XiaoMi-AI文件搜索系统
World File Search Systemdataset
fishglob_data：通过科学底部拖网调查取样的鱼类生物多样性的集成数据集
科学的底部拖网调查是沿着大陆货架和海洋和海洋的斜坡进行的生态观察计划，这些计划采样了与海底相关的海洋社区。这些调查报告了时空的发生，丰度和/或体重的发生，并有助于渔业管理以及人口和生物多样性研究。底部拖网调查是在世界各地进行的，代表了了解海洋生物地理，宏观生态学和全球变化的独特机会。但是，将这些数据结合在一起以进行跨生态系统分析仍然具有挑战性。在这里，我们提供了一个综合数据集，该数据集由29个公开可获得的底段调查，在18个国家/地区的国家水域进行了标准化和预处理，总共涵盖了2,170个采样的鱼类分类单元，并从1963年至2021年收集了216,548次拖船。我们描述了创建数据集，标志和标准化方法的处理步骤，我们开发了这些方法，以帮助用户使用稳定的区域调查足迹进行时空分析。该数据集的目的是在全球变化的背景下支持研究，海洋保护和管理。
一种基于应用于EHR数据集的临床条件生成对抗网络的新型缺失数据插补方法
-467 Microalbuminuria mg/l -347 Glicosuria G/l -317 Fasting glycaemia mg/dl -312 Gamma-glutamyl transferase UI/l -300 Alkaline phosphatase UI/l -294 Fibrinogen (serum) mg/dl -233 Hemoglobin g/dl -231 Glycated hemoglobin % -204 Creatinine mg/dl -202 Creatine phosphokinase (serum) UI/l -185 LDL cholesterol mg/dl -184 HDL cholesterol mg/dl -183 Cholesterol (total) mg/dl -173 Weist cm -118 Serum glutamic-oxaloacetic transaminase UI/l -61淀粉酶UI/L -45白蛋白排泄速率mcg/min -43丙氨酸氨基转移酶测试UI/L -21尿酸mg/dl -3性别无-2性别无-2年龄-1糖尿病年-1糖尿病持续时间
Galar - 大型多标签视频胶囊内窥镜数据集
1 Else Kr ¨ oner Fresenius 数字健康中心，德累斯顿工业大学 (TU Dresden)，德累斯顿，德国 8 2 德累斯顿工业大学 (TU Dresden) 德累斯顿大学医院第一医学系，德累斯顿，9 德国 10 3 德累斯顿工业大学 (TU Dresden) 计算机科学研究所，德累斯顿，德国 11 4 德累斯顿 Diakonissen Krankenhaus，胃肠病学，德累斯顿，德国 12 5 乌尔姆大学和乌尔姆大学医学中心人类遗传学研究所，乌尔姆，德国 13 6 海德堡大学医院国家肿瘤疾病中心 (NCT) 肿瘤内科，海德堡，14 德国 15 7 维尔茨堡 16 大学医院内科 II 介入和实验内镜检查 (InExEn)，维尔茨堡，德国17 8 德国迪波尔迪斯瓦尔德胃肠内科医学办公室 18 † Maxime Le Floch、Fabian Wolf 和 Lucian McIntyre 对本文贡献相同 19 † Nora Herzog 和 Franz Brinkmann 对本文贡献相同 20 * 通讯作者：Maxime LeFloch (Maxime.LeFloch@ukdd.de) 21
对每个单个蜂窝网络数据集的复杂性生成
随着移动设备成为人类存在和活动的代理，移动运营商收集的数据集（即呼叫详细记录（CDRS））被公认为是研究人类行为的常见工具，在多种研究中和行业中，社会学[1]，例如，流行病学[2]，运输[3]，交通[3]，[4]（CF>）图1a）。CDR描述了与操作员网络交互的每个移动设备生成的时期和地理参考事件类型（例如，呼叫，SMS，数据）（参见表I）。 它们包括城市，地区或乡村地区，通常涵盖长期（月或数年）；当今，没有其他技术提供同等的人均精确范围。 然而，现实世界中CDR对研究的剥削面临许多局限性（参见 §ii）。 首先，可访问性：CDRS数据集未公开可用，施加了严格的移动运营商协议。 第二，可用性：CDR通常以汇总形式（即分组的迁移率流和粗时空信息）提供，限制了相关分析的精确性。 第三，隐私：即使是匿名化的CDR，CDRS描述了用户习惯的敏感信息，这使他们的共享性硬化[5]。 第四，灵活性：限制访问CDRS的限制了高级研究，需要在人口规模，持续时间或地理覆盖范围内进行数据丰富。 本文介绍了实施CDR的自动生成，以解决上述挑战。表I）。它们包括城市，地区或乡村地区，通常涵盖长期（月或数年）；当今，没有其他技术提供同等的人均精确范围。然而，现实世界中CDR对研究的剥削面临许多局限性（参见§ii）。首先，可访问性：CDRS数据集未公开可用，施加了严格的移动运营商协议。第二，可用性：CDR通常以汇总形式（即分组的迁移率流和粗时空信息）提供，限制了相关分析的精确性。第三，隐私：即使是匿名化的CDR，CDRS描述了用户习惯的敏感信息，这使他们的共享性硬化[5]。第四，灵活性：限制访问CDRS的限制了高级研究，需要在人口规模，持续时间或地理覆盖范围内进行数据丰富。本文介绍了实施CDR的自动生成，以解决上述挑战。尤其是（1）我们通过建立这种生成的痕迹的范围并描述它如何为研究进展提供新的途径，详细介绍了这种解决方案的动机，（2）我们通过提出相关要求和挑战来分享对现实CDR生成的可行性研究。
来自植物标本室的含水量的数据集（TO）
由于地衣对几种环境参数（例如气候因素和空中化学物质）敏感，因此可以将它们作为气候变化和土地利用以及空气污染和其他人类影响的生物鉴定者（Giordani和Brunialti 2015，2015年，Giordani 2019）。历史记录是确定地衣多样性趋势以及解释潜在驱动因素的强制性参考（Nelsen和Lumbsch 2020）。植物标志收集被认为是关于地衣分布的时空数据的基本档案，以及进行操纵和分析研究的物质来源，支持了从当地到全球环境变化的研究（例如Farkas等。 （2022），Wu等。 （2023））。 因此，越来越多地通过多个门户提倡对标本室数据的可访问性。 就意大利而言，由于几种现代意大利地衣植物植物的数据汇总到意大利的意大利信息系统（Martellos等人）（Martellos等），产生了显着的进步 2023）。 该系统目前从13种草药中汇总了88,000多个记录，其中包括herbarium Universitatis tergestinae的数据集（TSB，Conti等人。 2023）和卡拉布里亚大学植物园的植物园（Clu，Conti等人 2024）已经在GBIF中发布。Farkas等。（2022），Wu等。（2023））。因此，越来越多地通过多个门户提倡对标本室数据的可访问性。就意大利而言，由于几种现代意大利地衣植物植物的数据汇总到意大利的意大利信息系统（Martellos等人）（Martellos等2023）。该系统目前从13种草药中汇总了88,000多个记录，其中包括herbarium Universitatis tergestinae的数据集（TSB，Conti等人。2023）和卡拉布里亚大学植物园的植物园（Clu，Conti等人2024）已经在GBIF中发布。
跨维：一种合并不同维度 BCI 数据集的方法
摘要 — 目标：我们提出一种迁移学习方法，用于具有不同维度、来自不同实验设置但代表相同物理现象的数据集。我们重点研究数据点是对称正定 (SPD) 矩阵的情况，该矩阵描述基于 EEG 的脑机接口 (BCI) 的统计行为。方法：我们的方案使用两步程序来转换数据点，使它们在维度和统计分布方面匹配。在维度匹配步骤中，我们使用等距变换将每个数据集映射到公共空间中，而不改变它们的几何结构。统计匹配是使用域自适应技术完成的，该技术适用于定义数据集的空间的固有几何形状。结果：我们在从具有不同实验设置（例如，不同数量的电极、不同的电极位置）的 BCI 系统获得的时间序列上说明了我们的建议。结果表明，所提出的方法可用于在原则上不兼容的 BCI 记录之间传输判别信息。结论和意义：这些发现为新一代 BCI 系统铺平了道路，尽管电极定位不同，该系统仍能够重复使用信息并从多种数据源中学习。
确定与吉普斯兰宣言区域相关的优先数据集及其在决策中的使用途径
NESP 海洋和沿海中心提醒，本出版物包含基于科学研究的一般性陈述。读者应注意并需要意识到此类信息可能不完整或无法用于任何特定情况。因此，在未事先寻求专家的专业、科学和技术建议的情况下，不得依赖或采取行动。在法律允许的范围内，NESP 海洋和沿海中心（包括其主办组织、员工、合作伙伴和顾问）对任何人因使用本出版物（部分或全部）及其所含信息或材料而直接或间接产生的任何后果不承担任何责任，包括但不限于所有损失、损害、成本、费用和任何其他赔偿。
链接的基因组学测序和质谱学多模式数据集以及用于微生物应变库中的简化天然产物的模型
预印本（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此版本的版权持有人于2025年1月21日发布。 https://doi.org/10.1101/2025.01.20.633932 doi：biorxiv Preprint
自监督深度学习模型是人类高级视觉皮层的更好模型：多模态和数据集训练大小的作用
。CC-BY-NC-ND 4.0 国际许可证永久有效。它以预印本形式提供（未经同行评审认证），作者/资助者已授予 bioRxiv 许可，可以在该版本中显示预印本。版权所有者于 2025 年 1 月 13 日发布了此版本。；https://doi.org/10.1101/2025.01.09.632216 doi：bioRxiv 预印本
NortheastChinasoyBeanyield2000M：2019年至2023年，中国东北部20 m的年度大豆收益数据集
1 Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China 2 University of Chinese Academy of Sciences, Beijing 100190, China 3 Ottawa Research and Development Centre, Agriculture and Agri-Food Canada, 960 Carling Ave, Ottawa, ON K1A 0C6, Canada 4 School of Science, China University of Geosciences (Beijing), Beijing 100083，中国10