XiaoMi-AI文件搜索系统
World File Search Systemdropout
硅芯CX1084微电子5A低压差...
CX1084 系列可调和固定电压调节器旨在提供 5A 输出电流，输入输出差压低至 1V。器件的压差在最大输出电流时保证最大为 1.5V，在较低负载电流时降低。片上微调可将参考电压调整至 1%。电流限制也经过微调，最大限度地减少过载条件下调节器和电源电路的应力。CX1084 器件与较旧的三端调节器引脚兼容，采用 3 引线 TO-220、2 引线 TO-252 封装以及 3 和 2 引线 TO-263（塑料 DD）封装。
空间旋转：带有Spintronics实施的基于空间辍学的二进制贝叶斯神经网络
摘要 - 机器学习系统在实时，关键的决策领域（例如自动驾驶和工业自动化）中获得了突出性。他们的实现应通过不确定性估计来避免过度自信的预测。贝叶斯神经网络（Baynns）是估计预测不确定性的原则方法。但是，它们的计算成本和功耗阻碍了它们在Edge AI中的广泛部署。利用辍学作为后验分布的近似值，将贝恩的参数进行二进制，以及在基于Spintronics基于旋转的计算中（CIM）硬件阵列中实现它们的进一步，可以提供可行的解决方案。但是，设计用于卷积神经网络（CNN）拓扑的硬件辍学模块是具有挑战性且昂贵的，因为它们可能需要大量的辍学模块，并且需要使用空间信息来删除某些元素。在本文中，我们引入了MC-SpatialDropout，这是一种基于空间辍学的近似贝恩，带有Spintronics的新兴设备。我们的方法利用Spintronic设备的固有随机性与现有实现相比有效地实现了空间辍学模块。此外，每个网络层的辍学模块的数量减少了9倍，能量消耗量为94。11×，同时与相关工作相比仍能实现可比的预测性能和不确定性估计。
用树张量网络，CP等级约束和张量辍学的机器学习
摘要 - 在有镜的物理学的背景下开发的调整网络试图近似阶列量 - 自由度降低，而自由度降低，仅在n中仅是多项式的，并作为部分合成的较小张量的网络排列。正如我们最近在量子多体物理学的背景下所证明的那样，通过对此类网络中张量的规范多核（CP）等级对张力的构成施加约束，可以进一步降低计算成本[ARXIV：2205.15296]。在这里，我们演示了如何在机器学习中使用具有CP等级约束和张量液位的树张量网络（TTN）。该方法在时尚 - mnist图像分类中的表现优于其他基于张量的基于网络的方法。分支比b = 4的低级TTN分类器达到90.3％的测试集精度，计算成本低。主要由线性元素组成，张量网络分类器避免了深度神经网络的消失梯度问题。CP等级约束具有额外的优点：可以更自由地减少参数的数量，以控制过度拟合，改善概括属性并降低计算成本。他们允许我们使用具有较高分支比率的树木，从而大大提高了表示能力。
无偏 lncRNA 缺失 CRISPR-Cas9 筛选显示 RP11-350G8.5 是多发性骨髓瘤的新治疗靶点
Katia Grillone（意大利Catanzaro的Magna Graecia）Serena Ascrizzi（意大利卡塔萨罗大学的Magna Graecia）Paolo Cremaschi（计算生物学研究中心，意大利人类技术研究中心）意大利的人类technopole罗伯塔·罗卡（Roberta Rocca）（意大利卡塔扎罗大学的麦格纳·格雷西亚（Magna Graecia））Caterina riillo（意大利卡塔萨罗大学的Magna Graecia）Francesco Conforti（意大利Cosenza，Cosenza，Annunziata Hospital） Ele caracciolo（意大利卡坦扎罗大学的Magna Graecia大学）Stefano Alcaro（意大利卡塔萨罗的Magna Graecia” Bruno Pagano（那不勒斯大学）费德里科二世大学，意大利） Antonio Randazzo（那不勒斯费德里科二世大学，意大利） Pierosandro Tagliaferri（大希腊大学，意大利） Francesco Iorio（人类科技城，意大利） Pierfrancesco Tassone（大希腊大学，意大利）
埃塞俄比亚五岁以下儿童的麻疹疫苗接种液的空间分布和决定因素：2019年埃塞俄比亚人口统计和健康调查的空间和多层次分析
麻疹是一种严重的呼吸道病毒疾病，突然且具有高度传染性。它是由发烧，红斑棒皮疹，咳嗽，coryza或结膜炎的特征。皮疹外表前四天和四天，感染可能会传播。无污染的人群几乎完全会染上这种疾病[1，2]。免疫是给疫苗施用以对传染剂产生免疫力的过程，其主要目的是预防由感染引起的疾病[3，4]。疫苗对于众多传染病的预先和管理至关重要，从而确保世界卫生的安全。此外，它们被广泛认为是应对新发生的传染病所必需的，例如防止抗生素耐药性或控制传染病暴发的传播[5]。每年，可预防疫苗的疾病，例如白喉，破伤风，百日咳，流感和麻疹，损失了880万五岁以下儿童的生命。在非洲地区，麻疹仍然是疾病和死亡的重要原因。估计的麻疹病例数量从2017年的3,623,869增加到22％，增加到2021年的4,430,595，2019年的峰值为6,377,451例。相应地，估计的年麻疹死亡从2017年的61,166人增加到2021年的66,230，2019年的峰值为104,543人[6]。撒哈拉以南非洲和昆特拉尔和南亚占全球儿童死亡的约80％，这是由于无关紧要的疫苗接种覆盖范围[7-9]。在埃塞俄比亚，麻疹是特有的，每年都有病例。在2021年8月12日至2023年5月1日之间，有16,814例实验室确认的麻疹病例和182例死亡，病例死亡比率（CFR）为1.1％。确认的麻疹病例的年数已显着增加，从2021年的1,953人到2022年的9,291，截至5月1日，2023年的6,933个。在确认的麻疹病例中，只有36％的人接受了一种或更多剂量的含麻疹疫苗（MCV）。2021年的MCV1和MCV2覆盖率分别为54％和46％[10]。儿童免疫，可防止每年1-2万童年死亡 - 世界宽，是最成功的健康干预措施之一，可降低儿童感染性疾病的死亡率和发病率[11]。单独的麻疹疫苗可预防2000年至2018年之间的23米。每年有超过1.16亿婴儿，或出生的所有婴儿中有86％接受疫苗接种，达到历史最高水平[12，13]。尽管取得了全球成功，但在撒哈拉以南非洲等地区仍存在特定的挑战，那里有440万儿童在
用于多重 dropout 筛选的基准化、高效 prime 编辑平台 4
(E) 来自 StopPR 筛选的基因水平生长表型（计算为第 14 天每个基因绝对最强的两个 stop 287 epegRNA 的平均表型）由 CRISPRi 表型（如先前在 K562 细胞中确定）分组。54 个体 p 值分别为 288 1.13E-3（重度 vs. 中度）、4.00E-12（中度 vs. 轻度）和 < 2.62E-14（重度 vs. 轻度）来自 ANOVA 和 Tukey 事后分析（** 289 p < 0.01，*** p < 0.001）。标出了本分析中使用的全套 epegRNA 的中位数和四分位距 (IQR)。须线 290 延伸 1.5*IQR 超过上四分位数和下四分位数。虚线表示表型截止（Z < -2）。291
操纵 dropout 揭示了一个最佳
根据有效编码假设，当表示具有高维性并且不相关时，神经群体可以最佳地编码信息。然而，这样的编码可能会在泛化和鲁棒性方面有所代价。过去对啮齿动物早期视觉皮层（V1）的实证研究表明，这种权衡确实限制了感觉表征。然而，这些见解是否适用于人类视觉系统的整个层次结构，尤其是高级枕颞皮层（OTC）中的物体表征，仍不清楚。为了获得新的实证清晰度，我们在此开发了一组具有参数变化的 dropout 比例（p）的物体识别模型，这会诱导系统地改变内部响应的维数（同时控制所有其他归纳偏差）。我们发现，增加 dropout 会产生越来越平滑的低维表征空间。在 dropout 约为 70% 时观察到对损伤的最佳鲁棒性，之后准确率和鲁棒性都会下降。与自然场景数据集中枕颞皮质的大规模 7T fMRI 数据进行表征比较表明，这种最佳的 dropout 程度也与最大的突发神经预测性相关。最后，使用新技术对人类 fMRI 反应的特征谱进行去噪估计，我们比较了模型和大脑特征空间之间的特征谱衰减率。我们观察到模型和大脑表征之间的匹配与表征空间中效率和鲁棒性之间的共同平衡有关。这些结果表明，不同的 dropout 可能揭示分层视觉系统中高维编码效率和低维编码鲁棒性之间的最佳平衡点。
在人脑组织的逆粘弹性参数识别中使用基于 dropout 的主动学习和替代模型
逆向力学参数识别可以表征难以实现均匀变形状态的超软材料。但是，这通常需要很高的计算成本，而这主要取决于正向模型的复杂性。虽然有限元模型等模拟方法可以捕捉几乎任意的几何形状并实现相关的本构方程，但它们的计算成本也很高。机器学习模型（例如神经网络）在用作替代复杂高保真模型的替代模型时可以帮助缓解此问题。因此，在初始训练阶段之后，它们充当降阶模型，在此阶段它们学习高保真模型的输入和输出关系。由于需要进行模拟运行，因此生成所需的训练数据需要很高的计算成本。在这里，主动学习技术可以根据训练模型的估计获得准确度来选择“最有价值”的训练点。在这项工作中，我们提出了一个循环神经网络，它可以很好地近似粘弹性有限元模拟的输出，同时显著加快评估时间。此外，我们使用基于蒙特卡洛辍学的主动学习来识别信息量很大的训练数据。最后，我们通过识别人类脑组织的粘弹性材料参数来展示开发的管道的潜力。
干预前后探索认知功能及其与减肥、干预依从性和退出的关系
摘要 目的：在控制混杂人口统计学变量的情况下，评估基线认知功能、干预退出、依从性和 3 个月体重减轻 (WL) 之间的关联。方法：107 名 (Mage = 40.9 岁)，BMI 在超重和肥胖范围内 (BMI = 35.6 kg/m 2)，男性 (N = 17) 和女性 (N = 90) 完成了 3 个月的 WL 干预。参与者参加每周行为课程，遵守低热量饮食，并完成每周 100 分钟的体力活动 (PA)。基线的认知功能任务包括 Flanker (注意力)、Stroop (执行控制) 和工作记忆，基线时评估人口统计学、体重和心血管健康状况。每周记录课程出勤率、PA 依从性和饮食。结果：基线注意力与年龄 (p < .05)、教育 (p < .05)、出勤 (p < .05)、饮食 (p < .05) 和 PA (p < .05) 呈正相关。基线执行控制 (p < .05) 和工作记忆 (p < .05) 均与 % WL 相关。基线执行控制 (p < .01) 和工作记忆 (p < .001) 也与教育相关。方差分析表明，基线注意力 (p < .01) 与 WL 相关，特别是在比较那些实现 5 – 10% WL (p < .01) 和那些实现超过 10% WL (p < .01) 的人与那些放弃的人时。意义：结果表明，更强的基线注意力与完成 3 个月的工作时间干预有关。执行控制和工作记忆与实现的工作时间量相关。 NCT注册：美国NIH临床试验，NCT01664715
引用：Sisay Shewasinad Yehualashet，疫苗滴酸盐和相关因素的奇尔德伦（Childeren）年龄在埃塞俄比亚Shewa Robit的12-23个月，儿科
Sisay Shewasinad Yehualashet是埃塞俄比亚Debre Birhan大学政府大学儿科护理系的助理教授。 他是马达瓦拉布大学的研究生护士，也是Addis Abaaba University的儿童护理学硕士，并拥有9年以上的临床，学术和研究经验。 我已经接受了有关基本计算机技能，系统评价和荟萃分析，R-Software，SPSS，Sta-TA 14和Endnote的培训。 他的研究兴趣是关于孕产妇和儿童健康，生产健康，护理质量，青年和青少年健康的兴趣。 我在知名的国际和国家期刊上发表了超过21篇论文。 参与了不同的定性和Quantative研究。Sisay Shewasinad Yehualashet是埃塞俄比亚Debre Birhan大学政府大学儿科护理系的助理教授。他是马达瓦拉布大学的研究生护士，也是Addis Abaaba University的儿童护理学硕士，并拥有9年以上的临床，学术和研究经验。我已经接受了有关基本计算机技能，系统评价和荟萃分析，R-Software，SPSS，Sta-TA 14和Endnote的培训。他的研究兴趣是关于孕产妇和儿童健康，生产健康，护理质量，青年和青少年健康的兴趣。我在知名的国际和国家期刊上发表了超过21篇论文。参与了不同的定性和Quantative研究。参与了不同的定性和Quantative研究。