摘要虽然学龄前校长对于整合可持续性很重要,但对此主题的研究很少。使用嵌入式混合方法方法,本研究探索并比较了50个校长的观点和与可持续性有关的观点和行动,该行动与25个未来和25种非核心认证的随机取样的幼儿园(总计290个)的25个市政学前班的随机随机抽样。使用半结构化问卷,从学前班的原理收集数据。整个学校方法花模型被用作分析定性数据的分析框架,而定量数据则受到潜在结构歧视性分析的正交预测。根据参与的校长,经过生态认证的学龄前儿童着重于增加儿童对可持续性的知识和利益,而非证券认证的学龄前儿童着重于发展教师可持续性能力的策略。这与发现生态认证的学龄前儿童在其领导实践中对可持续性更细微和多方面的观点相一致,表明在某种程度上,生态认证在某种程度上起着重要作用。该研究还强调了在学龄前教育中采用整个学校可持续性方法的潜力。交叉验证至少在瑞典背景下支持结论的普遍性。
摘要:药物再利用是医学领域的一个新兴领域。配制用于治疗新临床疾病的新药需要时间,并且需要大量投资。因此,人们非常关注旧药再利用以用于新疗法。FDA 批准用于特定治疗的大多数药物也可用于治疗各种其他临床疾病。换句话说,可以说是药物的“重复使用”。这篇小型综述重点介绍了再利用药物在细菌感染和癌症治疗中的应用。除了药物再利用的好处之外,还有一些挑战需要解决。因此,本综述讨论了再利用药物在治疗传染性(细菌感染)和非传染性(癌症)疾病中的应用。关键词:药物再利用;V 期临床试验;生活方式药物
ESG应审查和更新该策略,并添加其他与领域相关的项目,包括加速器,检测器和计算R&D R&D,理论前沿,以最大程度地减少环境影响并提高加速器粒子物理学的可持续性,以吸引,培训,培训,培训,培训年轻人的策略和启动的策略和公众生成和公众参与,参与策略和培训。
摘要本研究应对高中生的有效教学遗传学的挑战,该主题尤其具有挑战性。利用人工智能(AI)在教育中的重要性越来越重要,该研究探讨了服务前教师在高中遗传学教育中基于AI-AI-Specions的整合的观点,指标和行为意图。正如这些职前教师(通常称为数字本地人)被期望将技术无缝地整合到我们技术依赖的社会中的未来教室中,因此了解他们的观点至关重要。这项研究涉及90名教师候选人,专门从事尼日利亚高等教育机构的生物学。采用计划行为理论,使用结构方程建模和独立样本t检验方法分析了调查响应。结果表明,感知到的有用性和构成规范是AI使用的重要预测指标,主观规范严重影响了职前教师的行为意图。值得注意的是,感知到的行为控制并不能显着预测意图,这与观察到的有用性不能保证AI采用。性别会差异地影响主观规范,尤其是在女性职前教师中,而在其他变量中没有观察到显着的性别差异,这表明可比的态度。这项研究强调了态度和社会规范在塑造职前教师对AI技术整合的决定中的关键作用。还讨论了有关含义,局限性和潜在的未来研究方向的详细讨论。
黑色素瘤是一种最可怕的皮肤癌,死亡率很高,最初是通过临床筛查、皮肤镜分析、活检和组织病理学检查进行目视诊断的。如果诊断和早期治疗延误,就会变得很危险。图像处理技术的最新发展有助于有效地检测黑色素瘤,因为由于病变的细粒度变化,检测黑色素瘤是一项艰巨的工作。本文研究了一种使用粒子群优化人工神经网络分析病变不规则性的新分类程序。在本研究论文中,提取病变的颜色特征并使用 PSO-ANN 分类器进行分类。通过标记假阳性率和真阳性率获得的接收者操作特性在分析计算机辅助诊断系统的诊断潜力方面起着至关重要的作用。应用于 ISIC 数据库的分类技术表明曲线下面积为 0.96853,特异性为 90.0%,灵敏度为 94.07%,准确率为 93.04%。
文章标题:抗击 COVID-19:人工智能技术与挑战 作者:Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构:毕业于杜比克大学,联系电子邮件 ID:Patelnikhilr88@gmail.com[1],IEEE 会员,毕业于 Technocrats Institute of Technology,联系电子邮件 ID:sandeep.trived.ieee@gmail.com[2],尼泊尔加德满都佛陀教育基金会[3] Orcid id:0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件:sandeep.trived.ieee@gmail.com 许可信息:本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/,允许在任何媒体中不受限制地使用、分发和复制,前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明:本文为预印本,尚未经过同行评审,正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI:10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布:2022 年 7 月 25 日 关键词:COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
摘要,由于基于化石的材料引起的环境问题,从生物基础资源中开发了可持续材料。木质素是一种化学复杂的生物聚合物,存在于血管植物的木质组织中。木质素具有许多有用的特性,例如抗氧化活性,热稳定性,紫外线吸收性,刚度等。然而,木质素的固有挑战与其复杂的分子结构以及在水和常见溶剂中的溶解度差有关。一种利用木质素的一种策略是制造木质素纳米颗粒(LNP),以在水中产生胶体稳定的分散体。本论文旨在开发基于LNP的材料,这些材料可用于光子晶体和光热膜用于节能功能材料。论文的第一部分重点是阐明在LNP-Photonic Crystal(L-PC)的离心辅助组装过程中发生的现象。L-PC。在后续工作中,开发了一种改进的方法来提高L-PC的产量。研究了诸如初始木质素浓度以及稀释时间对粒径和稀释时间的影响,并研究了形成的LNP的PDI。经验模型以预测LNP的大小,并成功用于控制L-PC的颜色。此外,研究了L-PC的纳米结构。LNP-Chitosan膜和涂料并将其应用于室内热管理。将LNP含量从10到40 wt%调节。在论文的第二部分中开发了木质素吸收太阳能(光波长:250–2500 nm),基于LNP的复合膜和具有光热性能的涂层的能力。通过合并LNP,与纯壳聚糖膜相比,膜的机械强度和光热性能得到了改善。此外,通过使用LNP作为还原剂制备LNP-Silver-Chitosan(CC-AG@LNP)膜。用紫外线辅助在LNP的表面降低了银离子,并使用杂交纳米颗粒来通过铸造来制备膜。CC-AG@LNP膜表现出改善的湿势,并针对大肠杆菌表现出抗菌性能(灭菌作用> 99.9%)。总的来说,本文既有助于木质素聚集的基本见解,又有助于胶体颗粒的胶合颗粒,并展示了控制其组装并掺入具有附加功能的宏观材料中的方法。
单电子控制的基本概念:添加单个电子之前和之后的导电岛(a)。添加单个未补偿的电子电荷会产生电场 E,这可能会阻止添加以下电子。基于单电子转移的设备:a) 单电子盒:这是一种基于单电子转移的电子设备。图 (a) 显示了概念上最简单的设备,即“单电子盒”。该设备仅由一个小岛组成,小岛与较大的电极(“电子源”)之间通过隧道屏障隔开。可以使用另一个电极(“栅极”)将外部电场施加到岛上,该电极与岛之间通过较厚的绝缘体隔开,这不允许明显的隧穿。该场改变了岛的电化学电位,从而决定了电子隧穿的条件。图 (b) 显示了特定的几何结构,其中“外部电荷” Q e = C 0 U 可以很容易地可视化,(c) 显示了“库仑阶梯”,即平均电荷 Q = -ne 对栅极电压的阶梯式依赖性,适用于几个温度值。栅极电压 U 的增加会吸引越来越多的电子进入岛。电子通过低透明度屏障的传输的离散性必然使这种增加呈阶梯状。
纳米颗粒在接口处。没有纳米颗粒,系统将在系统中发生宏观分离,这两个阶段将根据其密度而定。[5,6] 2000年代初期证明了Bijels生产的第一个程序。第一个实验成功的方法是所谓的热旋缺失分解。[7]在2015年,Haase和同事改善了这种方法,开发了一种导致旋律分解的方法,该方法依赖于从三元混合物中去除溶剂的方法。[8]在这种情况下,将两个易碎的液体与溶剂混合在一起,该溶剂具有使它们相互溶于的能力。将所谓的混合物注入能够提取溶剂的连续相中,其突然去除会诱导两个剩余流体的旋律分解。最近,Clegg Research Group定义了一种越来越简单,更快的生产协议,涉及所涉及的组件之间的直接混合。[9]以这种策略分散到两种不混溶的液体中,需要一些表面活性剂。以这种方式,可以偏爱面部表面的不同局部曲率并稳定结构。与旋律分解不同,这里的比杰尔是通过应用高剪切速率形成的,因此,在初始阶段,产生了二元混合物的液滴。去除剪切物后,粗糙的过程开始将颗粒[1]在接口处捕获[1],直到融合融合为止。最近的Huang等人。同时,表面活性剂施加了液态液接触表面的局部曲率,有助于形成特征性的双连续结构。[1,2,10]仅使用简单的涡流混合简化了生产方法。这样做,他们采用了不同的分子量表面活性剂的组合来稳定不同的局部曲率,以与两个液相之间的界面稳定。在这种情况下,形成比耶尔的唯一必要条件是使用具有不同分子量的聚合物的混合物和足够高的颗粒来形成双连续性的互面膜间堵塞的乳胶凝胶。在最近几年中,比杰尔(Bijels)在许多工业领域表现出了有希望的应用,例如电池,燃料电池和许多其他领域,其中具有控制结构的多相材料引起了任何关注。[11]从医学角度来看,使用Bijels的主要优势居住在可能获得系统