XiaoMi-AI文件搜索系统
World File Search Systemding
内容 - 学生积极寻找全职职位...
多视图分析的合作学习D. Ding，B。Narasimhan，R。Tibshirani，国家科学院论文集（PNAS），2022年。机器学习引导的脂质纳米粒子设计用于mRNA Delivery D. Ding，Y。Zhang，Y。Jia，J。太阳。ICML计算生物学研讨会，2023年。使用图表来处理缺失的数据学习X. MA*，J。you*，D。ding*，M。Kochenderfer，J。Leskovec。神经，2020年。（*同等贡献）ngboost：概率预测的自然梯度提升T. Duan，A。Avati，D。Ding，S。Basu，A。Ng，A。Schuler。ICML，2020。通过电子健康记录数据D. Ding，C。Simpson，S。Pfohl，D。Kale，K。Jung，Jung，N。Shah，多任务学习在表型中的有效性。太平洋生物计算研讨会，2019年，聚光灯介绍。胸部X光片诊断的深度学习：Chexnext算法与执业放射学家P. Rajpurkar的回顾性比较，…，D。Ding，…，A。Ng。PLOS Medicine，2018年。由麻省理工学院技术评论和斯坦福新闻报道。学习总结放射学发现Y. Zhang，D。ding，T。Qian，C。Manning，C。Langlotz。关于健康文本挖掘和信息分析的国际研讨会，EMNLP，2018年，Spotlight演示文稿。经验
引用：Zhang B，Ding Y，Lan X。从1990年到2019年，全球区域和全国性的白内障负担。BMJOpen 202
抽象目标是为了估计由于高体重指数（BMI）而导致白内障的残疾人（YLDS）的长期趋势。设计和参与者数据是从2019年全球疾病负担（GBD）中检索的。由年龄，性别，地理位置和社会人口统计学指数（SDI）描述了可归因于高BMI的白内障的全球案例，YLD的年龄标准化率（ASR）。分析了估计的平均年百分比变化（AAPC），以量化1990年至2019年YLD的ASR趋势。主要结果度量的年龄有残疾。在全球范围内，由于白内障归因于2019年高的BMI，有370.4（95％UI：163.2至689.3）YLDS，超过1990年的数字。此外，YLD的ASR在1990 - 2019年期间增加，AAPC为1.54（95％CI：1.41至1.66）。在2019年，女性和老年人口中由于BMI高的白内障负担更高。北非和中东是2019年高BMI的白内障地区的高风险区域，沙特阿拉伯是负担最重的国家。在SDI方面，低中型SDI区域的白内障相关YLD数量最多，因此由于BMI高的BMI。结论较高的BMI引起的白内障全球YLD显示出从1990年到2019年的显着增加。解决BMI控制可能会导致预防白内障，这突出了潜在的公共卫生影响，尤其是在低SDI地点和老年人中。
Wenjun Liu*, Hemei Zheng, Kahwee Ang, Hao Zhang, Huan Liu, Jun Han, Weiguo Liu, Qingqing Sun*, Shijin Ding and David Wei Zhang* Temperature-stable bla
摘要：黑磷（BP）在电子和光电子应用方面表现出巨大的潜力，然而如何保持BP器件在整个温度范围内的稳定性能仍然是一个难题。本文展示了一种在原子层沉积AlN/SiO 2 /Si衬底上制备的新型BP场效应晶体管（FET）。电学测试结果表明，与传统SiO 2 /Si衬底上制备的BP FET相比，AlN衬底上的BP FET具有更优异的电学性能。在77至400 K的温度范围内，它表现出5 × 10 8 的大开关电流比、< 0.26 V/dec的低亚阈值摆幅和1071 cm 2 V −1 s −1的高归一化场效应载流子迁移率。然而，当温度升至400 K时，SiO 2 /Si衬底上的BP FET不再具有这些稳定的电学性能；相反，SiO 2 /Si 衬底上的 BP FET 的电性能却急剧下降。此外，为了从物理上了解 AlN 衬底上 BP FET 的稳定性能，进行了低频噪声分析，结果表明 AlN 薄膜
引用：Geng S，Chen X，Bai K，Ding J，Li H和Shi S（2023）ClínicaUniversidad de Navarra-Body肥胖估计器与2型
大约一半的T2DM患者直到被诊断出来才怀疑他们患有这种疾病[4]。因此，通过有效且可重复的诊断指标识别出早期T2DM风险的人并减少全球糖尿病流行非常重要[5]。在几个可修改的糖尿病风险因素中，肥胖被认为是主要危险因素[6，7]。在一般人群中，最广泛使用的措施来定义多余的体内脂肪（BF）是体重指数（BMI），腰围（WC）和腰围比（WHTR）。先前的研究表明，较高的BMI，WC和WHTR与2型糖尿病（T2DM）的风险增加有关[8，9]。但是，这些人体测量指标受到了批评，因为它们不考虑与肥胖相关的重要因素，尤其是年龄，性别和种族[10，11]。因此，提出了一种新的实用肥胖指数，即ClínicaDeNavarra-Body肥胖估计量（Cunbae），并被认为是人体脂肪估计的更准确的指标[12]。这种估计体内脂肪百分比的方法基于白人受试者的BMI，性别和年龄，与其他人体测量方法相比，通过空气位移体积跟踪测量的体内脂肪百分比的相关性最高[12]。以前的发现表明，与BMI或WC相比，Cun-Bae与T2DM和与脂肪相关的心血管危险因素更密切相关[13，14]。但是，以前的Cunbae评估研究仅限于白人人群，需要扩展到其他人群以确定其适用性。迄今为止，尚无研究探讨Cunbae在中国人口中的适用性。 因此，这项研究的目的是调查中国中年和老年人口中Cun-Bae与T2DM风险的关联，并比较Cun-Bae，BMI，WC和WHTR和T2DM之间关联的强度。迄今为止，尚无研究探讨Cunbae在中国人口中的适用性。因此，这项研究的目的是调查中国中年和老年人口中Cun-Bae与T2DM风险的关联，并比较Cun-Bae，BMI，WC和WHTR和T2DM之间关联的强度。
降低土地气候变化的前景和挑战，以支持中国去除二氧化碳的去除
中国LMT的高潜力表明，可以将中国转变为温室气体排放的净水槽的替代长期排放轨迹。但是，与大多数国家一样，在中国进行气候变化的重点是能源，工业，基础设施和运输而不是土地使用（Ding等，2023）。由于缺乏对土地利用排放的关注，包括由于饮食不断变化而导致的主要驱动因素，例如土地使用转换和农业生产，中国的农业排放量将进一步上升，并将成为未来温室气体的主要来源之一（Chen等人，2023年，2023; Ding等，20233）。在土地使用部门中，林业部门在过去几十年中因其排放缓解潜力而受到了更多关注，但是由于缺乏合适和可用的土地，无法无限的森林覆盖范围扩大（Ding等，2023）。
引用Zhang A，Xu Q，Jiang J，Zhao Z，Zhang L，Tao K，Cao G，Zhang J，Ding L，Ding L，Meng Z，Dong W和Wang C（2023），定性和定量确定
在2019年12月，在湖北省武汉市发现了许多病毒性肺炎病例。到2020年2月，全国范围内有20,000多例2019年冠状病毒疾病（Covid-19），有425例患者死亡。在这次暴发中，西方医学在不识别病原体的情况下进行有针对性的治疗很难，但是传统中药（TCM）可以通过综合征分化和治疗迅速确定原因（Zeng等，2020）。covid-19属于TCM中“流行病”类别，其病理变化首先出现在间质肺中（Yang and Fan，2021）。主要症状是发烧，干性咳嗽和疲劳。在严重的情况下，可能会发生肺合并（Miao等，2020; Xiong，2020; Zhan等，2020）。鉴于这些症状，应用了许多处方，例如金胡乌拉甘格颗粒，Shufeng Jiedu胶囊，Jingfang颗粒和Jinbei口服液体（JB。l），并在诊所显示出明显的治愈作用。在其中，JB。L在2020年2月在山东省（第二版）的新型冠状病毒肺炎的中药诊断和治疗计划中列出，我们随后的临床数据分析表明，JB的效果。L优于单一化学疗法组（Li等，2021）。JB。它具有补充气和滋养阴，驱除血液停滞和去除痰液的作用。因此，在本实验中，JB的化学组成。L is composed of Astragali radix , Codonopsis radix , Angelica sinensis , Glehniae radix , Scutellariae radix , Fritillariae cirrhosae bulbus , Chuanxiong rhizoma , Salvia miltiorrhiza radix , Pinelliae rhizoma praeparatum cumalumine , Lonicerae japonicae fl os , Forsythiae Fructus和Glycyrrhizae radix。尽管TCM处方具有一定的理论和临床应用基础，但复合TCM处方的材料基础很复杂，而动作机制是多种多样的，这给TCM的有效性带来了基本材料研究。近年来，连字符技术是对复杂矩阵中未知化合物的快速定性分析的强大工具，尤其是超出性液态色谱，以及四极杆的时间串联串联质量光谱法（UPLC-Q-Q-TOF-MS），这是有益于其高分辨率和敏感性的。这些方法已被证明是对TCM制剂快速分析的有效和高度敏感的工具（Gao等，2014; Zhang等，2017a; li等，2018; Wang等，2018; Sun等，2021）。此外，UPLC与三极四极质量光谱法（UPLC-QQQ-MS/MS）可以很好地应用于通过多个反应监测（MRM）模式对TCM多个化学成分的定量分析，这在TCM的现代化中具有很大的意义（Wu et and an e et al。 ）。研究TCM效率的材料基础是解决TCM有效作用原理的先决条件，而确定TCM的有效组成部分是主要任务。l通过UPLC-Q-TOF-MS/MS定性确定，并且主要功能组件通过UPLC-MS/MS定量分析。这是关于JB化学成分的系统分析的第一个报告。l，为质量控制和对其药效学的深入研究提供了基础。
OUH ENG LIEH电子邮件：elouh@smu.edu.sg 80 Stamford Road ... Ma Yunshan-计算与信息系统学院 Robert Deng 研究声明
期刊文章[审判]攻击+：使用大语言模型来增强攻击知识图构造。Yongheng Zhang，Tingwen du，Yunshan MA，Xiang Wang，Yi Xie，Guozheng Yang，Yuliang Lu，Ee-Chien Chang。 计算机与安全，2024年。 Multicbr：捆绑建议的多视图对比度学习。 yunshan ma ∗，yingzhi he ∗，yinwei wei，xiaoyu du，yuyangzi fu，tat-seng chua。 信息系统上的ACM交易2024。 增强项目级捆绑包表示，用于捆绑建议。 Xiaoyu du，Kun Qian，Yunshan MA†，Xinguang Xiang。 推荐系统上的ACM交易2023。 规则引导的反事实可以解释的建议。 yinwei Wei，Xiaoyang QU，Xiang Wang，Yunshan MA，Liqiang Nie，Tat-Seng Chua。 知识和数据工程的IEEE交易2023。 通过用户协调偏好学习的个性化时尚服装生成。 Yujuan ding，P.Y。 Mok，Yunshan MA，Yi bin。 信息处理和管理2023。 因果偏好转移的因果分解建议。 Wenjie Wang，Xinyu Lin，Fuli Feng，Yunshan MA，Tat-Seng Chua。 信息系统上的ACM交易2023。 为顺序时尚建议建模即时用户意图和内容级过渡。 Yujuan ding，Yunshan MA，Wai Keung Wong，Tat-Seng Chua。 Multimedia 2021的IEEE交易。 利用多元关系来基于社交媒体进行时尚趋势预测。 Yujuan ding ∗，Yunshan ma ∗，Lizi Liao，Wai Keung Wong，Tat-Seng Chua。Yongheng Zhang，Tingwen du，Yunshan MA，Xiang Wang，Yi Xie，Guozheng Yang，Yuliang Lu，Ee-Chien Chang。计算机与安全，2024年。Multicbr：捆绑建议的多视图对比度学习。yunshan ma ∗，yingzhi he ∗，yinwei wei，xiaoyu du，yuyangzi fu，tat-seng chua。信息系统上的ACM交易2024。增强项目级捆绑包表示，用于捆绑建议。Xiaoyu du，Kun Qian，Yunshan MA†，Xinguang Xiang。推荐系统上的ACM交易2023。规则引导的反事实可以解释的建议。yinwei Wei，Xiaoyang QU，Xiang Wang，Yunshan MA，Liqiang Nie，Tat-Seng Chua。知识和数据工程的IEEE交易2023。通过用户协调偏好学习的个性化时尚服装生成。Yujuan ding，P.Y。 Mok，Yunshan MA，Yi bin。 信息处理和管理2023。 因果偏好转移的因果分解建议。 Wenjie Wang，Xinyu Lin，Fuli Feng，Yunshan MA，Tat-Seng Chua。 信息系统上的ACM交易2023。 为顺序时尚建议建模即时用户意图和内容级过渡。 Yujuan ding，Yunshan MA，Wai Keung Wong，Tat-Seng Chua。 Multimedia 2021的IEEE交易。 利用多元关系来基于社交媒体进行时尚趋势预测。 Yujuan ding ∗，Yunshan ma ∗，Lizi Liao，Wai Keung Wong，Tat-Seng Chua。Yujuan ding，P.Y。Mok，Yunshan MA，Yi bin。 信息处理和管理2023。 因果偏好转移的因果分解建议。 Wenjie Wang，Xinyu Lin，Fuli Feng，Yunshan MA，Tat-Seng Chua。 信息系统上的ACM交易2023。 为顺序时尚建议建模即时用户意图和内容级过渡。 Yujuan ding，Yunshan MA，Wai Keung Wong，Tat-Seng Chua。 Multimedia 2021的IEEE交易。 利用多元关系来基于社交媒体进行时尚趋势预测。 Yujuan ding ∗，Yunshan ma ∗，Lizi Liao，Wai Keung Wong，Tat-Seng Chua。Mok，Yunshan MA，Yi bin。信息处理和管理2023。因果偏好转移的因果分解建议。Wenjie Wang，Xinyu Lin，Fuli Feng，Yunshan MA，Tat-Seng Chua。信息系统上的ACM交易2023。为顺序时尚建议建模即时用户意图和内容级过渡。Yujuan ding，Yunshan MA，Wai Keung Wong，Tat-Seng Chua。Multimedia 2021的IEEE交易。利用多元关系来基于社交媒体进行时尚趋势预测。Yujuan ding ∗，Yunshan ma ∗，Lizi Liao，Wai Keung Wong，Tat-Seng Chua。Multimedia 2021的IEEE交易。多域中的主题引导的关系对话推荐人。Lizi Liao，Ryuichi Takanobu，Yunshan MA，Xun Yang，Minlie Huang，Tat-Seng Chua。IEEE知识和数据工程的交易2020。
电子支持信息的综合信息...
Hao Zhou a , Bing Zhao a , Cheng Fu b , Ziqi Wu a , Chonggang Wang a , Yun Ding a , Bao-Hang
