XiaoMi-AI文件搜索系统
World File Search Systemcons
基因组学如何帮助生物多样性保护
公共基因组资源的可用性可以为科学的管理决策提供证据，从而极大地帮助生物多样性评估、保护和恢复工作。本文，我们调查了生物多样性和保护基因组学的主要方法和应用，同时考虑了实际因素，例如成本、时间、必备技能和当前应用的缺点。大多数方法与目标物种或密切相关物种的参考基因组结合使用效果最佳。我们回顾了案例研究，以说明参考基因组如何促进整个生命之树的生物多样性研究和保护。我们得出的结论是，现在是时候将参考基因组视为基本资源并将其使用作为保护基因组学的最佳实践。
![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](/simg/8/8dd469c55249d1165cc0c55c494f5b27bda7b11b.png)
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
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
发展中国家建筑业数字化障碍评估：前景
摘要 建筑业数字化带来诸多好处，但其在印度的广泛应用面临障碍。本研究旨在识别和分析阻碍印度建筑业采用数字化的关键障碍。该研究采用多阶段研究方法，包括文献综述以确定潜在障碍。随后，对印度建筑业的 162 名专业人士进行了问卷调查。调查显示，印度建筑业愿意接受数字化，并列举了诸如提高生产力和对建筑流程产生革命性影响等好处。大型组织表现出更大的积极性，而小型企业面临资源和知识方面的挑战，导致采用率较低。该研究确定了五个关键障碍主题，包括财务/资源限制、文化/组织限制、区域差异、数据安全/隐私问题以及意识/能力建设限制。这项研究的意义在于揭示关键障碍并为量身定制的干预措施提供见解，帮助利益相关者、政策制定者和研究人员驾驭印度建筑业不断发展的数字化格局。这项研究有助于探索印度建筑专业人士对印度建筑业尚未完全接受数字化的原因的看法。
2023 年合并年度财务报告。...
报表 致 Repsol, SA 股东 合并财务报表报告 意见 我们已审计 Repsol, SA（母公司）及其组成 Repsol 集团（集团）的被投资方的合并财务报表，包括截至 2023 年 12 月 31 日的资产负债表、截至该日止年度的损益表、已确认损益表、权益变动表、现金流量表和相关附注（全部合并）。 我们认为，随附的合并财务报表在所有重大方面公允地反映了集团截至 2023 年 12 月 31 日的权益和财务状况，以及截至该日止年度的财务业绩和现金流量（全部合并），符合欧盟采用的国际财务报告准则（IFRS-EU）和适用于西班牙的财务报告框架的其他规定。 意见基础 我们根据西班牙审计实践的立法进行了审计。我们在这些准则下的责任在我们报告的“审计师对合并财务报表审计的责任”部分中有进一步描述。根据审计实践法规，我们遵守与西班牙合并财务报表审计相关的道德要求（包括与独立性有关的要求），独立于集团。在这方面，我们没有提供除与账目审计有关的其他服务，并且没有发生根据上述法规的规定影响我们必要的独立性以致损害其独立性的情况或情况。我们认为，我们获得的审计证据足以为我们的意见提供基础。 关键审计事项 关键审计事项是我们根据专业判断，认为对本期合并财务报表审计最为重要的事项。我们在对整个合并财务报表进行审计以及形成意见的过程中处理了这些事项，我们不对这些事项发表单独意见。
准确、高效地重建右心室形状和
从时间分辨的医学图像中精确重建右心几何形状和运动可增强基于图像可视化的诊断工具以及通过计算方法进行的心脏血液动力学分析。由于右心形态和运动的特殊性，常用的分割和/或重建技术仅采用短轴电影 MRI，在右心相关区域（如心室底部和流出道）缺乏准确性。此外，重建过程非常耗时，并且在生成计算域的情况下需要大量的人工干预。本文提出了一种从时间分辨 MRI 中精确高效地重建右心几何形状和运动的新方法。具体而言，所提出的方法利用表面变形来合并来自多系列电影 MRI（如短/长轴和 2/3/4 腔采集）的信息并重建重要的心脏特征。它还通过利用合适的图像配准技术自动提供完整的心脏收缩和放松运动。该方法既适用于健康病例，也适用于病理（法洛四联症）病例，并且比标准程序产生更准确的结果。所提出的方法还用于为计算流体动力学提供重要输入。相应的数值结果证明了我们的方法在计算临床相关血液动力学量方面的可靠性。© 2023 Elsevier BV 保留所有权利。
使用数据约束的循环神经网络模型推断全脑交互
行为源自多个在解剖学和功能上不同的大脑区域的协调活动 1,2 。现代实验工具 3–5 使我们能够前所未有地接触大量神经群，甚至是横跨全脑许多相互作用区域的神经群 2 。然而，要理解如此大规模的数据集，不仅需要稳健、可扩展的计算模型来提取区域间通信的有意义特征，还需要原则性理论来解释这些特征。在这里，我们介绍了基于电流的分解 (CURBD)，这是一种使用数据约束的循环神经网络模型 6 推断全脑相互作用的方法，该模型一旦经过训练，就会自主产生与实验获得的神经数据一致的动态。CURBD 利用从这些模型推断出的功能相互作用来同时揭示多个大脑区域之间的定向电流。我们首先表明，CURBD 可以在具有已知连接和动态的模拟真实网络中准确地隔离区域间电流。然后，我们将 CURBD 应用于从广泛的神经数据集（斑马鱼幼虫 7 、小鼠 8 、猕猴 9 和人类 10 ）获得的多区域神经记录，以证明 CURBD 在解开全脑相互作用和行为背后的区域间通信原理方面的广泛适用性。
利用解耦运动和形状模型进行 4D 心肌重建
评估心肌的形状和运动状态对于诊断心血管疾病至关重要。然而，电影磁共振 (CMR) 成像以 2D 切片为主，其大切片间距对切片间形状重建和运动获取提出了挑战。为了解决这个问题，我们提出了一种将运动和形状分离的 4D 重建方法，该方法可以从有限切片获得的给定稀疏点云序列预测间/内形状和运动估计。我们的框架包括一个神经运动模型和一个舒张末期 (ED) 形状模型。隐式 ED 形状模型可以学习连续边界并鼓励运动模型在没有地面真实变形监督的情况下进行预测，并且运动模型通过将任意点从任意阶段变形到 ED 阶段来实现形状模型的规范输入。此外，构建的 ED 空间可以对形状模型进行预训练，从而指导运动模型并解决数据稀缺问题。我们提出了我们所知的第一个 4D 心肌数据集，并在提出的、公开的和跨模态的数据集上验证了我们的方法，显示出卓越的重建性能并实现了各种临床应用。
引用：Hall, L. & Clapton, W. (2021)。机器编程：性别、种族、性取向、人工智能以及边界可信度和欺骗的构建。《互联网政策评论》，10 (4)。https://doi.org/10.14763/2021.4.1601
摘要：人们越来越认识到人工智能 (AI) 的政治、社会、经济和战略影响的重要性。这引发了有关人工智能编程、使用和监管的重要伦理问题。本文认为，人工智能的编程和应用本质上都是 (顺) 性别化、性化和种族化的。毕竟，人工智能是由人类编程的，因此，谁来训练人工智能、教它学习以及这样做的伦理问题对于避免 (顺) 性别化和种族主义刻板印象的重现至关重要。本文的实证重点是欧盟资助的 iBorderCtrl 项目，该项目旨在通过实施多种基于人工智能的技术（包括面部识别和欺骗检测）来管理安全风险并提高第三国国民的过境速度。本文汇集了 1) 风险与安全 2) 人工智能与道德/移民/庇护以及 3) 种族、性别、（不）安全与人工智能等领域的文献，探讨了谎言检测对常规过境和难民保护的影响，概念重点关注性别、性取向和种族的交叉点。我们在此认为，iBorderCtrl 等人工智能边境技术存在重大风险，不仅会进一步边缘化和歧视 LGBT 人士、有色人种和寻求庇护者，还会强化现有的非入境做法和政策。
亲生的父亲积极消耗可行的胚胎，以在一夫一妻制的Syngnathidfim中吸收营养
Syngnathidfinse通常会降低育雏量和怀孕期间免疫力的增加。研究人员已经研究了一夫多妻制的管状（Syngnathus Typhle），并透露，男性的育雏袋中的一些低质量女性的鸡蛋是父亲吸收的护士卵。目前尚不清楚其他Syngnathidfiens中是否也存在护士卵，尤其是在一夫一妻制的Syngnathidfins中。在一夫一妻制的Syngnathidfins中，雄性小袋仅带有单个雌性的鸡蛋。因此，问题仍然存在：一些一夫一分子的Syngnathidfiens卵也可以用作护士鸡蛋吗？，如果是这样，这些护士鸡蛋会损害卵子，还是繁殖父亲消耗的可行鸡蛋？在本研究中，我们使用了一夫一妻衬里的海马（海马直立），并询问该物种中是否存在护士卵。我们还探索了护士卵是否可能起源于可行的鸡蛋与无机鸡蛋。使用同位素标记，我们发现可以将胚胎的营养转移到亲生的父亲。此外，我们还发现，与有足够的食物的人相比，食物有限的沉思父亲的同位素含量较高，而育雏量较小。这些结果表明，衬有衬里的海马中存在护士卵，还建议亲子的父亲积极食用可行的胚胎以响应低食物的可用性来吸收营养。这些发现有助于我们更好地理解父母 - 胚胎冲突，同性恋和唯一的唯一的在硬骨上的关怀。