改变植物的遗传物质），育种者可以产生新的遗传变异，从而培育出具有理想性状的果树品种，如提高产量、增强抗病性、提高果实品质和增强对环境压力的耐受性。传统上，植物育种依靠杂交和选择来改良果树。然而，这些方法往往有局限性，特别是在克服遗传瓶颈、自交不亲和或某些果树品种的幼年期较长等问题时。突变育种通过创造更广泛的遗传多样性库提供了一种解决方案，使其成为传统育种方法的宝贵补充。过去几十年来，突变育种在果树中的应用经历了长足的发展。技术进步，特别是体外培养系统的进步，提高了突变诱导的精确度和效率。现代分子工具和基因组技术的结合，如新一代测序、标记辅助选择和基于 CRISPR 的基因组编辑，进一步完善了突变育种，使水果基因组的改变更具针对性和可控性。因此，现在的水果作物育种比以往任何时候都更快速、更准确、更可持续。本文深入探讨了突变育种的历史、方法和最新进展，强调了其在水果作物改良中的作用、特定水果品种的主要成就以及该领域的光明未来（Ahloowalia 等人，2004 年）[1]。突变育种在水果作物改良中的作用任何育种计划的主要目的都是增加作物种群的遗传多样性，以选择对农民和消费者都有益的性状。在水果作物中，果实大小、颜色、风味、抗病虫害能力以及对干旱、盐度和极端温度等非生物胁迫的耐受性等理想特性对于提高生产力、适销性和可持续性至关重要。然而，通过传统育种方法实现这些特性通常速度慢、成本高且效率低，尤其是对于需要几年才能成熟的果树等多年生作物。这就是诱变育种发挥作用的地方。诱变育种涉及使用物理（例如辐射）或化学（例如 EMS、叠氮化钠）诱变剂在植物中诱发突变，从而诱导随机遗传
印度负责任的人工智能开发者手册
该剧本极大地受益于以下利益相关者和主题专家的见解和反馈：Abhik Chaudhuri，塔塔咨询服务公司数字化转型治理专家 • Abhijnan Chakraborty 博士，印度理工学院 Kharagpur 分校计算机科学与工程系助理教授 • Abilash Soundararajan，PrivaSapien 创始人兼首席执行官 • Abhishek Upperwal，Socket Labs 创始人兼首席执行官 • Ajit Ashok，飞利浦创新园区数据与人工智能卓越负责人 • Akbar Mohammed，Fractal 分形维度负责人 • Amrita Sengupta，互联网与社会中心研究与项目负责人 • Amritendu Mukherjee 博士，NeuroPixel.AI Labs 联合创始人兼首席技术官 • Anand Venkatanaryanan，DeepStrat 首席技术官 • Andeed Ma，新加坡风险与保险管理协会会长兼理事会主席 • Anwesha Sen ，Takshashila 机构助理项目经理 • Arti Khanijo，United We Care 产品主管 • Ashutosh Kumar，Corrosion Intel 工程总监兼主管 • Atul Gandre，塔塔咨询服务公司 AI.Cloud Microsoft Practice 技术主管 • Avik Sarkar 博士，印度商学院莫哈里分校高级研究员兼客座教授 • Avinash Babu M.，Samasti Health Technologies 首席执行官 • Axel Beelen，数据保护和人工智能法律顾问 • Ayushi Agarwal，United We Care 数据科学与分析主管 • Bhavana Mittal，Bert Labs 联合创始人、执行董事兼首席增长官 • Bishakha Bhattacharya，AWS 印度和南亚公共政策主管 • Devesh Raj，富达投资人工智能和数据科学总监 • Errol Finkelstein，ChipX Limited 联合创始人兼首席运营官 • Jeyandran Venugopal，首席产品和Flipkart 的技术官 • Jyothi VK，Aditya Birla Fashion and Retail 总法律顾问兼高级副总裁 • Karen Silverman，The Cantellus Group 创始人兼首席执行官 • Karthik Rao Bappanad，Deep- Strat 网络安全和公共政策顾问 • Krity Kansara，博世全球软件技术公司负责任 AI 产品经理 • M. Chockalingam，nasscom ai 技术总监 • Markus Krebsz，联合国欧洲经济委员会 AI 和其他数字嵌入式技术项目负责人 • Merve Hickok，AIethicist.org 创始人 • Michael Borelli，AI & Partners 总监 • Nehaa Chaudhari，Ikigai Law 合伙人 • Nita Khare，塔塔咨询服务公司 AI.Cloud Microsoft Practice 技术冠军 • Pavan M. Laxmeshwar，博世全球软件技术公司 AI 项目经理 • Preethika Pilinja，Zensar Technologies 高级经理（法律） • Prinkan Pal，LEGOAI Technologies 联合创始人兼首席执行官 • Ravi Vijaya Raghavan，Flipkart 首席数据与分析官兼高级副总裁 • Rohit Kochar，Bert Labs 创始人、执行主席兼首席执行官 • Rubal Chib，qZense Labs 联合创始人兼首席执行官 • Ryan Carrier，ForHumanity 执行董事 • Sachin Baliga 博士，Fortis Healthcare 顾问精神病医生 • Saikat Saha 博士，nasscom ai 技术总监 • Sameep Mehta 博士，IBM Research 杰出工程师 • Satish Grampurohit，Cogniquest Technologies 联合创始人兼首席执行官 • Saurabh Singh，AWS 印度和南亚技术政策负责人 • Sendil Kumar，礼来公司高级分析和数据科学高级总监 • Shweta Gupta，微软工程高级总监 • Sivaramakrishnan R. Guruvayur 博士，aaquarian.ai 首席 AI 科学家，
II类宏观经济学II：政策问题
•Ahluwalia，M。S.（2019），“印度的经济改革：成就和下一步”，•亚洲经济政策评论，14（1），46-62。•Bosworth，B.，Collins，S.M。，＆Virmani，A。（2007）。印度经济增长来源。工作文件编号。12901，nber。•Pulapre Balakrishnan，（2007年），“印度的复苏：尼赫鲁时代的经济增长”，经济和政治周刊，2007年11月10日至23日。•Krishnamurty，K。（2002），《印度的宏观经济学模型：过去，现在和前景经济和政治周刊》，2002年10月19日。•Arvind Subramanian和Josh Felman（2021）印度停滞不前的崛起，该州扼杀了增长，外交事务于14.12.2021。•Acharya，S。和Mehrotra，S。（2020），《农业市场改革：效率与平等之间是否有权衡？工作论文系列，人类发展研究所。•Shah，Mihir（2007），《印度20世纪的农村信用：历史和观点概述》，《经济和政治周刊》，第1卷。42，第四期2007年4月14日15日。•Nagaraj R（2013），印度的梦想理解繁荣及其后果，•第48卷第48卷，第48卷20，2013年5月18日。•Chanda，R。（2019），印度的服务业；乌玛·卡皮拉（Uma Kapila）的趋势，机遇和挑战（编辑），印度经济2：宏观经济政策，部门的发展和绩效。•Dipak Mazumdar和Sandip Sarkar（2009）“印度的就业问题以及“失踪中间”的现象，《印度劳动劳动杂志》，第1卷52，编号•Thomas，J。J.1，2009•Chakraborty，Achin，（2015年），《改革州的劳动力市场：重新审视徒劳论文，经济和政治周刊，5月16日。（2020）。“印度的劳动力市场变化，2005-18”，《经济和政治周刊》，55（34），57。•James，K.S。和Srinivas Goli（2016），“印度的人口变化：为挑战做好准备吗？”布朗世界事务杂志，2016年秋冬，第XXIII卷，第1期。•Desai，S。（2015年），“人口统计存款，股息和债务”，《印度劳动经济学杂志》，第58卷，第217-232页。• D r ` eze , J and K he ra , R. , 2016, ‘ Re cen t S o cial S ec ur i t y Ini t i at i v es in In d i a' Av ail ab l e at http://dx.doi.org/10.2139/ssrn.2800699.•Vijay Joshi，（2016年），印度的漫长道路：寻找繁荣的搜索，艾伦·莱恩，古尔冈，第2章。•Rakesh Mohan，（2019年），将印度转移到新的增长轨迹：需要全面的大型推动力，布鲁金斯印度，第1和第2节，第9-30节。•Jagdish Bhagwati和Arvind Panagariya，（2012年），印度的命运，Collins Business，Noida，pp。4-5，32-38。•Panagariya A（2020），印度无限：回收失落的荣耀，第2章。•Jean Dreze and Amartya Sen，（2013年），印度：不确定的荣耀，艾伦·莱恩（Allen Lane），第2章，第3章（pp。仅72-80）。 •Kumar，R。和Patibandla，M。（2009）。 制度动力和印度经济的演变，施普林格。 •McCartney，M。（2019）。 印度经济。 议程出版有限公司。 •Goyal，A。 （ed。）。 （2019）。 牛津大学出版社。仅72-80）。•Kumar，R。和Patibandla，M。（2009）。制度动力和印度经济的演变，施普林格。•McCartney，M。（2019）。印度经济。议程出版有限公司。•Goyal，A。（ed。）。（2019）。牛津大学出版社。一本21世纪印度经济的简洁手册。注意：考试计划和模式应不时由德里大学考试分支机构规定。
与 mRNA COVID-19 疫苗接种相关的肌痛性脑脊髓炎或慢性疲劳综合征
1. Abusalah MAH、Khalifa M、Al-Hatamleh MAI、Jarrar M、Mohamud R、Chan YY 以细胞因子风暴为靶点的基于核酸的 COVID-19 疗法：平息风暴的策略。《个性化医学杂志》。12(3)（无分页），2022 年。文章编号：386。出版日期：2022 年 3 月。2. Al-Hakeim HK、Al-Rubaye HT、Almulla AF、Al-Hadrawi DS、Maes M。急性感染期间炎症引起的神经免疫和神经氧化途径强烈预测了长期 COVID 中的慢性疲劳、抑郁和焦虑症状。《临床医学杂志》。 12(2) (无分页)，2023 年。文章编号：511。出版日期：2023 年 1 月。3. Amato ML、Towler BP、Themelis K 等人。使用转录组学研究轻度炎症对肌痛性脑脊髓炎/慢性疲劳综合征 (ME/CFS) 和纤维肌痛 (FM) 的影响。心身医学。会议：第 79 届年度科学会议实现健康公平：心身科学的机会。美国加利福尼亚州长滩。84(5) (第 A110-A111 页)，2022 年。出版日期：2022 年 6 月。4. 匿名。新闻焦点。当前药物发现。 (MAR.) (第 12 页)，2004 年。出版日期：2004 年 3 月。5. Araf Y、Ullah MA、Faruqui NA、Mowna SA、Prium DH、Sarkar B。登革热疫情是一场全球复发性危机：文献综述。电子全科医学杂志。18(1)（第 1-20 页），2021 年。文章编号：em267。出版日期：2021 年 2 月 1 日。6. Araja D、Krumina A、Nora-Krukle Z、Berkis U、Murovska M。疫苗警戒系统：关于在 COVID-19 疫苗接种中使用警戒数据的有效性的考虑。疫苗。 10(12) (无分页)，2022 年。文章编号：2115。出版日期：2022 年 12 月。7. BARAL M、BHANDARI S。体位性直立性心动过速综合征：可能与 COVID 疫苗有关。胸科。会议：2022 年胸科大会摘要。意大利博洛尼亚。161(6 增刊)（第 A517 页），2022 年。出版日期：2022 年 6 月。8. Chen R、Moriya J、Yamakawa J.-I. 等人。慢性疲劳综合征小鼠模型中的脑萎缩和 Hochu-ekki-to (TJ-41) 的有益作用。神经化学研究。 33(9) (第 1759-1767 页)，2008 年。出版日期：2008 年 9 月。9. Cole A、Webster P、Van Liew D、Salas M、Aimer O、Malikova MA 加速 COVID-19 疫苗开发的安全监测和挑战。药物安全治疗进展。13 (无分页)，2022 年。出版日期：2022 年。10. Connolly DJ、O'Neill LA Toll 样受体靶向治疗的新进展。药理学最新观点。 12(4) (第 510-518 页)，2012 年。出版日期：2012 年 8 月。11. Davoudi F、Miyashita S、Yoo TK、Lee PT、Foster GP 深入了解 SARS-CoV-2 感染、急性后 COVID 综合征和 COVID 疫苗的心血管并发症的病理生理学、流行病学和管理。心脏病学中的关键途径。21(3) (第 123-129 页)，2022 年。出版日期：2022 年 9 月 1 日。12. De Souza A、Jacques R、Mohan S。新冠疫情时期疫苗诱发的功能性神经系统疾病。加拿大神经科学杂志。50(3)（第 346-350 页），2023 年。出版日期：2023 年 5 月 1 日。13. Dellino M、Vimercati A、D'Amato A 等人。《乱世佳人》：新冠疫情对妇科系统的短暂影响。个性化医疗杂志。13(2)（无分页），2023 年。文章编号：312。出版日期：2023 年 2 月。14. Falco P、Galosi E、Esposito N 等人。新冠疫苗诱发的纤维肌痛样综合征。神经科学。会议：意大利神经病学会第 52 届年会。意大利米兰。 43（补编 1）（第 S435-S436 页），2022 年。出版日期：2022 年 12 月。15. Gad AHE、Ahmed SM、Garadah MYA、Dahshan A. 多发性硬化症患者的反应