XiaoMi-AI文件搜索系统
World File Search SystemSubpar
提高 FDM 制造的可靠性
摘要：采用熔融沉积成型工艺的增材制造机器可以快速生产各种零件。3D 计算机模型被划分为指令，FDM 机器使用这些指令逐层生产零件。可以修改许多参数来改进生成的指令，并且正在进行大量研究以确定最佳参数。由于工艺的复杂性以及影响因素的可用数据有限，这些影响因素可能会在制造过程中发生变化，因此一些生产的零件质量不佳或根本无法生产。早期自动检测出生成的零件不在预设的质量公差范围内，可以节省大量资源，因为无需完成这些零件的生产。此外，可能可以利用机器学习技术（如 XCS）在打印过程中自适应地更改指令，以使零件返回到可接受的参数范围内。
figeno：具有长阅读支持的多区域基因组图
测序的最新进展导致了许多不同类型的基因组和表观基因组数据的产生，这些数据需要可视化工具来促进分析和解释。对此类工具的一个重要要求是支持各种数据类型，大型数据集以及生成出版物质量图像的支持。综合基因组观看器（IGV）1可以对基因组学数据进行交互式探索，但缺乏对某些数据类型（例如染色质构象）的支持（例如，hic）。此外，IGV的出口功能有限，这使其不足以生成出版物质量的数据。其他工具针对特定的数据类型，例如，对于大翅膀文件，TrackPlot 2，而PygenoMetracks 3之类的其他工具则可以处理更多的数据类型。大多数基因组可视化软件的一个重要局限性是它们一次仅显示一个基因组区域，即
经济预测中叙事的力量
从伴随美联储经济预测的叙述中提取的情绪或“音调”与未来的经济绩效密切相关，与GDP有着积极的态度，并且与失业和通货膨胀有效。此外，音调传达了增量信息，因为它可以预测GDP，失业和货币政策的美联储和私营部门预测的错误。音调类似地预测股票回报。音调最有用，并且点预测可以预测较低的增长。分位数回归表明，音调的预测能力大部分源于其对经济绩效和股票回报的下行风险的信号。JEL代码：E17，E52，G14。关键字：文本分析，经济预测，货币政策，股票收益
RAS 和 BRAF 基因作为个性化结直肠癌治疗的生物标志物和靶点：最新进展
结直肠癌 (CRC) 仍然是最常见的癌症之一，并且发病率一直呈上升趋势。它也是全球最致命的疾病之一，是癌症相关死亡的第三大原因。根据分期和疾病状况，CRC 可通过手术、化疗、放疗、免疫疗法或联合疗法治疗。然而，这些疗法的效果不佳且有不良副作用，因此人们正在不断努力探索新型治疗方式。在 CRC 的亚型中，KRAS、BRAF 和 NRAS 突变的 CRC 分别占总病例的约 43%、10% 和 3%。这些突变与肿瘤进展和抗表皮生长因子受体 (EGFR) 治疗耐药性有关。由于它们在 CRC 中的重要作用，这些基因已成为开发新疗法的靶点。在本文中，我们讨论了针对这些突变基因的 CRC 的当前和未来治疗方法，由于 CRC 中突变发生率较高，我们将更多地关注 KRAS 和 BRAF。
QuickSim：硅悬挂键逻辑的有效，准确的物理模拟
摘要 - 硅悬挂的债券已将它们确立为超越CMOS技术领域的有前途的竞争者。它们的整合密度和在传统电路技术中的几个数量级的耗散耗散优势的潜力引发了学术界和行业的兴趣。虽然已经提出了制造能力，并且已经提出了第一次设计自动化方法，但物理模拟有效性尚未保持步伐。在该域中建立的算法遭受了指数运行时行为或低于PAR的精度水平。在这项工作中，我们提出了一种基于统计方法的硅悬挂键系统的物理模拟的新型算法，该方法既可以通过多个数量级和三个以上的数量级和三个以上的因素，既可以提供时间到解决方案和准确性优势，又可以通过精疲力尽的实验评估证明。
认知人体工程学：思想与工作之间的关系
摘要人类思想投入任务的时间，精力和集中的时间决定了其结果，实际上，任务的本质对人类的思想产生了影响。不可否认，从事认知挑战性的工作使一个学习，令人兴奋，提高自我效能，提高工作中的参与度并提供一种能力感。，但是导致负面影响的原因是工作频率和强度的变化。长期参与具有挑战性的任务可能会产生几种负面影响，包括认知疲劳，串联，注意力问题以及造成认知压力和心理困扰的低标准表现的挫败感。认知人体工程学是一个新兴的人体工程学领域，解释了思想和工作如何受到彼此的影响。它利用心理学的应用观点来实现个人与工作之间的优化。本文研究了各种符合工作场所员工整体心理健康的人体工程学组成部分。
光纤网络的吞吐量和延迟性能评估
摘要 - 光纤的发展彻底改变了通信部门，并在信息时代起着至关重要的作用。由于它们具有大量信息及其介电性质的能力，光纤通常受到数据传输到其他通信媒体的影响。尽管如此，这种传输在过度延迟方面遇到了麻烦，后来影响吞吐量并降低用户体验质量。本文介绍了使用ViaVI测试套件进行的各种吞吐量和潜伏期实验，如何评估它们以及如何将结果与电气和电子工程师研究所（IEEEE）（IEEE）和国际电视通信联盟（ITU）进行比较。某些结果符合所需的标准，但其他结果并未出于各种原因，包括连接拥堵，网络齿轮故障，纤维电缆质量不足以及光纤链接的长度。本文涵盖了上述原因的缓解策略，其中包括增加链接的带宽，确保使用高质量的光纤电缆，常规维护以识别任何有缺陷的组件，以及在长距离光纤链路上使用多个REPERETER。关键字 - 光纤网络，延迟，吞吐量
签名的图形神经差分方程用于建模连续时间动力学
建模连续时间动力学构成了基础挑战，并且在复杂系统中发现组件相关性具有增强动态建模的效率的希望。具有普通微分方程的Ingrating Graph神经网络的流行方法表现出了有希望的性能。但是，他们无视图表上关键的签名信息潜力，阻碍了他们准确捕获现象的能力并导致了差异。为了回应，我们引入了一种新颖的方法：签名的图形神经顺序差分方程，熟练地解决了误乘签名的信息的局限性。我们提出的解决方案具有灵活性和效率。为了证实其效率，我们将设计的策略无缝地整合到三个杰出的基于图的动态建模框架中：图形神经常规微分方程，图形神经控制的微分方程和图复发的神经网络。严格的评估包括来自物理和生物学的三种动态场景，以及四个真实现实世界流量数据集的审查。的经验结果非常优于基准的三重奏，强调了我们所提出的方法促进的实质性增强。我们的代码可以在https://github.com/beautyonce/sgode上找到。
改善来自微小培训的协方差矩阵...
大脑计算机界面域中使用的抽象脑电图数据通常具有低于标准的信噪比，并且数据采集很昂贵。有效且常用的分类器来区分事件相关电位是线性判别分析，但是，它需要对特征分布进行估计。虽然功能协方差矩阵提供了此信息，但其大量的免费参数要求使用正规化方法，例如Ledoit -Wolf收缩。假设与事件相关的潜在记录的噪声没有时间锁定，我们建议将与事件相关潜在数据的协方差矩阵分离，以进一步改善线性歧视分析的协方差矩阵的估计值。我们比较了三种正则变体和基于黎曼几何形状的特征表示，与我们提出的新型线性判别分析与时间耦合的协方差估计值进行了比较。对14个脑电图数据集的广泛评估表明，新颖的方法可将分类性能提高到小型训练数据集的最高四个百分点，并优雅地收敛于标准收缩率调查的LDA对大型培训数据集的性能。鉴于这些结果，该领域的从业人员应考虑使用线性判别分析来对事件相关的电位进行分类时，应考虑使用我们提出的时间耦合协方差估计，尤其是在很少有培训数据点可用时。
基于物联网的稳定性评估数据挖掘框架...
摘要：增材制造工艺容易出现生产错误。具体来说，激光定向能量沉积 (DED-L) 的独特物理条件会导致意外的工艺异常，从而导致零件质量不佳。由此产生的成本和缺乏可重复性是阻碍这项创新技术更广泛采用的两大障碍。将传感器数据与生产过程前后相关步骤的数据相结合，可以更好地了解这些过程异常发生的时间和原因。在本研究中，提出了一种基于物联网的数据挖掘框架，以评估在工业级 DED-L 机器上加工 Ti6Al4V 的稳定性。该框架采用边缘云计算方法，从零件生命周期的各个步骤中高效、安全地收集数据。在制造过程中，使用多个传感器来现场监测基本工艺特性。使用适当的破坏性测试获得了 160 个打印样本的机械性能。所有数据都存储在中央数据库中，可以通过网络访问以进行数据分析。结果证明了所提出的物联网框架的成功实施，但也表明制造过程中缺乏过程稳定性。发生的部件错误只能部分与现场传感器数据的异常相关。