XiaoMi-AI文件搜索系统
World File Search Systemerentiating
第9届软件供应链的状态
第1章开源供应，需求和安全................................................................................................................................................................................................................................................................................................................................................................................................................................................................. 8个单个生态系统分析............................................... 8个单个生态系统分析....................... Differentiating software vulnerabilities and malware......................................12 Consumption behavior contributing to security concerns...........................12 A global view of vulnerable open source downloads ...........................................16
社论：小儿前庭疾病 - 一种重点的诊断方法，用于最佳管理结果
Wood等。 描述了垂直癫痫的罕见实体。 作者强调，与儿童前庭偏头痛和儿童复发性眩晕等儿童中其他更常见的前庭状况的关键区别可能是微妙的或很难引起的年轻患者。 可能的儿童可能会出现眩晕，持续时间为几秒钟到几分钟，通常会出现头痛，恶心，呕吐，苍白，凝视和/或意识的丧失。 凝视咒语被发现有助于与前庭偏头痛和其他情节性眩晕原因的前庭癫痫有帮助，听觉幻觉和癫痫发作的家族史也是如此。 脑电图是诊断此情况的关键组成部分，以及其他指示的测试。 抗塞氏菌药物通常是有效的。Wood等。描述了垂直癫痫的罕见实体。作者强调，与儿童前庭偏头痛和儿童复发性眩晕等儿童中其他更常见的前庭状况的关键区别可能是微妙的或很难引起的年轻患者。可能的儿童可能会出现眩晕，持续时间为几秒钟到几分钟，通常会出现头痛，恶心，呕吐，苍白，凝视和/或意识的丧失。凝视咒语被发现有助于与前庭偏头痛和其他情节性眩晕原因的前庭癫痫有帮助，听觉幻觉和癫痫发作的家族史也是如此。脑电图是诊断此情况的关键组成部分，以及其他指示的测试。抗塞氏菌药物通常是有效的。
康普顿边缘表征的微分方法......
众所周知，有机闪烁探测器的响应函数不会出现光峰。相反，它们的主要特征是连续体，通常称为康普顿边缘，它天生就暴露了检测系统的分辨率特性。虽然准确表征康普顿边缘对于校准目的至关重要，但它也负责阐述探测器的能量分辨率。本文介绍了一种准确表征有机闪烁探测器康普顿边缘的简单方法。该方法基于这样一个事实：微分响应函数可以准确估计构成函数。除了康普顿边缘的位置之外，微分方法还可以深入了解折叠高斯函数的参数，从而可以描述能量分辨率。此外，据观察，响应函数测量中的不相关噪声不会对评估造成重大不确定性，因此即使在低质量测量中也可以保留其功能。通过模拟束缚电子并考虑多普勒效应，我们能够首次展示有机塑料闪烁体固有多普勒分辨率的估计。尽管如此，这种可能性是受益于所提出的康普顿连续体分析方法的直接结果。
建筑设计过程中基于数字物理模型的原型设计方法
摘要：本研究提出了一种基于原型设计的设计方法。该设计方法旨在增强测试的功能，使其与传统建筑设计项目中进行的原型设计区分开来。本研究的目的是探索参考案例，使设计师能够最大限度地利用目前在建筑设计中使用的数字模型和物理模型。此外，还探讨了数字模型和物理模型的互补作用和影响。智能建筑围护结构（SBE）是建筑设计中具有挑战性的课题之一，需要创新的设计流程，包括测试和风险管理。考虑到该主题的基于概念原型的模型应用于设计工作室（大学教育环境）。设计 SBE 并不难构思，但使用传统设计方法“实施”却是不可能的。实施 SBE 需要利用尖端技术和智能材料，在建筑设计阶段加强创意的有效性并提高其责任感。设计方法使设计师（以学生为代表）能够使用数字模型（参数化设计、模拟、BIM）和物理模型来应用材料和制造方法，而不是代表被认为是简单科幻的虚荣形象。
可持续的灾害风险数字转型...
摘要：本文探讨了数字转型与灾难风险之间的关系。脆弱性研究旨在通过使用人类人口，社会和个人特征的细粒度信息来影响影响和损失。随着持续的数字开发，这些特征将改变并导致新的特征，需要识别和集成。数字化转型将产生新的社会群体，部分是人类，半人类或非人类，其中一些已经存在，并且可以通过从脑可穿戴设备，机器人技术和软件工程领域的最新发展中推断出来来预测的。尽管参与了数字化转型的过程，但许多研究人员和从业人员降低了灾害风险或气候变化的适应性，尚未意识到灾难和脆弱性评估的影响。新兴漏洞是由于严重的紧急或危机对数字服务和工具的依赖越来越大。本文描述了确定新型半人类群体及其对灾害风险的脆弱性时对未来理论框架的不同含义。的发现包括在社会脆弱性，新指标，人类的类型以及与数字扩展的相互关系以及对这些群体及其与关键基础设施的依赖关系的两种不同观点的相互关系的共同指标中的假定变化。
通过 3D 相干 X 射线衍射成像可视化非经典结晶导致的方解石内部纳米结晶性
研究了使用两种方法合成的方解石样品的内部结晶度：溶液沉淀法和碳酸铵扩散法。扫描电子显微镜 (SEM) 分析表明，使用这两种方法沉淀的方解石产品具有明确的菱面体形状，与矿物的自形晶体习性一致。使用布拉格相干衍射成像 (BCDI) 表征这些方解石晶体的内部结构，以确定 3D 电子密度和原子位移场。使用碳酸铵扩散法合成的晶体的 BCDI 重建具有预期的自形形状，具有内部应变场和少量内部缺陷。相反，通过溶液沉淀合成的晶体具有非常复杂的外部形状和有缺陷的内部结构，呈现出零电子密度区域和明显的位移场分布。这些异质性被解释为由非经典结晶机制产生的多个结晶域，其中较小的纳米颗粒聚结成最终的自形颗粒。SEM、X 射线衍射 (XRD) 和 BCDI 的结合使用允许在结构上区分用不同方法生长的方解石晶体，为了解晶粒边界和内部缺陷如何改变方解石反应性提供了新的机会。
小分子诱导胰腺β样细胞发育
摘要：糖尿病是一种代谢性疾病，不仅影响葡萄糖代谢，还影响脂质和蛋白质代谢。它包括两种主要类型：1 型糖尿病和 2 型糖尿病。尽管 1 型和 2 型糖尿病（分别为 T1DM 和 T2DM）的病因不同，但这两种类型的定义特征分别是胰岛素缺乏和抵抗。干细胞疗法是治疗糖尿病的有效方法，可以通过分化胰腺 β 样细胞来实现。持续生成葡萄糖反应性胰岛素释放细胞仍然具有挑战性。在这篇综述文章中，我们介绍了胰腺器官发生的基本概念，这间歇性地为设计分化程序提供了基础，主要基于小分子的使用。小分子比任何其他生长因子都更有利，因为它们具有独特、有价值的特性，如细胞通透性以及非免疫原性；此外，它们在生成高效功能性β样细胞方面具有巨大优势。我们还总结了干细胞衍生的胰腺细胞谱系（尤其是内分泌β样细胞或胰岛类器官）的生成进展。干细胞的成功诱导取决于可用干细胞的数量和质量以及小分子的有效使用。
柔性修饰的植物病毒纳米颗粒的结合可以增强效应，从而改善骨化
植物病毒纳米颗粒（VNP）经过基因工程为呈现成骨的提示提供了一种有前途的方法，用于在骨组织工程中生物功能化水凝胶。柔性马铃薯病毒X（PVX）纳米颗粒通过呈现RGD基序，羟基磷灰石结合肽（HABP），OREDECTERTY PORIDGLUTAMATES（ORSECTAINS POLITGLUTAMATES（E8）依赖性依赖性依赖性依赖性依赖性的方式），从而大大增强了人间充质干细胞（HMSC）的附着和区分。因此，假设烟草病毒纳米颗粒的功能性肽是PVX的1.6倍，将产生这种影响。这项研究假设在涂有两个VNP的含有两个VNP的肽的表面上培养HMSC，用于细胞附着或矿化，可以进一步增强对骨生成的影响。通过不同的HMSC沉积的钙矿物质增加了两到三倍，而在PVX-RGD/PVX-HABP涂层上生长的HMSC的碱性磷酸酶活性显着超过任何其他VNP组合。通过使用具有不同功能的VNP的组合，在第一次观察到了上添加效应。发现，富裕的VNP几何形状比功能性肽的浓度更为关键。总而言之，各种呈肽的植物VNP表现出增强的增强作用，其显着潜力可有效地在骨组织工程中官能化富含细胞的水凝胶。
通过可解释的深度学习评估脑损伤的人类声音生物标志物
脑损伤或中风导致的脑损伤可能会演变为未确诊患者的言语功能障碍。使用基于 ML 的工具分析人类语音的韵律或发音语音可能有利于早期筛查未被发现的脑损伤。此外，解释模型的决策过程可以支持预测并采取适当措施来改善患者的语音质量。然而，依赖于低级描述符 (LLD) 的传统 ML 方法可能会牺牲详细的时间动态和其他语音特征。解释这些描述符也很有挑战性，需要付出巨大努力来理解特征关系和合适的范围。为了解决这些限制，本研究论文介绍了 xDMFCC，这是一种从单个语音话语中识别解释性判别声学生物标记的方法，可为语音应用中的深度学习模型提供局部和全局解释。为了验证这种方法，我们实施了该方法来解释在梅尔频率倒谱系数 (MFCC) 上训练的卷积神经网络 (CNN)，以进行二元分类任务，以区分患者和对照组的发声。ConvNet 取得了令人满意的结果，f 分数为 75%（75% 的召回率、76% 的精确度），堪比传统机器学习基线。xDMFCCs 的与众不同之处在于它通过保留完整语音信号的 2D 时频表示进行解释。这种表示为区分患者和健康对照组提供了更透明的解释，提高了可解释性。这一进步使得对脑损伤的语音声学特征进行更详细、更令人信服的研究成为可能。此外，这些发现对于开发低成本、快速的未察觉脑损伤诊断方法具有重要意义。
iLQR-VAE：基于控制的输入驱动动态学习及其在神经数据中的应用
了解神经动力学如何引起行为是系统神经科学中最基本的问题之一。为了实现这一点，一种常见的方法是记录行为动物的神经群体，并将这些数据建模为来自潜在动力系统，该系统的状态轨迹随后可以通过某种形式的解码与行为观察相关联。由于记录通常在仅构成更广泛牵连网络的一部分的局部电路中进行，因此同时学习局部动态并推断可能驱动它们的任何未观察到的外部输入非常重要。在这里，我们介绍了 iLQR-VAE，这是一种基于控制的新型非线性动态系统变分推理方法，能够学习潜在动态、初始条件和持续的外部输入。与最近的深度学习方法一样，我们的方法基于输入驱动的顺序变分自动编码器 (VAE)。主要的新颖之处在于在识别模型中使用强大的迭代线性二次调节器算法 (iLQR)。标准证据下限的优化需要通过 iLQR 解决方案进行区分，这得益于可区分控制方面的最新进展。重要的是，通过生成模型隐式定义识别模型可以大大减少自由参数的数量，并允许灵活、高质量的推理。例如，这使得在对较小块进行训练后，可以在一次长时间试验中评估模型。我们展示了 iLQR-VAE 在一系列合成系统上的有效性，这些系统具有自主和输入驱动的动态。我们进一步展示了在两个不同的伸手任务中对非人类灵长类动物的神经和行为记录的最新性能。