XiaoMi-AI文件搜索系统
World File Search SystemSurrogate
在人脑组织的逆粘弹性参数识别中使用基于 dropout 的主动学习和替代模型
逆向力学参数识别可以表征难以实现均匀变形状态的超软材料。但是，这通常需要很高的计算成本，而这主要取决于正向模型的复杂性。虽然有限元模型等模拟方法可以捕捉几乎任意的几何形状并实现相关的本构方程，但它们的计算成本也很高。机器学习模型（例如神经网络）在用作替代复杂高保真模型的替代模型时可以帮助缓解此问题。因此，在初始训练阶段之后，它们充当降阶模型，在此阶段它们学习高保真模型的输入和输出关系。由于需要进行模拟运行，因此生成所需的训练数据需要很高的计算成本。在这里，主动学习技术可以根据训练模型的估计获得准确度来选择“最有价值”的训练点。在这项工作中，我们提出了一个循环神经网络，它可以很好地近似粘弹性有限元模拟的输出，同时显著加快评估时间。此外，我们使用基于蒙特卡洛辍学的主动学习来识别信息量很大的训练数据。最后，我们通过识别人类脑组织的粘弹性材料参数来展示开发的管道的潜力。
在加拿大倡导肿瘤相关终点 (CORE)：临床试验中的替代终点和早期癌症的报销决策
缩写：CR，完全缓解；ctDNA，循环肿瘤 DNA；DFS，无病生存期；EFS，无事件生存期；iDFS，无侵袭性疾病生存期；MFS，无转移生存期；MPR，主要病理缓解；ORR，总体反应率；OS，总生存期；pCR，病理完全缓解；PFS，无进展生存期；PSA，前列腺特异性抗原；QoL，生活质量；RFS（复发），无复发生存期；RFS（复发），无复发生存期
定量SARS-COV-2亚基因组RNA作为病毒感染性的替代标记：培养分离与直接SGRNA定量之间的比较
1 Department of Oncology and Hemato-oncology, University of Milan, Milan, Italy, 2 Multimodal Research Area, Bambino Gesu` Children Hospital IRCCS, Rome, Italy, 3 Department of Biomedical Sciences, Humanitas University, Pieve Emanuele, Milan, Italy, 4 IRCSS Humanitas Research Hospital, Rozzano, Milan, Italy, 5 Chemical-Clinical and Microbiological Analysis,意大利米兰，助理大都会大都会大都会尼古拉达，6微生物学和病毒学系，Fondazione irccs polciclinico policliclinico san Matteo，意大利帕维亚，7种感染性疾病单位，Azeigna soielda soilio-sanitoria teroritoria nienitoria espritoria（Asst）Inferania nigaranynigalano nigarandano nigarandano， Fondazione Irccs Ca'Granda Ospedale Maggiore Policlinico，米兰大学，意大利米兰大学，意大利米兰大学病理生理学和移植学系9，意大利米兰大学，米兰大学，手术，外科手术，诊断，诊断和儿科科学，PAVIA，PAVIA，PAVIA，PAVIA，PAVIA，PAVIA，PAVIA，PAVIA，PAVIA，PAVIA，PAVIA，PAVIA，PAVIA，PAVIA，PAVIA，ITALIA，/DIV>
出版商权利声明：这是作者接受的 Y. Yu 等人的稿件，“最先进的：AI 辅助替代建模和优化
摘要 — 微波滤波器是现代无线通信系统不可或缺的无源器件。如今，基于电磁 (EM) 仿真的设计过程已成为滤波器设计的常态。近年来，出现了许多基于 EM 的微波滤波器设计方法，以实现效率、自动化和可定制性。大多数基于 EM 的设计方法都以各种形式利用低成本模型（即替代模型），人工智能技术则协助替代模型建模和优化过程。本文重点研究替代模型辅助微波滤波器设计，首先分析基于不同设计目标函数的滤波器设计特点。然后，回顾了最先进的滤波器设计方法，包括替代模型建模（机器学习）方法和高级优化算法。其中包括滤波器设计中的三种基本技术：1）智能数据采样技术；2）高级替代模型建模技术。3）高级优化方法和框架。为了获得成功和稳定性，必须对它们进行量身定制或组合，以实现微波滤波器的特定特性。最后，讨论了新兴的设计应用和过滤器设计的未来趋势。
结合数值模拟、人工智能和智能采样算法建立替代模型并计算城市隧道失效概率
摘要：当需要用概率方法评估城市隧道与邻近结构的相互作用时，计算能力是数值模型面临的重要挑战。因此，即使样本数量较少，智能采样算法也可以成为获得结果领域更好知识的盟友。无论如何，当采样有限时，风险评估也会受到限制。在这种情况下，人工智能 (AI) 可以通过插入结果并快速生成更大的样本来填补风险分析中的一个重要空白。人工智能算法的目标是找到一个近似函数（也称为替代模型），该函数可以重现原始数值模拟行为并且可以更快地进行评估。该函数是通过在智能采样技术获得的特殊点执行多次模拟来构建的。本文使用了一个假设案例来验证方法建议。它涉及一条深度约为三倍直径的隧道的连续挖掘，与一座七层楼的建筑物相互作用。首先，对三维数值模型 (FEM) 进行确定性求解，然后对其域和网格进行细化。之后，从 FEM 软件中以数值方式获得另外 170 个解决方案，并对所涉及的随机变量进行策略性抽样。接下来，基于 31 种人工智能技术，评估哪些变量对于预测周围建筑物地基元件的垂直位移量级最重要。然后，一旦选出了最重要的变量，就再次对 31 种人工智能技术进行训练和测试，以确定 R 平方最小的技术。最后，使用这种最佳拟合算法，可以使用大量样本（大小约为 10 7 ）来计算失败的概率。这些样本用于说明简单蒙特卡罗抽样 (MC) 和拉丁超立方抽样 (LHS) 的收敛性。本文的主要贡献是方法论上的；因此，该新程序可以汇总到与隧道相关问题相关的最先进的风险评估方法中。
对双重Aβ/TAU疫苗PRX123替代的免疫反应以及对快速沉积转基因动物模型的脑淀粉样蛋白斑块的影响
，然后在1：2串行稀释。•按照制造商的说明，用O-苯基二胺二氯化物底物（Thermo Fisher Scientific）检测到抗体结合。•在Spectramax微板读取器上以490 nm读取板。免疫组织化学•在新鲜冻干AD AD脑组织（Banner Sun Health Research Institute）的低温恒温器切片中评估了免疫小鼠与Aβ和TAU病理学的结合，并用1：300稀释的免疫血清染色。•根据制造商的指示，用生物素化的物种特异性二抗（DAKO）和ABC检测试剂盒（载体实验室）检测到免疫血清的结合。•在免疫的APP/PS1小鼠的脑组织中检测到Aβ皮质斑块密度，并使用Halo Image Analysis软件（Indica Labs）进行定量。
电动机替代模型的数据有效的机器学习方法 /作者= Wang，Bingnan; Sakamoto，Yusuke /creationDate = 2024年6月5日 /受试者=电气系统，机器学习，多物理建模< /div < /div>
电动机广泛用于家庭和各种行业，其技术和设计原则已良好。但是，电机设计和定制的要求，特别是对于电动汽车和飞机等新应用以及工厂自动化的要求，总是对汽车设计人员构成新的挑战。参数扫描或迭代优化方法经常被使用，以评估大量设计候选者，然后再识别特定任务的最佳设计。对每个电动机设计糖果的准确分析通常依赖于有限元分析（FEA）的数值模拟，这些模拟是耗时的，尤其是当评估一个设计的各种操作点时。因此，希望寻求FEA的替代分析方法来快速预测运动性能。基于替代模型的优化已被研究以加快过程[1]。由于高度非线性的性质，传统替代模型的准确性在预测某些运动性能（例如扭矩波形和效率图）时会受到影响。近年来，机器学习和深度学习方法已经找到了许多应用，并且由于其模拟高度非线性功能的能力而应用于运动设计[2]，[3]。这种方法的一个主要挑战是达到合理预测准确性所需的大型数据集大小。在本文中，我们提出了用于电动机设计优化的数据有效机器学习模型的三种策略：一个，减少用于电机设计的机器学习模型的输入维度；第二，与基于物理的方法结合
遗传代码
: All organisms use the same genetic code, with some rare exceptions .In human mitochondrial DNA (mitochondrial RNA reads four codons differently from the cytoplasmic RNA) • The universality of the code also helped to create the field of genetic engineering by making it possible to express cloned copies of genes encoding useful protein products in surrogate host organisms, such as the production of human insulin in细菌
平均心脏剂量不足以替代肺癌放射治疗中左前降支冠状动脉剂量和主要不良心脏事件的风险
目的：对于非小细胞肺癌 (NSCLC) 患者，平均心脏剂量 (MHD) 超过 10 Gy 且接受 15 Gy 的左前降支 (LAD) 冠状动脉体积 (V) (V15Gy) 超过 10% 可显著增加主要不良心脏事件 (MACE) 的风险。我们试图描述 MHD 和 LAD 剂量之间的差异以及这种分类与放射治疗后 MACE 风险的关联。方法和材料：在对 701 名接受放射治疗的局部晚期 NSCLC 患者的回顾性分析中，计算了 MHD 和 LAD V15Gy 的判定系数。根据高或低 MHD（≥ 10 Gy vs < 10 Gy）和 LAD V15Gy（≥ 10% vs < 10%）定义四组。估计了 MACE（不稳定性心绞痛、心力衰竭、心肌梗死、冠状动脉血运重建和心源性死亡）的累积发生率，并进行了 Fine 和 Gray 回归。结果：从 MHD 可预测的 LAD V15Gy 的变异比例仅为 54.5%（R 2 = 0.545）。23.1% 的患者（n = 162）存在不一致（MHD 高 [≥ 10 Gy] 和 LAD 低 [V15Gy < 10%]，或反之亦然）。两年 MACE 估计值为 4.2%（MHD 高/LAD 低）、7.6%（MHD 高/LAD 高）、1.8%（MHD 低/LAD 低）和 13.0%
年度监护计划
命令或指示的标题： 执行/签署日期： 签署人的姓名： 指定代理人或代理人的姓名： 替代代理人或代理人的姓名： 代理人或代理人与被监护人的关系： 代理人或代理人的联系信息： 法院是否已经中止或撤销该命令/指示： 是 否 命令日期： 输入：（县/州） 命令或指示的标题： 执行/签署日期： 签署人的姓名： 指定代理人或代理人的姓名： 替代代理人或代理人的姓名： 代理人或代理人与被监护人的关系： 代理人或代理人的联系信息： 法院是否已经中止或撤销该命令/指示： 是 否 命令日期： 输入：（县/州） 命令或指示的标题：指令：执行/签署日期：签署人姓名：指定代理人或代理人姓名：替代代理人或代理人姓名：代理人或代理人与被监护人的关系：代理人或代理人的联系信息：法院是否已中止或撤销命令/指令：☐是 ☐否 命令日期：输入：（县/州）