XiaoMi-AI文件搜索系统
World File Search Systemconstructing
提高统计 - 重建 - 构造 -
摘要。过去气候的定量重建是19评估气候模型如何重现气候变化的重要资源。一种广泛使用的统计20方法，用于从化石生物组合进行此类重建的方法加权21平均部分最小二乘回归（WA-PLS）。然而，已知的22个WA-PLS产生重建的趋势是压缩到用于校准的气候范围的中心的重建，可能会偏向重建的过去气候。我们通过假设：（a）相对于所考虑的气候变量，每个分类单元的理论丰度为25个单峰； （b）观察到的分类单元丰度26遵循多项式分布，其中样品的总丰度在气候上是27个不明智的； （c）在给定站点和时间的气候价值的估计使得28个观察结果最有可能，即它最大化对数可能性函数。此气候29估计值是通过将其气候公差的30反平方平方的加权分类单元丰度近似。我们通过考虑训练数据集中气候变量的频率31（FX）进一步改善方法。与WA-PLS相比，具有FX校正的TWA-PLS大大减少了压缩偏置，并基于广泛的现代花粉数据集改善了33个重建的模型性能。34
杜松：从接下来重建传输事件 -
1美国麻省理工学院和哈佛大学，美国马萨诸塞州剑桥市02142，美国。2美国马萨诸塞州剑桥市艺术与科学学院有机和进化生物学系，美国马萨诸塞州02138，美国。3美国霍华德·休斯医学研究所，美国医学博士20815，美国。4 Harvard-Mit健康科学与技术计划，美国马萨诸塞州剑桥市02139，美国。 5哈佛/麻省理工学院MD-PHD计划，美国马萨诸塞州波士顿，美国02115。 6系统，合成和定量生物学博士学位课程，系统生物学系，哈佛医学院，马萨诸塞州波士顿，美国马萨诸塞州02115。 7英国爱丁堡大学生态与进化研究所。 8 Fathom信息设计，马萨诸塞州波士顿，美国92114，美国9马萨诸塞州公共卫生部，马萨诸塞州波士顿，马萨诸塞州02108，美国。 10免疫学和传染病系，哈佛T.H. Chan公共卫生学院，哈佛大学，波士顿，马萨诸塞州02115，美国。 11马萨诸塞州病原体准备的联盟，哈佛大学，哈佛大学，波士顿，马萨诸塞州，美国02115，美国。 12计算机科学系，工程与应用科学学院，哈佛大学，波士顿，马萨诸塞州02134，美国。 †函数：ispecht@broadinstitute.org，pvarilly@broadinstitute.org。 抽象传播重建 - 对谁感染了疾病暴发中的人的推论 - 对病原体如何扩散和为目标控制措施提供机会的关键见解。 杜松的中心是下一代测序观察到的主机内变体频率的统计模型，我们在超过160,000多个深入序列的SARS-COV-2基因组的数据集上验证了该模型。4 Harvard-Mit健康科学与技术计划，美国马萨诸塞州剑桥市02139，美国。5哈佛/麻省理工学院MD-PHD计划，美国马萨诸塞州波士顿，美国02115。6系统，合成和定量生物学博士学位课程，系统生物学系，哈佛医学院，马萨诸塞州波士顿，美国马萨诸塞州02115。7英国爱丁堡大学生态与进化研究所。8 Fathom信息设计，马萨诸塞州波士顿，美国92114，美国9马萨诸塞州公共卫生部，马萨诸塞州波士顿，马萨诸塞州02108，美国。10免疫学和传染病系，哈佛T.H. Chan公共卫生学院，哈佛大学，波士顿，马萨诸塞州02115，美国。 11马萨诸塞州病原体准备的联盟，哈佛大学，哈佛大学，波士顿，马萨诸塞州，美国02115，美国。 12计算机科学系，工程与应用科学学院，哈佛大学，波士顿，马萨诸塞州02134，美国。 †函数：ispecht@broadinstitute.org，pvarilly@broadinstitute.org。 抽象传播重建 - 对谁感染了疾病暴发中的人的推论 - 对病原体如何扩散和为目标控制措施提供机会的关键见解。 杜松的中心是下一代测序观察到的主机内变体频率的统计模型，我们在超过160,000多个深入序列的SARS-COV-2基因组的数据集上验证了该模型。10免疫学和传染病系，哈佛T.H.Chan公共卫生学院，哈佛大学，波士顿，马萨诸塞州02115，美国。 11马萨诸塞州病原体准备的联盟，哈佛大学，哈佛大学，波士顿，马萨诸塞州，美国02115，美国。 12计算机科学系，工程与应用科学学院，哈佛大学，波士顿，马萨诸塞州02134，美国。 †函数：ispecht@broadinstitute.org，pvarilly@broadinstitute.org。 抽象传播重建 - 对谁感染了疾病暴发中的人的推论 - 对病原体如何扩散和为目标控制措施提供机会的关键见解。 杜松的中心是下一代测序观察到的主机内变体频率的统计模型，我们在超过160,000多个深入序列的SARS-COV-2基因组的数据集上验证了该模型。Chan公共卫生学院，哈佛大学，波士顿，马萨诸塞州02115，美国。11马萨诸塞州病原体准备的联盟，哈佛大学，哈佛大学，波士顿，马萨诸塞州，美国02115，美国。12计算机科学系，工程与应用科学学院，哈佛大学，波士顿，马萨诸塞州02134，美国。 †函数：ispecht@broadinstitute.org，pvarilly@broadinstitute.org。 抽象传播重建 - 对谁感染了疾病暴发中的人的推论 - 对病原体如何扩散和为目标控制措施提供机会的关键见解。 杜松的中心是下一代测序观察到的主机内变体频率的统计模型，我们在超过160,000多个深入序列的SARS-COV-2基因组的数据集上验证了该模型。12计算机科学系，工程与应用科学学院，哈佛大学，波士顿，马萨诸塞州02134，美国。†函数：ispecht@broadinstitute.org，pvarilly@broadinstitute.org。抽象传播重建 - 对谁感染了疾病暴发中的人的推论 - 对病原体如何扩散和为目标控制措施提供机会的关键见解。杜松的中心是下一代测序观察到的主机内变体频率的统计模型，我们在超过160,000多个深入序列的SARS-COV-2基因组的数据集上验证了该模型。我们开发了杜松（系统发育和流行病学重建的关节基础网络推断），这是一种高度估计的病原体爆发重建工具，结合了host内变化，不完全采样和算法平行化。将这种内部内部变化模型与人口水平的进化模型结合在一起，我们开发了一种同时推断系统发育和传播树的方法。我们在计算机生成的爆发和实际爆发中对杜松进行了基准测试，其中传输链接已知或在流行病学上得到证实。我们演示了杜松的
使用地球化学湖泊沉积物数据重建定量气候的贝叶斯方法
从代理数据中获得的古气候重建提供了机会，可以在过去几千年中扩展乐器气候记录。此扩展允许识别气候趋势，这些气候趋势在短期观察期间未观察到，气候系统的上下文发生了当前的变化，并用于气候模型敏感性测试以增强未来的预测。在过去几十年中，使用代理数据重建精确的古气候到千年时间表的准确性千年时间表已经有所提高，但是高时间分辨率（1至10年）的重建受到限制。这主要是由于分辨出可用的代理记录和/或不确定时间学的抽样。微X射线荧光（M-XRF）核心扫描数据提供了有关沉积物序列变化的地球化学组成的多元信息。与诸如Varved沉积物序列的紧密结合年表结合使用时，M-XRF数据可以用作过去在年度至年度时间表上改变环境和气候条件的代理。尽管如此，尽管如此，重建仅是半定量的，因此仅用于评估气候和环境变异性的相对变化。
比较两种低成本3D打印技术，用于从MRI乳房图像构建幻象
开发X射线设备，用于评估，评估图像质量以及质量保证计划所需的物理乳房幻像。理想情况下，这样的幻象应反映乳房的物理特征。首先，组成材料必须具有与乳房组织相同的X射线衰减特性。其次，所使用的幻象应反映实际器官的解剖特征，例如剪影，组成组织的3D分布和变异性（1,2）。所需的解剖现实主义可以源自具有专用乳房计算机层析成像（BCT）扫描仪（2,3）的临床图像，其空间分辨率相对较高。但是，这种方法受到从BCT扫描仪获得的临床乳房图像的全球稀缺限制（4-6）。相反，利用磁性
使用机器学习预测供应链中风险评估的风险因素
摘要：风险管理是一个正在进行的过程，其中包括映射和识别，分析以及评估，计划和实施的几个阶段，以降低风险并确保持续控制。沿供应连锁店的风险管理变得更加重要。当前的文献以及风险事件的复杂性和频率的增加，使我们面临当今风险管理中最突出的挑战：审计师在确定风险水平方面的主观性。简单地说，由于其特定的历史和经验，两个不同的审核员可能会以不同的方式评估给定情况。特别是，发现在同一组织中工作的不同审计师进行了相同的风险评估，这似乎极为困难。考虑到这一点，这项研究旨在减少人类的主观性偏见，并通过使用机器学习方法进行尽可能客观的风险评估。为此，本文基于因素分析和人工神经网络作为预测模型引入了一个新的风险评估框架。我们首先引入了一种将风险因素解构为基本要素的新方法，并将其分析为特征向量。接下来，我们收集了来自各个行业（从塑料和金属工厂到物流和医疗设备公司）的60家工业公司的风险调查和审计报告的独特现实数据。最后，我们构建了一个神经网络，以预测行业运营过程的风险水平。我们在42个样本上训练了我们的模型，并在18个样本的测试集上达到了2分的0.9。我们的模型经过验证，并设法根据人类审核员的结果预测r = 0.95的风险准确性。
使用哨兵血清学数据在15年内重建加勒比海岛上西尼罗河病毒的无声循环
。cc-by-nc-nd 4.0国际许可证可永久提供。是作者/资助者，他已授予Medrxiv的许可证，以显示预印本（未经同行评审证明）的预印本版权持有人的此版本发布于2025年2月8日。 https://doi.org/10.1101/2025.02.07.25321837 doi：medrxiv Preprint
用于重建NGS的聚类模型之间的性能比较来自技术重复
为了提高单个DNA测序结果的性能，研究人员经常使用同一个人和各种统计聚类模型的重复来重建高性能呼叫仪。在这里，考虑了基因组Na12878的三个技术重复，并比较了五个模型类型（共识，潜在类，高斯混合物，kamila - 适应性的K-均值和随机森林），涉及四个性能指标：敏感性，精度，精度，准确性和F1评分。与不使用组合模型相比，i）共识模型提高了精度0.1％； ii）潜在类模型带来了1％的精度改善（97％ - 98％），而不会损害灵敏度（= 98.9％）； iii）高斯混合模型和随机森林提供了更高精确度（> 99％）但敏感性较低的呼叫； iv）卡米拉提高了精度（> 99％），并保持高灵敏度（98.8％）；它显示出最好的总体表现。根据精确和F1得分指标，比较了组合多个呼叫的非监督聚类模型能够改善测序性能与先前使用的监督模型。在比较模型中，高斯混合模型和卡米拉提供了不可忽略的精度和F1得分的改进。因此，可能建议将这些模型用于呼叫集重建（来自生物或技术重复），以进行诊断或精确医学目的。
从可能性操作形式重建量子理论
我们从操作的角度开发了量子现象的可能性语义形式。该语义系统基于准备过程和是/否测试之间的 Chu 对偶，目标空间是具有信息解释的三值集。为状态空间引入了一组基本公理。这组基本公理足以将状态空间约束为射影域。然后在该域结构中表征纯状态子集。在指定属性和测量的概念之后，我们探索了测量之间的兼容性和最小干扰测量的概念。我们通过要求存在一个区分是/否测试的方案来实现状态空间上域结构的表征，这是在状态空间上构建正交关系的必要条件。关于状态空间的最后一个要求将相应的射影域限制为正交补。然后在状态空间上定义正交关系并研究其性质。有了这种关系，纯态正交闭子集的正交集自然继承了希尔伯特格的结构。最后，系统的对称性被描述为 Chu 态射的一般子类。我们证明这些 Chu 对称性保留了最小扰动测量类和状态之间的正交关系。这些对称性自然导致在纯态正交闭子集上定义的希尔伯特格的正交态射。
在本土环境中追求全球化：亚洲历史教学、解构、研究和写作中的特殊沉默*
设计摘要：本文借鉴米歇尔·罗尔夫·特鲁约特的“沉默过去”思想，探讨三个历史事件及其对历史教学的影响。首先，它批评了威廉·邦迪对越南战争的冷战偏见，揭示了作者的政治议程及其对历史解释的影响。其次，它反思了对二战幸存者进行口述历史的复杂性，既考虑了个人经历，也考虑了潜在的国家议程。最后，它从本地视角审视英国帝国主义，突出了现代大都市的当今问题。这些事件说明了全球历史和本地历史在课堂上的相互联系，引发了关于叙事构建、反叙事和教学方法的问题。通过深入研究这些主题，本文旨在丰富亚洲历史的教学，特别是在新加坡的背景下。关键词：历史性、历史教学、史学、口述历史、中美和解、帝国主义、第二次世界大战、越南战争、新加坡