XiaoMi-AI文件搜索系统
World File Search Systemcue
使用机器学习进行道路事故严重性预测和最佳救援途径
道路交通事故仍然是城市规划师，运输当局和全球公共安全利益相关者的关键挑战。尽管道路基础设施和交通管理方面取得了进步，但事故的频率和严重性继续使紧急响应系统紧张并损害公共安全。事故热点特别令人担忧，因为它们经常由于道路设计不良，交通密度和不利天气条件等因素而表现出反复出现的事故模式。本文解决了通过数据驱动的方法来预测事故严重程度并确定易于识别事故的领域的挑战。使用一个超过770万个包含地理，环境和时间特征的事故记录的大型数据集，该论文开发了机器学习模型，以预测事故的严重性并检测高风险区域的空间群集。通过将历史事故数据与天气和道路状况等实时因素相结合，该论文旨在创建一个为主动干预措施提供信息并优化紧急响应策略的系统。
在高运动青年队列中进行数据救援，以实现稳健且可重复的大脑行为关系
图 1。描述运动排序和装袋程序的示意图。Shen 268 分割方案用于提取所有参与者的 fMRI 时间序列。执行清理时，如果其 rmsFD > 0.20 毫米，则在 fMRI 时间序列中识别出运动损坏的时间点 (T)。审查该时间点后，还会删除其前一个 (T – 1) 和两个后续 (T + 1, T + 2) 时间点。然后根据时间点的 rmsFD 值对其进行排序，并使用顶部 minTP 运动污染最少的时间点来计算功能连接（运动排序功能连接矩阵）。对于每个参与者，使用运动排序时间序列计算功能连接矩阵。使用清理后的时间序列执行装袋，方法是选择与预定义阈值（由 minTP 表示）匹配的受运动破坏最少的时间点（按其 rmsFD 值排序），并从 500 次迭代中的运动受限时间点中引导给定大小 TP 的样本（有替换地）并计算功能连接。对于每个参与者，平均装袋功能连接矩阵是通过对得到的 500 个功能连接矩阵（装袋功能连接矩阵）取平均值来计算的。
高羊茅的新内生菌菌株的基因组表征显示了杂交后基因组碎片
1 Institute of Plant Breeding, Genetics and Genomics, University of Georgia, Athens, GA 30602 2 Department of Plant Biology, University of Georgia, Athens, GA 30602 3 Genomics and Bioinformatics Research, USDA-ARS, Athens, GA 30605 4 Department of Crop and Soil Sciences, University of Georgia, Athens, GA 30602 ABSTRACT Interspecific hybridization in真菌在真菌进化和潜在商业应用中的作用引起了人们的关注。成功的杂交可以增强适应性并促进对新生态壁ches的适应。然而，真菌中杂交的基因组后果知之甚少。epichloë是一种真菌属，包括非杂交和杂化物种，通过寄生虫杂交和无性繁殖形成杂种。某些Epichloë杂种具有商业意义，因为它们将Lolium arundinaceum（Schreb。）殖民地殖民darbysh。，一种至关重要的草料和草皮草。在这项研究中，我们试图为两个先前未表征的Epichloë杂种菌株生成高质量的基因组组件，这两种菌株都类似于Epichloësp。fatg-3。我们旨在表征它们的基因组，并检查寄生间种间杂交对真菌基因组结构的影响。我们的结果表明，这两种菌株的基因组都富含富裕的块和重复元素。与推定的祖细胞基因组进行比较后，我们观察到明显的碎裂和重排。尽管存在基因组不稳定性，但仍保留了来自每个祖细胞物质的85％以上的基因同源物。这项研究表明，虽然寄生虫杂交显着改变了基因组结构，但并未显着影响基因含量。
类别间交通流量碳标签的影响以及存在社会规范提示对食品购买的影响
1 LPS, Aix-Marseille University, Aix-en-Provence, France 2 Psychic, Aix-Marseille University, Aix-en-Provence, France 3 University of Toulouse, Toulouse, France 4 University Grenoble Alpes, Inrae, CNRS, Grenoble INP, Gael, Grenoble, France Correspondence: Johann Suchier, LPS, Aix-Marseille University法国Aix-en-Provence。电子邮件：jsuchier@gmail.com资金信息：国家研究机构，授予/奖励号：ANR-2016-CE05- 0018
通过隧道纳米管从骨料诱导的神经元功能障碍和死亡中挽救神经元的神经元
汉娜·谢伊布里奇（Hannah Scheiblich），1，2，3弗雷德里克·艾肯斯（Frederik Eikens），1，2，2，2 lena wischhof，2，3 Sabine Opitz，4 Kay J€ungling，5 Csaba csere´ P，6 Susanne V. Schmidt，Susanne V. Schmidt，1 1 Jessica Lambertz，7 jessica Lambertz，7 tracy Bellande，8 Balande，8 Bala's poeck Zs poote Zs po g po g po g po g po g s po po g'po。 Jasper Spitzer，1 Alexandru Odainic，1，9 Sergio Castro-Gomez，10 Stephanie Schwartz，10 Ibrahim Boussaad，11 Rejko Kr Kr€Uger，11 Enrico Glaab，11 Donato A.di Monte，2 Daniele Bano，2 a·da´m de´nes，6 Eike Latz，2，12 Ronald Melki，8 Hans-Christian Pape，5和Michael T. Heneka 2，11，11，12，12，13，14， * 1德国科隆的麦克斯·普兰克 - 衰老生物学生物学4神经病理学研究所，波朗大学，波朗大学，德国波恩大学5个生理学研究所I研究所，Westf€Alische Wilhelms-University M€UNSTER M€UNSTER M€UNSTER，M€UNSTER，M€UNSTER，UNSTER，UNSTR Franc¸ ois Jacob, CEA and Laboratory of Neurodegenerative Diseases, Fontenay-aux-Roses, France 9 Department of Microbiology and Immunology, The Peter Doherty Institute for Infection & Immunity, University of Melbourne, Melbourne, VIC, Australia 10 Institute of Physiology II, University Hospital Bonn, Bonn, Germany 11 Luxembourg Centre for Systems Biomedicine, University of卢森堡，Belvaux，卢森堡12个先天免疫学院，大学医院波恩，波恩，德国波恩，13传染病和免疫学系，马萨诸塞大学，美国马萨诸塞州医学院，马萨诸塞州伍斯特大学，美国马萨诸塞州，美国马萨诸塞州14铅接触。 https://doi.org/10.1016/j.neuron.2024.06.029
使用无人机进行时间关键荒野搜索和救援的深度强化学习
荒野地区的传统搜索和救援方法可能很耗时，并且承保范围有限。无人机提供更快，更灵活的解决方案，但是优化其搜索路径对于有效操作至关重要。本文提出了一种新型算法，使用深厚的增强学习，以在荒野环境中为无人机创建有效的搜索路径。我们的方法利用概率分布图的形式利用了有关搜索区域和失踪人员的先验数据。这使策略可以学习最佳的飞行路径，以最大程度地提高找到失踪人员的可能性。实验结果表明，与传统的覆盖计划和搜索计划算法相比，我们的方法在搜索时间方面取得了重大改进，这一差异可能意味着在现实世界中的搜索操作中，与以前的工作不同，我们的方法在现实世界中的搜索操作中，我们的方法还包含了近距离的行动空间，从而使群落启用了更多的细微差别飞行模式。
视觉线索可能会影响脑电图深度学习模型
过去几年，深度学习 (DL) 在基于运动想象的脑机接口 (MI-BCI) 分类中的应用取得了显著增长，有望提高 EEG 分类准确率。然而，DL 的黑箱性质可能导致准确但有偏差和/或不相关的 DL 模型。在这里，我们研究在 DL 输入窗口中使用视觉提示 EEG（通常使用）对所学特征和最先进 DL 模型 DeepConvNet 的分类性能的影响。分类器在一个大型 MI-BCI 数据集上进行了测试，在视觉提示后有两个时间窗口：0-4 秒（有提示 EEG）和 0.5-4.5 秒（无提示 EEG）。从性能角度来看，第一个条件明显优于第二个条件（86.82% vs. 76.11%，p<0.001）。然而，显著性图分析表明，加入视觉提示 EEG 会导致提取提示相关诱发电位，这与没有视觉提示 EEG 训练的模型所使用的 MI 特征不同。
脂质纳米颗粒用于提供CRISPR/CAS9机械的脂质纳米颗粒，以实现CFTR和突变 - 不合骨疾病的特定地点整合
1加州大学洛杉矶分校生物工程系，加利福尼亚州洛杉矶，90095年，美国2，加利福尼亚州洛杉矶大学，加利福尼亚大学90095的加利福尼亚大学，洛杉矶分校的戴维·盖芬医学院儿科，加利福尼亚州洛杉矶大学，3美国3. 3. 3.美国3号，洛斯科群岛，加利福尼亚州。 United States 4 Cystic Fibrosis Foundation, Cystic Fibrosis Foundation Therapeutics Laboratory, Lexington, MA, 02421, United States 5 Department of Pediatrics, School of Medicine, University of California, San Diego, San Diego, California 92103, United States 6 Eli & Edythe Broad Center of Regenerative Medicine and Stem Cell Research, University of California, Los Angeles, Los Angeles, California 90095, United States 7加利福尼亚大学分子和医学药理学系，洛杉矶分子，加利福尼亚州洛杉矶90095，美国8加利福尼亚纳米系统研究所，加利福尼亚大学，洛杉矶分校，洛杉矶，洛杉矶，加利福尼亚州90095摘要
细胞周期依赖性提示调节果蝇中央脑神经干细胞的时间模式
在神经系统发育过程中，不同类型的神经元和神经胶质是由自我更新神经干细胞（NSC）依次产生的。NSC中基因表达的时间变化被认为调节神经di versity。但是，调节这些时间基因过渡的时机的机制仍然很少理解。果蝇II型NSC，例如人类外部radial胶质神经胶质，分裂为自我更新并产生中间神经祖细胞，扩大和多样化神经元的群体，该神经元的种群神经支配了中央复合体，这是一种脑部的大脑区域。II型NSC在暂时的十几个基因上表达，广泛地分类为早期和晚期基因。一个保守的基因，通过激活ecdysone受体（ECR）表达，七个UP介导了早期至晚期的压缩。然而，决定了ECR表达的时间，因此，尚不清楚基因转变。这项研究提出了细胞周期进程和细胞因子的固有机制是否需要诱导NSC早期脑结构过渡。通过加入释放NSC细胞周期或阻断细胞因子的突变克隆，我们表明这两个过程对于早期到偏移过渡都是必需的。当NSC是细胞周期或抑制了Cyto kinesis时，早期的基因IMP未能下调并持续到旧的NSC中，而晚期因素ECR和Syncrip未能表达出来。此外，我们表明，早期的七个因素不足以
美国救援计划法（ARPA）项目计划
•能力恢复和扩张授予•多样性，公平和包容性授予与倡议•紧急响应•造成俄勒冈州的影响•维护和更新提供者的房屋以及儿童的寄养家庭和成人寄养家庭•社区综合项目（CIP）房屋（CIP）家庭•稳定和案件筹集委员用于案例管理实体和提供商的HIPAA技术•全州培训和技术援助资源•增强和扩大对俄勒冈州干预系统（OIS）的访问•赔率/案件管理实体授予基础设施•个人支持工人（PSWS）电子访问验证验证设备完成的项目