XiaoMi-AI文件搜索系统
World File Search Systemdataset
在挪威大都会的SVALBARD的数值天气预测数据集：arome-arome-Arctic预测实验hectometric Runs Carra Reanalysis
○Harmonie – Arome基于Aladin联盟内开发的模型（地图上的蓝色国家）○○与AROME-FRANCE相同的非静态动力学核心○更新到该模型的物理参数化，配置选择和脚本系统●Accord common and contoct and contoct and contoct of ifs-arpege frr frrige and ifs-arpege M Moutrf，
SFS-A68：公寓空间功能分割数据集
摘要。分析建筑模型的可用面积、建筑安全性或能源分析需要空间和相关对象的功能分类数据。自动化空间功能分类有助于减少输入模型准备工作量和错误。现有的空间功能分类器使用空间特征向量或空间连通性图作为输入。深度学习 (DL) 图像分割方法在空间功能分类中的应用尚未被研究。作为解决这一差距的第一步，我们提出了一个数据集 SFS-A68，它由 68 个公寓楼空间布局的数字 3D 模型生成的输入和地面真实图像组成。该数据集适用于开发用于空间功能分割的 DL 模型。我们使用该数据集训练和评估基于迁移学习和从头开始训练的实验空间功能分割网络。测试结果证实了 DL 图像分割对空间功能分类的适用性。
匿名QCA和网络分析（SNA）数据集
LuisBouzaGarcía（UAM），ÁlvaroOleart（Ulb），RocíoSánchezdel Vas（UC3M）和Juan Roch（UNED）1。WP 7的目的是分析民主公开辩论的规范概念如何与不同的政策替代方案和政治策略相关联，通过利用政治理论来概念化有关邮政真实性的法规和公共政策的辩论（与WP2合作）；分析公共政策努力定义在欧洲一级打击虚假信息的最佳方法，并分析欧盟通过的新兴法规（与WP4合作）2的交流专业人士和新闻实践的影响。本文介绍了WP将用来开发这些目标的分析和方法论设计。本文基于两个理由。第一个是通过促进其余学术界对研究团队决定的透明度和可重复性来满足开放科学的期望。第二个是促进学术界利益相关者社区对数据的使用。目的：解释采用欧盟法规，以应对对民主和欧盟融合的确定威胁
Tessera 利用可信数据集改写 DNA 业务
作为基因编写领域的先驱，Tessera Therapeutics 正在通过完善将短信息或长信息插入任何基因组的能力来改变人类治疗疾病的方式。Tessera 寻求一种解决方案，以确保超过 12 TB 的科学数据在由湿科学家和计算生物学家组成的大型跨职能团队中可查找、可访问、可互操作和可重复使用 (FAIR)。Tessera 利用 Quilt 和 Nextflow 的组合来加速其基因编辑发现的上市。
唯一数据集探讨了大脑如何存储和检索记忆
虽然科学家已经能够研究参与记忆形成和检索的大脑部分，但这些过程是如何由大脑的各个部分实施的。虽然科学家已经能够研究参与记忆形成和检索的大脑部分，但这些过程是如何由大脑的各个部分实施的。
Cy-Bench：一个用于子...
1 Wageningen University and Research，人工智能，邮政信箱16，Wageningen，6700 AA，荷兰。皮埃尔·维亚拉（Pierre Viala），蒙彼利埃（Montpellier），34000，法国17莱布尼兹农业景观研究中心，模拟和数据科学，埃伯斯瓦尔德·斯特劳斯（EberswalderStra笔环境研究，计算水系统系，珀索斯特拉赛15号，莱比锡，04318，德国20欧盟委员会联合研究中心，粮食安全部门，E.Fermi 2749，ISPRA，VA I-21027，意大利2 Technical University of Munich, Chair of Data Science in Earth Observation, Arcisstraße 21, Munich, 80333, Germany 3 Purdue University, Department of Agronomy, 915 Mitch Daniels Blvd, West Lafayette, IN 47907, United States 4 Ankara University, Faculty Of Agriculture Engineering, Dögol Caddesi 06100 Tando˘gan, Ankara, 6110，土耳其5马里兰大学，地理科学系，7251 Preinkert Drive，Collega Park，MD 20742，美国6 NASA戈达德太空研究所，GISS气候影响小组，邮件代码611，纽约，纽约10025，纽约，10025 Vrije Universiteit Amsterdam，环境研究研究所，DE BOELELAAN 1105，阿姆斯特丹，1081 HV，荷兰9 Potsdam气候影响研究所，气候弹性研究部，PO Box 60 12 03，Potsdam，Potsdam，4412，德国10，Manitoba University of Manitoba University of Manitoba，Winn winn winn winn 5V6, Canada 11 Universitat de València, Image Processing Laboratory, C/ Catedràtic Agustín Escardino Benlloch, 9, València, 46980, Spain 12 Seidor Consulting, C/Provençals 44, Barcelona, 08019, Spain 13 International Crops Research Institute for the Semi-Arid Tropics, West and Central Africa Region Hub, PO Box 320,巴马科，马里14国际热带农业研究所，自然资源管理，邮政信箱30677，内罗毕，00100，00100，肯尼亚15联邦科学与工业研究组织（CSIRO），农业和食品，147 Underwood Wood Wood，珀斯，澳大利亚6014，澳大利亚16号，澳大利亚16号国家研究所，国家研究所，国家研究所农业研究所，农业和环境。
西北欧洲节肢动物的生命历史和生态特征的深入数据集
节肢动物是一种非常富含物种的分类单元，可提供必不可少的生态系统服务，例如授粉或营养循环（Yang and Gratton 2014，Stork 2018，Cardoso等，Cardoso等人。2024）。尽管其重要性至关重要，但与脊椎动物相比，节肢动物在保护研究中仍然明显研究（Clark and 2002年5月，Cardoso等人，Cardoso等。2011，Di Marco等。 2017）。 这种监督尤其令人担忧，因为这些重要的生物目前正受到普遍的危机的威胁，称为“一千次死亡”（Wagner等人。 2021）。 问题源于全球威胁的结合，包括极端气候，污染，富营养化，入侵物种和城市化，这共同导致节肢动物的丰富性和物种丰富度大幅下降（Wagner 2020，Harvey等，Harvey等，Harvey等，2011，Di Marco等。2017）。这种监督尤其令人担忧，因为这些重要的生物目前正受到普遍的危机的威胁，称为“一千次死亡”（Wagner等人。2021）。问题源于全球威胁的结合，包括极端气候，污染，富营养化，入侵物种和城市化，这共同导致节肢动物的丰富性和物种丰富度大幅下降（Wagner 2020，Harvey等，Harvey等，Harvey等，预计随着全球变化的预计，这种情况将恶化，使节肢动物面临更大的风险（Hallmann等人2017，Seibold等。 2019，Soroye等。 2020）。2017，Seibold等。2019，Soroye等。2020）。
有史以来最大的DNA测序数据集提供了英国儿童发展研究
“ MRC的资金是我们在理解疾病驱动因素的整体投资的一部分，以实现预防和个性化治疗，并最大化现有的基础设施以确保实际价值。这项工作与MRC和ESRC的新的令人兴奋的国家资源完全吻合，英国人口研究，这一切都涉及协调和利用英国同伙。” Richard Evans博士说。
Cofactor Drammen数据集 - 来自挪威Drammen的45座公共建筑的4年每小时能源使用数据
为了限制能源消耗和高峰载荷，我们的社会电气化增加，需要更多有关建筑物中能源使用的信息。本文介绍了一个包含4年的数据集（2018年1月至2021年12月/3月2022）每小时测量位于挪威德拉姆的45座公共建筑物的能源和天气数据。建筑物是学校（16），幼儿园（20），疗养院（7）和办公室（2）。对于每个建筑物，数据集都包含有关建筑物的上下文数据，包括其底面积，建筑年，能源标签，有关其加热系统的信息和通风系统的信息，此外还包括能源使用和天气数据的时间序列数据。对于某些建筑物，能源测量仅包含小时进口电力的测量，而其他建筑物的时间序列数据则具有用于不同能源服务和技术的子计算机。研究人员，能源分析师，建筑所有者和政策制定者可以从数据集中受益。小时负载分解，能量负载的预测和灵活性，网格规划和建模活动。
3D臂目光：3D ARM的公共数据集到达虚拟现实中的注视信息
3D武器凝视是一个公共数据集，旨在从精确控制的，舒适的姿势到达宽的可触及空间中的物体时提供自然的手臂运动以及视觉和凝视信息。参与者参与了在虚拟环境中挑选和将物体放置在各种位置和方向上，从而使工作空间最大化了探索工作区，同时通过指导参与者通过躯干和肩部来确保参与者通过视觉反馈来确保一致的坐姿姿势。这些实验设置允许以高成功率（> 98％的物体）和最小的补偿性运动捕获自然手臂运动。数据集重组超过250万个样本，这些样本从20位健康参与者中记录，他们执行14,000个单次选拔运动（每位参与者700个）。最初旨在探索基于自然眼睛和手臂协调的新型假体控制策略，但该数据集也将对对核心感觉运动控制，人形机器人机器人，人类机器人相互作用以及在注视指导计算机视觉中相关解决方案的开发和测试的研究人员也很有用。