XiaoMi-AI文件搜索系统
World File Search SystemUSA
USAID气候融资开发加速器（CFDA）
在此资助窗口下，CFDA预计将颁发多重赠款奖励，最高为20万美元。CFDA如果他们提出了动员大量资本以获得气候适应结果的大量资本，则可以考虑对该价值的赠款。赠款资金可以由公司或资金使用，以支付启动成本，发射/规模所需的运营费用以及其他行政成本，建立投资者承诺，技术援助或其他催化用途所需的筹码，以支持发布和投资。赠款奖励资金不得将债务或资本用作基金。美国组织仅限于高达500,000美元的奖励。请注意，尽管在截止日期内以滚动为基础接受申请，但如果在关闭之前选择了足够的成功申请人，则CFDA可能会尽快关闭招标。
评估美国中部电力部门的复合气候相关应力和发展途径
美国中部地区电力系统的抽象未来配置取决于替代发电技术，能源和环境政策的相对成本以及多种气候引起的应力。夏季的需求更高，加上多种发电技术中的复合供应冲击，可能会导致“完美的风暴”，从而导致电力系统失败。潜在的未来气候压力必须纳入投资决策，能源系统计划和运营中。我们评估预计的未来气候对电力系统的影响将如何影响电力部门的替代途径，考虑到广泛的发电技术和需求变化。，由于气候引起的对电力需求和发电的影响，我们计算了美国心脏地带的每个途径，系统组件和子区域的“潜在供应差距”度量。潜在的供应差距从北部中部地区的5％到北部大西洋地区的21％到21％。我们发现电力需求的增加在确定潜在供应差距的大小中比发电的压力更为重要，而电力系统中可再生能源的份额较大，有助于较低的支持差距。我们的结果提供了考虑系统性气候影响的第一步，这些影响可能需要更改网格或可能需要的额外能力/储备。
原创研究美国亚裔美国人、夏威夷原住民和太平洋岛民退伍军人窒息自杀情况（2012 年至 2018 年）
摘要 背景 亚裔美国人、夏威夷原住民和太平洋岛民 (AANHPI) 退伍军人的自杀率大幅上升，他们比总体退伍军人更有可能使用窒息作为自杀方式。本研究调查了因窒息自杀而死亡的 AANHPI 退伍军人的人口统计、医疗保健和伤害特征，并研究了这些死亡的背景。分析进一步检验了死于窒息自杀的 AANHPI 和非 AANHPI 退伍军人之间是否存在差异。 方法 这种混合方法分析使用了来自 AANHPI (n=44) 和非 AANHPI (n=3090) 退伍军人的国家暴力死亡报告系统 (NVDRS) 数据（2012-2018 年）。 结果 几乎所有的窒息死亡都是上吊，尽管勒死的类型差别很大。与匹配的非 AANHPI 退伍军人样本相比，住宅是 AANHPI 退伍军人受伤和死亡的最常见地点，地下室是家中更常见的死亡地点。AANHPI 死者中女性比例明显更高。此外，与非 AANHPI 死者相比，AANHPI 死者获得紧急医疗服务的可能性明显较小。大多数 AANHPI 死者是被家人或亲密伴侣发现的。结论解决 AANHPI 退伍军人中的勒死自杀问题对于确保公平的自杀预防方法是必不可少的。对于这一人群，有必要采取考虑到显著背景因素（例如死亡地点、亲人发现）的致命手段安全举措和事后干预策略。考虑到勒死和勒死点的普遍性，解决自杀风险驱动因素的上游自杀预防方法对于预防 AANHPI 退伍军人自杀尤为重要。
USAA CRA 战略计划
美国联合服务汽车协会 (USAA) 是一家互助互惠的保险互助会组织，成立于 1922 年，总部位于德克萨斯州圣安东尼奥，为其军人提供汽车保险。USAA 的使命是通过有竞争力的产品、卓越的服务和值得信赖的建议，使会员能够实现财务安全。自成立以来，USAA 已将其提供的服务扩展到不断增长的会员基础，包括各种消费者和零售产品，包括通过其子公司 USAA 联邦储蓄银行 (FSB) 提供的一系列消费者银行产品。FSB 是一家大型州际联邦特许股份机构，总部位于亚利桑那州菲尼克斯。根据 FSB 2023 年 12 月 31 日的综合状况和收入报告 (Call Report)，FSB 的总资产为 1100 亿美元，总资本为 102 亿美元，一级资本总额为 95 亿美元。
Prospect Moon：Interlune的商业任务到月面。 E. A. Frank 1，1 Interlune，西雅图，华盛顿州98108，美国。 （efrank@interlune.space）。
向NASA的建议：Interlune认可了月球表面数据的珍贵性，并愿意与行星科学界共享我们的数据。我们首选的机制是通过类似于地球科学部门计划元素商业SmallSat数据获取的玫瑰计划元素。该计划是为了识别，评估和获取支持NASA地球科学研究和应用目标的商业来源的数据。这些数据提供了一种具有成本效益的方式，可以补充NASA或其他政府机构获得的地球观察套件。
1 美国新泽西州海王星城泽西海岸大学医学中心。2 孟加拉国达卡迪纳杰布尔医学院。3 巴罗达医学院，瓦多
1 美国新泽西州海王星城泽西海岸大学医学中心。2 孟加拉国达卡迪纳杰布尔医学院。3 印度巴罗达巴罗达医学院 * 通讯作者：Selia Chowdhury，美国新泽西州海王星城泽西海岸大学医学中心。电子邮箱：selia.chowdhury@hmhn.org 提交日期：2024 年 1 月 24 日；修订日期：2024 年 9 月 29 日；接受日期：2024 年 9 月 30 日；接受日期：2024 年 9 月 30 日。引用：Chowdhury S、Chowdhury NS。接种 COVID-19 疫苗后前庭神经炎的相关性。Discoveries 2024；7-9 月，12(3)；e195。 DOI：10.15190/d.2024.14 摘要 在 2019 年冠状病毒病 (COVID-19) 疫苗接种的各种副作用中，前庭神经炎 (VN) 被发现与疫苗接种有一些有趣的关联。本文主要探讨 COVID-19 疫苗接种与 VN 之间的不同关联。使用 MeSH 术语在 PubMed、Google Scholar 和 Cochrane 等电子数据库中对截至 2023 年 7 月发表的病例报告进行了系统搜索。共记录了来自 6 个不同国家的 7 个人的 6 份病例报告。分析报告以确定与相关问题相关的表现症状、诊断、治疗和病理生理机制。研究涵盖了年龄从 40 岁到 61 岁不等的多样化个体，平均年龄为 51 岁，男性占多数。接种疫苗和出现症状之间的平均时间为 6.35 天。病例报告中观察到的突出临床特征包括急性发作性眩晕、恶心、呕吐、眼球震颤和步态不稳。诊断研究主要涉及前庭测试和脑成像。可用的治疗方案包括前庭抑制剂、类固醇和前庭康复。本综述重点介绍了 COVID-19 疫苗接种与前庭神经炎之间的多种临床相关关联。研究结果强调了开展进一步研究以探索此病的因果关系的重要性
心脏点火迈克尔·谢伊（Michael Shea）（美国）
课程描述：心脏点火是生物动力实践的本质。我们学习人体第一个系统的胚胎学发展，即心血管系统。我们在生物动力健康的血管树的代谢田中触诊。心脏点火的力量在整个生命中仍然存在。生理和灵性从这种效力中展现出来。我们学习如何支持心血管系统的效力和健康作为生命之树。内皮调节人体体内的稳态。我们学会在血管树中释放创伤，并提高心脏的效率作为情绪安全的中心。为心血管系统教授了五种方案，尤其是心脏，主动脉，锁骨下，腋窝，臂臂，径向，颈动脉和椎动脉。
USAG-HUMPHREYS 假日营业时间
H&R Block (Maude Hall) 关闭 CX Panda Kitchen (Comm.Building) 关闭 Smoothie King (8th Army) 关闭 Barber Shop (USFK) 关闭 Bun D (USFK) 关闭 Gravity Coffee (USFK) 关闭 Jenny's Coffee (FED) 关闭 Barber (NCOA) 关闭 Smoothie King (NCOA) 关闭 Laundry (NCOA) 关闭 Pancake House 0630-1700 FedEx 关闭 BBQ Takeaway 关闭 BBQ Outpost - Mobile Food 关闭 Mobile Thai Food What the Bowl 关闭 家庭士气福利与娱乐部 (DFMWR) 陆军社区服务紧急家庭宣传热线
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析