表面等离子体共振 (SPR) 生物传感器方法非常适合基于片段的先导化合物发现。然而,缺乏普遍适用的实验程序和详细方案,尤其是对于结构或物理化学上具有挑战性的靶标或当工具化合物不可用时。成功取决于考虑靶标和化学库的特征,有目的地设计筛选实验以识别和验证具有所需特异性和作用方式的命中物,以及能够确认片段命中物的正交方法的可用性。通过采用多路复用策略、使用多个互补表面或实验条件,可以大大扩展适合基于 SPR 生物传感器的方法识别命中物的目标和库的范围。在这里,我们说明了使用基于流的 SPR 生物传感器系统筛选不同大小(90 和 1056 种化合物)的片段库以针对一系列具有挑战性的靶标的原理和多路复用方法。它展示了识别与下列相互作用的片段的策略:1) 大型和结构动态靶标,以乙酰胆碱结合蛋白 (AChBP) 为代表,AChBP 是一种 Cys 环受体配体门控离子通道同源物;2) 多蛋白复合物中的靶标,以赖氨酸脱甲基酶 1 和辅阻遏物 (LSD1/CoREST) 为代表;3) 结构可变或不稳定的靶标,以法呢基焦磷酸合酶 (FPPS) 为代表;4) 含有内在无序区域的靶标,以蛋白酪氨酸磷酸酶 1B (PTP1B) 为代表;5) 易于聚集的蛋白质,以人类 tau 的工程形式 (tau K18 M ) 为代表。重点介绍了考虑蛋白质和文库特性并提高稳健性、灵敏度、通量和多功能性的实际考虑和程序。研究表明,解决这些类型的目标的挑战不在于识别潜在有用的片段本身,而在于建立验证它们并演变为线索的方法。
各种建模技术用于预测锂离子电池的容量褪色。代数还原模型本质上可以解释且计算快速,非常适合用于电池控制器,技术经济模型和多目标优化。用于用石墨阳极的锂离子电池,石墨表面上的固体电解质插入(SEI)生长占主导地位。这种褪色通常是使用物理知情方程式建模的,例如预测溶剂扩散限制SEI生长的时间根 - 根源,以及Arrhenius和Tafel类似方程,预测温度和最新电量率依赖性。在某些情况下,提出了完全的经验关系。但是,很少进行统计验证以评估模型最佳性,并且通常只研究了少数可能的模型。本文展示了一种新的程序,可以自动通过双级优化和符号回归从数百万算法生成的方程中自动识别降级降解模型。使用交叉验证,敏感性分析和通过自举通过交叉验证,敏感性分析和不确定性定量在统计上验证。在LifePo 4 /石墨细胞日历老化数据集中,自动识别了使用方形 - 根,功率法,拉伸指数和sigmoidal功能的模型,与人类专家确定的模型相比,具有更高的准确性和更低的不确定性,并证明先前已知的物理关系可以使用“重新验证的机器学习”。©2021作者。[doi:10.1149/1945-7111/abdde1]由IOP Publishing Limited代表电化学学会出版。这是根据Creative Commons Attribution 4.0许可(CC by,http://creativecommons.org/licenses/ by/4.0/)分发的开放式访问文章,如果原始工作适当地引用了原始作品,则可以在任何媒介中不受限制地重复使用工作。
摘要:在神经病学领域,早期肿瘤诊断是治疗肿瘤最具挑战性的任务。由于脑瘤是世界上最常见的问题,因此人们正在进行大量研究以在癌症发病阶段发现它。使用传统的图像处理方法进行诊断及其自动化的任务极其困难。鉴于此,提出了一种基于卷积神经网络架构的新技术来对脑瘤进行分类,以帮助放射科医生和医生快速准确地做出决策。所提出的深度学习结构有助于分析和生成更好的特征图,以对正常和恶性病例中的变化进行分类。所提出的方法,即混合深度神经网络 (H-DNN) 架构,是两种不同 DNN 的组合。第一个深度神经网络 (DNN-1) 使用颅脑磁共振 (MR) 图像的空间纹理信息,而在第二种方法中,深度神经网络 (DNN-2) 使用 MRI 扫描的频域信息。最后,我们将两个神经网络结合起来,根据预测分数产生更好的分类结果。DNN-1 的训练输入是局部二元模式计算的纹理,而 DNN-2 使用小波变换计算的频率作为训练输入。这里使用了两个数据集来评估所提出的模型,即真实 MRI 数据集和用于 T2 加权 MRI 扫描的 BraTS 2012 MRI 数据集。在本研究中,所提出的模型提供了 98.7% 的分类准确率,优于相关工作中报告的其他方法。此外,还使用 DNN-1 和 DNN-2 架构对所提出的方法进行了准确度、灵敏度和特异性的比较,以表明与其他方法相比,所报告的模型给出了更好的结果。关键词:脑肿瘤、卷积神经网络、深度学习、图像分类、磁共振成像。如何引用:Singh, M., & Shrimali, V. (2022)。使用混合深度学习方法对脑肿瘤进行分类。 BRAIN。人工智能和神经科学的广泛研究,13 (2), 308-327。https://doi.org/10.18662/brain/13.2/345
原创文章 增强年轻学习者的运动教育能力:通过教学游戏来理解“无脑学校”的耻辱 INDRA SHOLEHUDIN 1* , SONI NOPEMBRI 2 , YUDANTO 3 , FERRY FENDRIAN 4 , TIAN KURNIAWAN 5 1,2,3 印度尼西亚日惹大学体育教育系 4 体育系教育,Sekolah Tinggi Keguruan Dan Ilmu Pendidikan Pasundan,印度尼西亚 5 体育科学系,Universitas Pendidikan Indonesia,印度尼西亚 在线发布:2025 年 1 月 31 日 接受出版:2025 年 1 月 15 日 DOI:10.7752/jpes.2025.01021 摘要:发展运动技能是运动技能的重要组成部分影响学生身体能力和协调性的教育。运动可教育性是指个人通过指导和练习学习和掌握运动技能(身体动作)的能力。这一概念包括认知能力(思考和理解)、感官知觉(如视觉、听觉和本体感觉)和肌肉协调。然而,在印度尼西亚,社会对体育学校的体育活动与认知能力较低存在偏见,体育学校通常被称为“无脑学校”。理解教学游戏 (TGFU) 方法强调理解游戏战术和策略,以增强学生的运动技能。尽管有这样的前景,但大多数关于 TGFU 的研究主要集中在认知发展上,而培养运动技能可教育性的作用尚未得到充分探索。目的:因此,本研究旨在研究 TGFU 方法对小学生运动可教育性的影响。材料和方法:采用准实验设计,分为三组,即对照组(体育活动最少的学生)、常规体育活动组和从事基于 TGFU 的体育活动的实验组。 90 名 9-11 岁的小学生参加了这项研究,每组 30 名学生。使用运动可教育性测试、协调性测试和游戏表现评估工具 (GPAI) 来评估运动技能的发展。结果:研究表明,参加基于 TGFU 的体育项目的学生的运动技能,特别是协调性和精细运动技能有显著提高。与对照组和常规体育活动组相比,实验组取得了更大的进步。结论:这项研究挑战了体育运动与认知或运动技能卓越不相容的偏见。通过展示基于 TGFU 的学习在运动和认知维度上的双重好处,分析概述了 TGFU 是体育课程的宝贵补充,它促进了年轻学习者的全面发展。关键词:TGFU、运动可教育性、体育、决策、小学生 简介 运动技能发展是教育的重要组成部分,尤其是在年轻学习者的成长时期(Rahmanto 等人,2024 年)。尽管运动技能很重要,但传统的教育模式往往会限制通过游戏增强身体认知能力的机会(Revilla 等人,2021 年)。发展运动技能不仅可以增强身体能力,还有助于提高整体幸福感和学业成绩(Aliriad,2023 年)。此外,运动技能与体育学习中的自尊心密切相关(Shakty 等人,2022 年),强调了对学生心理健康的影响。运动协调也通过执行功能的中介作用与学业成绩相关联(Schmidt 等人,2017 年)。这些证据表明,运动技能支持身体和认知发展,从而增强了教育价值。运动可教育性是指个人通过指导和练习学习和掌握运动技能(身体动作)的能力。这一概念涵盖认知能力(思考和理解)、感官知觉(如视觉、听觉和本体感觉)和肌肉协调。然而,在印度尼西亚,一种普遍的社会偏见将体育学校的体育活动与较低的认知能力联系起来,并经常被称为“无脑学校”(Supandri,2009 年)。这种偏见削弱了将体育教育纳入更广泛课程的重要性,并贬低了从事体育运动的学生的智力潜力。教学游戏理解 (TGFU) 方法是一种教学框架,将重点从传统的和基于技能的体育教育转移到以理解为导向的方法。它比传统方法更有效地促进批判性思维、自主性和身体素养(Doozan & Bae,2016 年)。通过强调游戏战术和策略,TGFU 使学生能够更深入地理解游戏玩法,从而提高运动和认知技能。实施 TGfU 进一步要求教师成为学生思维过程的熟练观察者和促进者(Mitchell & Collier,2009)。尽管这一证据表明,运动技能有助于身体和认知发展,从而增强了教育价值。运动可教育性是指个人通过指导和练习学习和掌握运动技能(身体动作)的能力。这一概念包括认知能力(思考和理解)、感官知觉(如视觉、听觉和本体感觉)和肌肉协调。然而,在印度尼西亚,一种普遍的社会偏见将体育学校的体育活动与较低的认知能力联系在一起,并经常被称为“没有大脑的学校”(Supandri,2009 年)。这种偏见削弱了将体育教育纳入更广泛课程的重要性,并贬低了从事体育运动的学生的智力潜力。教学游戏理解 (TGFU) 方法是一种教学框架,将重点从传统的和基于技能的体育教育转移到以理解为导向的方法。它比传统方法更有效地促进批判性思维、自主性和身体素养(Doozan & Bae,2016 年)。通过强调游戏战术和策略,TGFU 使学生能够更深入地理解游戏玩法,从而提高运动和认知技能。实施 TGfU 进一步要求教师成为学生思维过程的熟练观察者和促进者(Mitchell & Collier,2009)。尽管这一证据表明,运动技能有助于身体和认知发展,从而增强了教育价值。运动可教育性是指个人通过指导和练习学习和掌握运动技能(身体动作)的能力。这一概念包括认知能力(思考和理解)、感官知觉(如视觉、听觉和本体感觉)和肌肉协调。然而,在印度尼西亚,一种普遍的社会偏见将体育学校的体育活动与较低的认知能力联系在一起,并经常被称为“没有大脑的学校”(Supandri,2009 年)。这种偏见削弱了将体育教育纳入更广泛课程的重要性,并贬低了从事体育运动的学生的智力潜力。教学游戏理解 (TGFU) 方法是一种教学框架,将重点从传统的和基于技能的体育教育转移到以理解为导向的方法。它比传统方法更有效地促进批判性思维、自主性和身体素养(Doozan & Bae,2016 年)。通过强调游戏战术和策略,TGFU 使学生能够更深入地理解游戏玩法,从而提高运动和认知技能。实施 TGfU 进一步要求教师成为学生思维过程的熟练观察者和促进者(Mitchell & Collier,2009)。尽管
摘要 - 网络犯罪活动的迅速上升以及受其威胁越来越多的设备将软件安全问题引起了人们的关注。由于所有攻击中约有90%利用已知类型的安全问题,因此寻找脆弱的综合和应用现有的缓解技术是与网络犯罪作斗争的可行实际方法。在本文中,我们研究了最新的机器学习技术(包括流行的深度学习算法)如何在预测JavaScript程序中可能具有安全性漏洞的功能方面执行。我们应用了8个机器学习算法来构建从节点安全项目和SNYK平台的公共数据库中为本研究构建的新数据集构建预测模型,并从GitHub中构建了代码修复补丁。我们使用静态源代码指标作为预测变量和广泛的网格搜索算法来找到最佳的性能模型。我们还研究了各种重新采样策略的影响,以处理数据集的不平衡性质。最佳性能算法是KNN,该算法为预测弱势函数的模型以0.76(0.91 Precision和0.66召回)的预测模型。此外,深度学习,基于树木和森林的分类器和SVM具有竞争力,其F-MEASERIORS超过0.70。尽管F-测量结果与重新采样策略没有很大差异,但精度和召回的分布确实发生了变化。似乎没有重新采样似乎会产生偏爱高精度的模型,而重新采样策略可以平衡IR措施。索引术语 - 泄气性,JavaScript,机器学习,深度学习,代码指标,数据集
‒ Their consumption is non-rival : available to everyone and those unwilling to pay cannot be excluded from consuming the public good ‒ Long-standing literature in public economics: their efficient provision is challenging due to free-rider and preference revelation problems (e.g., Dasgupta 2021, Heal 2020, 2003, 2004)
罗马大学国际法和空间法博士后研究员。她在巴黎萨克雷大学(法国)获得空间法和电信法法学硕士学位并在罗马大学(意大利)获得博士学位。2017 年 8 月,她就读于海牙国际法学院研究中心。她是航天文明中心的客座研究员。国际空间法研究所成员;空间世代咨询委员会成员;欧洲空间法中心成员;法国航空和空间法学会成员;空间和电信法研究所成员;For All Moonkind 法律委员会成员;太空法院基金会顾问委员会成员。电子邮件联系 annesophie.martin@uniroma1.it。西悉尼大学国际法名誉教授;邦德大学教授研究员;维也纳大学客座教授:哥本哈根大学 iCourts 国际法院卓越中心永久客座教授;图卢兹第一大学客座教授;麦吉尔大学航空和空间法研究中心准会员;伦敦空间政策与法律研究所高级研究员;香港大学兼职教授;马来西亚玛拉工艺大学 (UiTM) 外部审查员;澳大利亚航天局咨询委员会成员;国际空间法研究所所长;国际法协会空间法委员会成员;国际律师协会空间法委员会成员;欧洲空间法中心成员;外层空间研究所研究员。电子邮件联系 s.freeland@westernsydney.edu.au。本文于 2020 年 10 月完成。
• Energy storage technologies are rapidly developing in response to increasingly large fluctuations in power demand and availability from intermittent resources including renewables • New cycles require custom turbomachinery designs • SCO 2 power cycles are being developed for both indirect and direct fired configurations • SCO 2 cycles being considered for energy storage • This presentation focuses on development of SCO2 turbomachinery to meet these challenging requirements
Transformative 5-year goal fully within NINDS mission • Bold, impactful, and challenging • Single, focused goal • Only achieved via interdisciplinary team science • Multiple aims are non-responsive 3-6 MPIs integrating distinct viewpoint/expertise • ≥2.4 cal mo/yr effort each • Subject to SCR policy Sufficient scope and complexity (vs MPI R01 ) • ~$500K - $1.5M DC团队科学与研究策略的整合•团队管理•增强各种观点