XiaoMi-AI文件搜索系统
World File Search Systemdropout
神经网络中的辍学模拟了深脑刺激对记忆的矛盾影响
神经调节技术，例如深脑刺激（DBS）是对记忆有关的疾病的有前途的治疗方法，包括焦虑，成瘾和痴呆。但是，这种治疗的结果似乎有些自相矛盾，因为这些技术即使应用于同一大脑靶标也会破坏和增强记忆。在本文中，我们假设通过神经调节来解释记忆的破坏和增强可以通过ngram节点的辍学来解释。我们使用卷积神经网络（CNN）对手写数字和字母进行分类，并在不同阶段施加了辍学，以模拟DBS对ENGRAM的影响。我们表明，在训练期间应用的辍学提高了预测的准确性，而在测试期间应用的辍学大大降低了预测的准确性，这些预测的准确性分别模拟了记忆的增强和破坏。我们进一步表明，辍学的神经网络的转移学习提高了学习的准确性和速率。训练期间的辍学提供了一个更强大的“骨骼”网络，并与转移学习一起模仿了慢性DBS对记忆的影响。总体而言，我们证明了Engram节点的辍学是一种可能的机制，诸如DBS之类的神经调节技术既可以破坏和增强记忆力，从而为此悖论提供了独特的观点。
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。
适用于助听器应用且具有改进瞬态响应的面积高效低压差稳压器
摘要：本文介绍了一种低压差稳压器，其规格适用于助听器设备。所提出的 LDO 占用的芯片面积非常小，并提供出色的瞬态响应。LDO 架构中采用了一种新颖的电压尖峰抑制器模块，可降低负载突变期间输出电压的下冲和过冲。它引入了一个次级负反馈环路，其延迟小于主环路，并在需要时将静态电流引导至输出节点。这不仅提高了整体电流效率，而且还降低了片上电容。所提出的 LDO 采用 180 nm 标准 CMOS 技术进行布局，并进行了后布局模拟。当施加 1 V 的最小电源电压时，LDO 产生 0.9 V 输出。调节器可以驱动 0.5 mA 的最大负载。LDO 分别表现出 4.4 mV/V 和 800 μ V/mA 的线路和负载调节。当受到阶跃负载变化的影响时，记录到 20.34 mV 的下冲和 30.28 mV 的过冲。为了使 LDO 正常运行，只需要 4.5 pF 的片上电容。
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
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
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。
大脑血清素纤维提示异常扩散......
随机 dropout 已成为人工神经网络 (ANN) 中的标准正则化技术，但目前尚不清楚生物神经网络 (BioNN) 中是否存在类似的机制。如果存在，其结构很可能经过数亿年的进化而得到优化，这可能表明大规模 ANN 中存在新的 dropout 策略。我们认为大脑血清素纤维 (轴突) 满足一些预期标准，因为它们无处不在、结构随机，并且能够在个体的整个生命周期中生长。由于血清素纤维的轨迹可以建模为异常扩散过程的路径，因此在这项概念验证研究中，我们研究了一种基于超扩散分数布朗运动 (FBM) 的 dropout 算法。结果表明，血清素纤维可能在脑组织中实现类似 dropout 的机制，从而支持神经可塑性。他们还提出，血清素纤维的结构和动力学的数学理论有助于设计 ANN 中的 dropout 算法。
收到：2023年1月29日 /接受：2024年2月29日 /出版：2024年3月6日人类的不安全感和中学SCH中的学校辍学分析< / div < / div>
Received: 29 January 2023 / Accepted: 29 February 2024 / Published: 6 March 2024 Analysis of Human Insecurity and School Dropout among Secondary School Girls in Nigeria: A Spatio-Sectoral Approach Uguru W. Ibor J. Silas J. E. Ukoje A. E. Ubana Department of Geography, Federal University Lokoja, Nigeria Department of Political Science, University of Calabar, Nigeria DOI: https://doi.org/10.36941/mjss-2024-0013摘要据确定，人类安全与获得教育，食品和人类尊严相关。然而，在制定了国家战略以结束童婚和尼日利亚引入全民基础教育（UBE）计划的二十五年之后近8年，女童要么被拒绝接受教育或入学，但退出了学校。这项研究的目的是确定人类不安全感与尼日利亚的女童辍学的关系如何。这项研究利用了国家统计局和国家人口委员会的数据。数据涵盖了尼日利亚的36个州，包括2021年的联邦首都地区。ArcGIS软件用于评估女子儿童学校辍学的空间模式，而频率，表，简单百分比和普通的最小方技术用于p <0.05的分析。结果表明，下中学的女性入学率最高（20.3％），西北地区最低（16。4.％）。女童学校辍学最高的地缘政治区是西北（56.8％），东北（50.2％）和北中央（30.6％）。这些发现对设计学校保留策略有影响。与此同时，女性学校出勤率低的西北是女童学校辍学的最高。女孩的儿童学校辍学事件得到了重大解释，其中64％的童婚，家庭财富五分之一的差异，粮食不安全和安全感（R2 = 0.644425，p <0.05）。女童婚姻是影响尼日利亚女子学校辍学的重要因素（1.216； p <0.05）。上学的女孩比例与安全感觉之间存在较弱的正相关关系（0.047890； p> 0.4045）。该研究得出结论认为，女子儿童学校辍学率在尼日利亚州各不相同，与社会经济和文化因素密切相关。关键字：人类，不安全感，教育，女童，空间模式，辍学，尼日利亚
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。