XiaoMi-AI文件搜索系统
World File Search SystemWilliam
定量性状基因座和候选基因，这些基因控制着大豆“ Forrest”中的种子糖含量，由“ Williams 82”重组近交系数
1伊利诺伊州南部伊利诺伊大学农业科学学院，美国伊利诺伊州卡本代尔，伊利诺伊州62901； dounya.knizia@siu.edu（d.k.）; naoufal.lakhssassi@siu.edu（N.L.）; erdem.anil@siu.edu（E.A.）; mohamed.embaby@siu.edu（M.E.）; meksem@siu.edu（k.m.）2 USDA，美国农业研究服务部，农作物研究部，美国MS 38776，实验站路141号； nacer.bellaloui@usda.gov 3植物基因组学和生物技术实验室，生物学和法医学系，费耶特维尔州立大学，美国北卡罗来纳州28301，Fayetteville State University； jyuan@uncfsu.edu 4美国密苏里州密苏里大学植物科学技术部，美国密苏里州65211； vuongt@missouri.edu（t.v.）; nguyenhenry@missouri.edu（H.T.N。）5 USDA，农业研究服务，作物遗传学研究部门，605 Airways Blvd，Jackson，TN 38301，美国； alemu.mengistu@usda.gov *通信：mkassem@uncfsu.edu
William H. Luebke，博士执行官计划，...
指挥、控制、通信、计算机和情报项目执行官 William H. (Bill) Luebke 博士在海军部任职，担任过海军海上系统司令部 (NAVSEA) 和海军信息战系统司令部 (NAVWAR) 企业内各种具有挑战性的总部和作战中心职位。Bill 于 2023 年 9 月在加利福尼亚州圣地亚哥担任指挥、控制、通信、计算机和情报 (PEO C4I) 项目执行官。在此之前，他从 2021 年 8 月开始担任 PEO C4I 执行董事。他的职责包括整合、执行和交付每年 40 亿美元投资组合的能力，以支持海军、联合和联军作战人员的信息需求。2005 年，比尔通过高级行政服务 (SES) 任命开始了他的平民职业生涯。2009 年中，他担任 NAVSEA 的海洋工程总监，之后被任命为海军水面作战中心 (NSWC) Corona 分部的技术总监，直至 2017 年初。在此期间，比尔还接受了一项为期三年的兼职任务，以恢复 NSWC Port Hueneme 分部 2,500 人指挥部的技术和组织可行性，此前 2014 年中期技术总监和指挥官突然离职。随后，他转任 NAVWAR 后勤和舰队支援主任，任期从 2017 年 7 月到 2021 年 7 月。Bill 毕业于美国海军学院和海军研究生院，并在 USS Truett (FF 1095) 和 USS Scott (DDG 995) 上担任海上职务。他在麻省理工学院 (MIT) 获得博士学位，然后成为 SUPSHIP Pascagoula 的 AEGIS 测试官，之后转任 NAVSEA PMS 400D，担任第一位 DDG 51 生产官。1993 年，Bill 向 DASN (SHIPS) 汇报担任水面战斗人员主任，随后担任 60 亿美元战略海运计划的副项目经理。1996 年至 1997 年，他担任 NAVSEA 指挥官的执行助理。1997 年，比尔成为 120 亿美元 LPD 17 造船项目的项目经理。2001 年，他担任海军助理部长（研究、开发和收购 (ASN [RDA])）的执行助理和海军助理。2002 年至 2003 年，比尔担任 NAVSEA 05D 未来概念和水面舰艇设计的技术总监。2004 年，他从海军退役，进入私营部门担任 CAE 海洋系统技术总监。更新时间：2023 年 10 月 1 日2016 年，Luebke 博士获得了 SES 总统级功绩行政奖，此前他于 2015 年获得了优秀文职服务奖。在服役期间，他获得的奖项包括三枚功绩勋章、四枚海军功绩服务奖章和两枚海军嘉奖奖章。作为海军采购队成员，他获得了项目管理、工程和物流方面的三级认证。
威廉·詹姆斯（William James） - 可塑性见解！
“在底部，当生物学上解释习惯时，这一原则基于习惯的事实。习惯的基本特征是，每种经验都制定并经历了行为和经历的人，而这种修改会影响后续经验的质量。因为它是一个有些不同的人。”约翰·杜威（John Dewey）的经验与教育（1938年）Touchstone，纽约洛克菲勒中心。kappa delta pi讲座系列，pp。35。
课程目录 - 威廉斯堡 - 威廉与玛丽
星期一，下午 1:30-3:30 1 场 11 月 13 日 探索 3，教室 40 个座位 了解梅诺金基金会的历史、建筑玻璃屋项目的非凡构思和实现，以及这个雄心勃勃的项目如何影响文化表现的新视角。这个独一无二的计划是对 1769 年梅诺金之家（国家历史地标和弗朗西斯·莱特富特·李（《独立宣言》签署人）的故居）的动态历史保护，使用玻璃重建地板、墙壁和其他建筑元素。它位于弗吉尼亚州华沙，提供弗吉尼亚烟草种植园生活的体验，也是美国记录最详尽的 18 世纪房屋之一。在制作过程中，我们收集故事、分享知识、教授新技能，并使历史具有相关性。它一定会让现代居民着迷。
威廉·詹金斯先生
• 2023 年 7 月 - 至今：监察长（检查）首席主任 • 2022 年 1 月 - 2023 年 6 月：采购、现代化和维持审计副审计长 • 2018 年 10 月 - 2021 年 12 月：采购、网络和物流审计副审计长，陆军审计局，弗吉尼亚州亚历山大市 • 2014 年 5 月 - 2018 年 9 月：设施、能源和环境审计副审计长，陆军审计局，弗吉尼亚州亚历山大市 • 2010 年 6 月 - 2014 年 4 月：战区作战 - 欧洲审计项目主任，陆军审计局，德国威斯巴登 • 2007 年 7 月 - 2010 年 5 月：远征作战审计项目主任，陆军审计局，北卡罗来纳州布拉格堡 • 2006 年 3 月 - 2007 年 7 月：审计经理，陆军审计局，北卡罗来纳州布拉格堡 • 1999 年 1 月 - 2006 年 3 月：审计主管，陆军审计局，北卡罗来纳州布拉格堡 • 1994 年 6 月 - 1999 年 1 月：审计员，陆军审计局，北卡罗来纳州布拉格堡 • 1989 年 5 月 - 1994 年 6 月：审计员，陆军审计局，欧洲地区 • 1986 年 2 月 - 1989 年 5 月：审计员，陆军审计局，布拉格堡外地办事处
威廉·詹金斯先生
• 2023 年 7 月 - 至今：监察长（检查）首席主任 • 2022 年 1 月 - 2023 年 6 月：采购、现代化和维持审计副审计长 • 2018 年 10 月 - 2021 年 12 月：采购、网络和物流审计副审计长，陆军审计局，弗吉尼亚州亚历山大市 • 2014 年 5 月 - 2018 年 9 月：设施、能源和环境审计副审计长，陆军审计局，弗吉尼亚州亚历山大市 • 2010 年 6 月 - 2014 年 4 月：战区作战 - 欧洲审计项目主任，陆军审计局，德国威斯巴登 • 2007 年 7 月 - 2010 年 5 月：远征作战审计项目主任，陆军审计局，北卡罗来纳州布拉格堡 • 2006 年 3 月 - 2007 年 7 月：审计经理，陆军审计局，北卡罗来纳州布拉格堡 • 1999 年 1 月 - 2006 年 3 月：审计主管，陆军审计局，北卡罗来纳州布拉格堡 • 1994 年 6 月 - 1999 年 1 月：审计员，陆军审计局，北卡罗来纳州布拉格堡 • 1989 年 5 月 - 1994 年 6 月：审计员，陆军审计局，欧洲地区 • 1986 年 2 月 - 1989 年 5 月：审计员，陆军审计局，布拉格堡外地办事处
推荐引用 推荐引用 Williams S, Clark S, Humiston S, Pahud B, 等，2020 年，《识别住院医师的感知需求》
背景：住院医师培训期间的疫苗教育并不标准化。人们对住院医师对疫苗的看法和理想的疫苗培训知之甚少。方法：使用从头开始的 22 个问题调查问卷对儿科和家庭医学 (FM) 住院医师的便利样本进行了调查，以了解对疫苗的看法以及当前和首选的疫苗教育课程。使用 Fisher 精确检验对答案进行分类分析，并按住院医师年份进行比较。结果：2016 年 10 月，来自 9 个儿科和 FM 项目的 126 名住院医师完成了调查。住院医师受访者的培训水平各不相同。大多数为 25-29 岁和女性。随着培训年限的增加，对疫苗的熟悉程度和同意推迟接种推荐疫苗的人数增加（p<0.01）。大多数住院医师希望更多地了解疫苗的风险、好处和沟通技巧。首选的培训方式是面对面讲座、在线模块和连续性诊所教学法。居民将 MMR 和 Hib 疫苗评为“非常重要”的频率高于 HPV 和流感疫苗。五分之一的受访者表示对疫苗有一定程度的犹豫。结论：结果为制定疫苗教育课程的框架和范围提供了见解。确定居民对疫苗的犹豫以及将某些推荐疫苗评为具有不同重要性，强调了对居民进行疫苗培训的必要性。
推荐引用 推荐引用 Kenney, William A.. “使用弹丸跟踪数据改进弹道风预测”(2017)。理学硕士 (MS)，论文，计算建模与仿真工程，Old Dominion 大学，DOI：10.25777/h8yz-9d19 https://digitalcommons.odu.edu/msve_etds/7
6.多点风预测 ................................................................................................................67 6.1 多点数据生成 ................................................................................................................ 68 6.2 确定风预测参数 ................................................................................................................ 68 6.3 多点风预测方法 ................................................................................................................ 70 6.4 模拟描述 ............................................................................................................................. 74 6.5 结果 ................................................................................................................................ 76 6.6 结果分析 ............................................................................................................................. 76 6.7 改变状态 ............................................................................................................................. 81 6.8 结论 ................................................................................................................................ 88
推荐引用 推荐引用 Kenney, William A.. “利用弹丸跟踪数据改进弹道风预测”（2017 年）。理学硕士 (MS)，论文，计算建模与仿真工程，Old Dominion University，DOI：10.25777/h8yz-9d19 https://digitalcommons.odu.edu/msve_etds/7
6. 多点风预测 ................................................................................................................................ 67 6.1 多点数据生成 ................................................................................................................ 68 6.2 确定风预测参数 ................................................................................................................ 68 6.3 多点风预测方法 ................................................................................................................ 70 6.4 模拟描述 ............................................................................................................................. 74 6.5 结果 ................................................................................................................................ 76 6.6 结果分析 ............................................................................................................................. 76 6.7 改变状态 ............................................................................................................................. 81 6.8 结论 ................................................................................................................................ 88
影响者经济模型 Lin William Cong 和 ...
我们感谢康奈尔金融科技倡议的慷慨资助。作者特别感谢 Jaden Chen、Yi Chen、Itay Fainmesser、Justin Johnson、Ji Shen 和 Jian Sun 的有益讨论和评论。他们感谢 Jussi Keppo、马超、马德胜、Simon Mayer、Fahad Saleh、孙浩坤、童宇、Marianne Verdier、吴静、肖凯荣、杨亚历克斯，以及 2022 年数字经济学年会、东亚和东南亚计量经济学会亚洲会议（2022AMES，东京）、第 35 届澳大利亚金融与银行会议（AFBC）、康奈尔约翰逊研究沙龙、中国金融科技研究会议（CFTRC2022）、中国国际金融会议（CICF2022）、金融管理协会年会（FMA2022，亚特兰大）、新西兰金融会议（NZFM2022）、上海对外经济贸易大学和西南财经大学的研讨会和会议参与者的建设性反馈。本文表达的观点为作者的观点，并不一定反映美国国家经济研究局的观点。