XiaoMi-AI文件搜索系统
World File Search Systemconditions
U-Limb：关于健康和中风后手臂运动控制的多模式、多中心数据库
1 “Enrico Piaggio”研究中心和 Dipartimento di Ingegneria dell'Informazione，比萨拉戈大学 Lucio Lazzarino 1, 56122 比萨，意大利； 2 用于人类合作与康复的软机器人，Fondazione Istituto Italiano di Tecnologia，Via Morego 30, 16163 Genova，意大利； 3 RSI - 慕尼黑工业大学 (TUM) 慕尼黑机器人与机器智能学院机器人与系统智能主席，Heßstr。 134, 80797 慕尼黑, 德国; 4 MoMiLab 研究中心，IMT 卢卡高级研究学院，Piazza S. Francesco 19, 55100 Lucca, Italy； 5 苏黎世大学神经病学系血管神经病学和神经康复科，Frauenklinikstrasse 26, 8006 苏黎世，瑞士；6 汉诺威医学院矫形外科系生物力学和生物材料实验室 (LBB)，L384, 30625 汉诺威，德国；7 苏黎世健康科学与技术系机器人与智能系统研究所康复工程实验室，CLA H 1.1 Tannenstrasse 3, 8092 苏黎世，瑞士
环境条件对英语频道长期鱿鱼（Loligo spp。）招聘强度和空间位置的影响
英国频道是东北大西洋地区最高的长期鱿鱼着陆点，使鱿鱼成为该地区运作的塞尔萨尔遗迹所利用的最有价值的资源之一。该资源由两个短寿命的长鱿鱼物种：loligo forbesii和L. vulgaris组成，它们的外观相似（它们没有被钓鱼者区分开），但在其生命周期的时间上有所不同：在L. forbesii中，在7月，在L. dufgaris招募的招聘峰会出现在L. dufgaris peak in Nevember中。头足类物种（例如Loligo spp。）的丰度和分布取决于有利的环境条件，以支持生长，繁殖和成功募集。This study investigated the role of several environmental variables (bottom temperature, salinity, current velocity, phosphate and chlorophyll concentrations) on recruitment biomass (in July for L. forbesii and November for L. vulgaris ), as based on environmental data for pre-recruitment period from the Copernicus Marine Service and commercial catches of French bottom trawlers during the recruitment period over the years 2000 to 2021.为了说明环境描述符与生物响应之间的非线性关系，将一般添加剂模型（GAM）拟合到数据中。在各自的招聘期内，获得了单独的模型，以预测法拉克利斯和福布西生物量指数。这些模型解释了生物量指数变化的很高比例（L. forbesii为65.8％，而福尔加里（L. vulgaris）的差异为56.7％），并且可能适合预测资源的丰度（以生物量）和空间分布。此类预测是指导经理的理想工具。由于这些模型可以在开始季节开始前不久进行，因此它们的常规实施将在实时填充管理中进行（由与短寿命物种打交道的薄薄的科学家促进）。
云杉甲虫在变化的气候条件下
1阿拉斯加阿拉斯加大学费尔班克斯大学，费尔班克斯阿拉斯加2 USGS，安克雷奇阿拉斯加3美国森林服务，安克雷奇阿拉斯加阿拉斯加4美国森林服务局，阿拉斯加费尔班克斯阿拉斯加阿拉斯加森林服务团队的其他成员：布鲁斯·克雷文斯滕（Bruce Crevensten）
在低温条件下通过软伽马射线辐照表征 Si 和 SiC 功率器件中的载流子倍增
载流子倍增因子的特性是设计坚固可靠的功率半导体器件以及评估其对地面宇宙辐射引起故障的敏感性的关键问题。本文提出了一种低温恒温装置，以将使用来自 Am 241 放射源的软伽马辐射的非侵入式电荷谱技术应用于广泛的 Si 和 SiC 器件。本文提供了一种关系，将液氮温度下测得的倍增因子转换为环境温度下测得的倍增因子。本文提出了一种专用的模拟方案，将 TCAD 和 Monte Carlo 工具结合起来，以预测收集到的电荷的光谱并定位倍增因子的热点。最后，在强调了电荷倍增因子与地面宇宙辐射下的功率器件故障率之间的相关性之后，建议将本技术作为评估安全操作区的补充方法。
磁性边界条件对磁性弹性体定量建模的影响
复杂的磁力机械耦合，该耦合控制了磁性elastomers（MRES）的材料响应（MRES）需要计算工具来协助设计过程。计算模型通常基于有限元框架，这些元素框架通常简化并理想化磁性源和相关的磁性边界条件（BCS）。但是，这些简化可能会导致实际物质行为与建模的简化，即使在定性层面也是如此。在这项工作中，我们提供了一项有关磁性BCS影响的全面研究，并证明了在整个材料结构建模策略中考虑它们的重要性。为此，我们实施了一个磁性机械框架，以模拟由理想化的远场均匀磁性源，永久磁铁，线圈系统和带有两个铁杆的电磁体产生的磁场下的软磁和硬磁MR。根据所使用的磁设置，结果在计算的局部磁截图和磁场中揭示了显着的异质性。基于材料和结构贡献的详细讨论为将来的作品提供了强大，严格且必要的建模途径。
在轻度条件下通过不可逆化学的化学合成结晶二维共轭聚合物
二维共轭聚合物（2DCP）是一类单层到多层晶体聚合物材料，并在两个正交方向上具有共轭链接，这些方向有望从膜到电力。当前的界面合成方法已成功地从动态价值化学（例如亚胺链接）中构造了2DCP。但是，由于可逆性不足，这些方法不适合制造可稳健的核定链接的2DCP。在这里，我们报告了通过两亲吡迪辅助辅助藻型界面多凝结连接的2DCPS的合成。合成是通过烷基定量的三吡啶定甲基吡啶来实现的，该三吡啶可以在水界面上自组装成有序的单层，并通过醛型型拓扑拓扑敏感性地与多功能醛进行原位与多功能醛反应。最终的2DCP显示出远距离分子排序，较大的侧向尺寸和良好的控制厚度。实验和理论分析都表明，在水界面上的预组装三甲基吡啶丁物单层显着提高了其凝结反应性，从而促进了在轻度条件下2DCP的合成。在渗透发电机中具有固有正电荷的2DCP的整体可提供出色的输出功率密度，达到51.4 w m-2，高于报告最多的2D纳米孔膜。
在嘈杂条件下，稀疏的非线性动力学稀少
摘要 - 本文提出了具有控制和外源输入的非线性动力学（SINDY）的稀疏识别，以高度准确，可靠的预测，并将所提出的方法应用于柴油发动机Airpath系统，这些方法被称为非线性复杂工业系统。尽管Sindy被称为识别非线性系统的强大方法，但仍然存在一些问题：由于嘈杂的数据和由于时间段嵌入等协调的扩展而导致的基础功能增加，因此无法保证在工业系统中应用和多步预测的示例。为了解决这些问题，我们提出了基于整体学习，精英收集和分类技术的改进的信明，同时保持凸计算。在拟议的方法中，进行了图书馆的行李，并且收集了R平方的精英大于90％。然后，在幸存的精英上执行聚类，因为并非总是可用的，并且获得的精英模型并不总是显示出相同的趋势。分类后，通过取出每个分类精英的平均值获得离散模型候选者。最后，选择了最佳模型。仿真结果表明，所提出的方法实现了气相系统的多步骤预测，该系统在嘈杂条件下被称为复杂的工业系统。
遥感技术以识别自动驾驶汽车的道路表面条件
[2] M. Yamada等人，“对车辆部署的道路表面状况检测技术的研究”，JSAE Review，2003，24（2）：183-188。[3] L. Colace等人，“一种近红外的光电方法来检测道路状况”，《工程学的光学和激光》，2013年，51（5）：633-636。[4] R. Finkele，“使用76 GHz的极化毫米波传感器在路面上检测冰层”，《电子信》，1997，33（13）：1153-1154。
湿地树是在干燥土壤条件下的潜在甲烷下沉
我们的研究重点是使用半刚性的静态室来表征茎Ch 4通量，并通过在两个森林湿地生态系统中富含加油的孵化来评估CH 4氧化和生产活动：在弗洛蒂克·莫尔（英国）的温带湿地（英国）的温带湿地，并在sebangau forest see the sebangau prosection（kalangau sefters）（kalgangau sefters）（kalimimiakia）较低（kalimimia）（kalimimia）（kalimimia）较低（kalimimia）（ 时期。以多个高度间隔测量了靶向的树种，并在Sebangau森林中的Flitwick Moor和Shorea Balangeran和Shorea Balangeran和Shorea Balangeran和Xylopia fusca中进行了Alnus谷胱甘肽和Betula pubescens测量。来自树皮，木材和土壤的DNA分析涉及两个步骤PCR和针对16S rRNA基因的测序，并补充了整个shot弹枪宏基因组学（WGS），以探索微生物组成和CH 4循环微生物。
预测氨基酸组成的微生物生长条件
在实验室中生长微生物的能力可以使其遗传学的可重复研究和工程化。不幸的是，由于识别培养条件所需的努力，生命树中的大多数微生物仍然没有耕种。对指导实验测试的可行生长条件的预测将是非常可取的。虽然可以通过注释的基因在计算上预测碳和能源，但很难预测其他生长的要求，例如氧，温度，盐度和pH。在这里，我们开发了基于基因组的计算模型，能够预测氧耐受性（92％平衡精度），最佳温度（r 2 = 0.73），盐度（r 2 = 0.81）和pH（r 2 = 0.48），而新的分类微生物家族无需功能基因注释。使用15,596种细菌和古细菌的生长条件和基因组序列，我们发现氨基酸频率可预测生长需求。只有两个氨基酸可以预测氧气耐受性，其精度为88％。使用蛋白质的细胞定位来计算氨基酸频率改善了pH的预测（r 2增加0.36）。由于这些模型不依赖于特定基因的存在或不存在，因此可以将它们应用于不完整的基因组中，仅需要10％的完整性。我们应用模型来预测所有85,205种测序细菌和古细菌的增长需求，发现未养殖物种富含嗜热，厌氧菌和嗜酸菌。这项工作指导了对不同微生物实验室种植的生长限制的识别。最后，我们将模型应用于具有元基因组组装的基因组的3,349个环境样品，并表明社区中的个别微生物具有不同的增长需求。