XiaoMi-AI文件搜索系统
World File Search Systemevaluate
用于评估电网惯性和基于逆变器的发电的运行弹性指标
免责声明 本信息是根据美国政府机构资助的工作编写的。美国政府及其任何机构或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
连续的心脏监测以评估肺动脉高压的治疗效果
摘要背景肺动脉高压（pH）的治疗方法在近几十年来迅速改善。越来越多的证据支持早期干预和治疗在影响pH临床结果中的作用。目的是使用揭示LINQ环记录器的连续心脏监测来评估特定pH处理升级前后的治疗效果。方法在治疗升级前后进行了比较。治疗升级被定义为另一种肺动脉高压（PAH）药物，肺部内膜切除术，经皮球囊血管成形术或双侧肺移植。具体来说，评估了心率变异性（HRV），心率（HR）和体育活动的变化。在这项前瞻性研究中结果，招募了41例患者（27例PAH和14例患有慢性血栓栓塞性肺动脉高压（CTEPH））。其中，有15名（36.6％）患者接受了pH治疗升级。在升级之前，监测患者的中位数为100（范围：68-100）天，在治疗升级后的中位数为165（范围：89-308）天。在升级组中，HRV显着增加，白天HR索引的体育锻炼以及在基线和CTEPH组治疗升级后评估的夜间HR显着下降。这与WHO功能类别，6分钟步行距离和N末端By-B型纳地尿肽的显着改善相似。这表明在评估pH治疗效果时连续监测的潜力。结论这是第一个证明特定pH疗法与HRV，HR夜间和体育活动变化之间存在关联的研究。
将老化模型整合到生命周期评估中以评估
如今，车辆的电气化被视为使个人运输脱碳的一种有希望的方法。对电池环境影响的评估通常是特定于病例的，因为此类系统的复杂建模呈现出设计，用户行为或地理使用条件的巨大差异。一个典型的例子是电池寿命，在大多数情况下，它对生命周期排放具有决定性影响，但在大多数情况下是任意选择的。除了生命周期评估（LCA）之外，计算电池寿命还可以突出显示新的热点和新参数，以减少电池的环境影响。本文根据开源软件Brightway进行的LCA介绍了一种新方法，并建立在从商用电动汽车的完全拆卸中收集的主要数据。已经提出了一个原始功能单元，它可以更好地代表电池在其寿命中提供的服务，并且已经集成了半经验老化模型，以更准确地预测电池寿命，具体取决于设计参数和使用条件。这种创新方法很容易被参数化，旨在比较几种生态设计策略。©2023作者。由Elsevier B.V.这是CC BY-NC-ND许可证（https://creativecommons.org/licenses/by-nc-nc-nd/4.0）下的开放式访问文章。
抑制ULK1/2介导的自噬增强抗原加工和表现ARC-9：一项评估基于伊特鲁马德的治疗组合的随机研究
如果没有禁忌使用贝伐单抗。hr，危险比； ORR，客观响应率； OS，整体生存； PFS，无进展的生存； TEAE，治疗紧急不良事件
如何评估对人工智能辅助决策的信任？实证方法调查
人工智能嵌入式系统参与人类决策的传播使得研究人类对这些系统的信任变得至关重要。然而，实证研究信任具有挑战性。原因之一是缺乏设计信任实验的标准协议。在本文中，我们介绍了现有的实证研究人工智能辅助决策中信任的方法，并根据实验方案的构成要素分析了语料库。我们发现信任的定义通常不整合在实验方案中，这可能导致研究结果被夸大或难以解释和跨研究比较。借鉴社会和认知研究中关于人与人之间信任的实证实践，我们提供了实用指南，以改进在决策环境中研究人与人工智能信任的方法。此外，我们提出了两类研究机会：一类侧重于对信任方法的进一步研究，另一类侧重于影响人与人工智能信任的因素。
新筛选测试的并发有效性以评估信息处理速度
摘要。信息处理速度（IPS）评估一个人对刺激的反应时间。成人-III（WAIS-III）的Wechsler在数字符号测试（DS-T）中包括此域。目的：本研究的目的是验证一个新的筛选测试，该测试可以与个人的年龄和奖学金相关的IPS。方法：构建了一种测量IP的新工具，自动收银器测试（AC-T），为了验证，还进行了DS-T。结果：该法案中时间使用的介质为12.3 s； DS-T中的热门单曲为38.8，P <0.0001和R 2：0.40。结论：p值在这两个测试之间显示线性关联，但是R²结果显示它们之间的关联较低。以相同的方式，两种测试之间的相关性是有希望的，因为这表明这两种测试都以不同的方式测量IPS的测试，其构造（例如言语流利性测试）也用于评估IPS。另一方面，两项测试都表明奖学金对IPS产生了积极影响。
一种评估E3连接酶用于靶向蛋白质降解
抽象评估靶蛋白降解（TPD）的潜在〜700 E3连接酶的适用性的主要挑战之一是缺乏针对每个E3连接酶的粘合剂。在这里，我们将遗传密码扩展（GCE）用于编码含四嗪的非典型氨基酸（TET-NCAA）位点特定于E3连接酶，可以通过在活着的细胞中与新的蛋白质蛋白质培养细胞一起将其连接到新的植物蛋白质蛋白培养细胞中。可以用Neo-Substrate的TPD评估所得的E3连接酶最小化和功能化的最小化和功能化。我们证明，用可单击的TET-NCAA编码的CRBN可以在已知的免疫调节药物（IMID）中或跨表面编码，可以共价连接到STCO-LINKER-JQ1和招募BRD2/4的crbn介导的降解，以表明CRBN的高塑料tpd。降解效率取决于在CRBN上编码的TET-NCAA的位置以及接头的长度，显示了这种方法在绘制E3连接酶表面识别最佳TPD口袋的能力。这种Elef-脱脂剂的方法不仅具有维持E3连接酶的天然状态，而且还允许在细胞内条件下对E3连接酶和靶蛋白伴侣进行询问，并且可以应用于任何已知的E3连接酶。关键字：泛素 - 蛋白酶体系统，靶向蛋白质降解，E3连接酶，Cereblon，遗传代码扩展，四嗪单击化学
SCRL：利用加固学习来评估单细胞数据中的命运决策
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。它是制作
评估中的生成AI悖论：“它可以解决的，它可能无法评估”
本文探讨了以下假设：在生成任务中熟练的大型语言模型（LLMS）同样熟练于评估者。我们使用Triviaqa的三个LLM和一个开源LM的性能（QA）和评估任务（Joshi et al。，2017）数据集。结果表明有明显的差异，与生成任务相比，LLMS在评估任务中的性能较低。有趣的是，我们发现了不忠评估的情况，模型可以准确评估他们缺乏能力的领域的答案，从而强调了表达LLMS作为评估者的忠诚和信任度的需求。这项研究有助于理解“生成ai para-dox”（West等人，2023年），强调了探索卓越和评估能力之间的相关性以及仔细审查模型评估中忠实方面的必要性。
开发机器学习模型以评估金融政策的环境影响
ML在环境经济学中的最新应用包括评估排放交易计划的有效性和绿色投资影响。例如，ML模型已被用来评估中国碳贸易试点计划的成功，表明排放量大幅减少[9,10]。同样，通过预测长期环境福利和财务回报，ML驱动的分析帮助确定了最有效的绿色投资策略[11-13]。这些应用说明了ML的潜力，即增强我们对金融政策如何推动可持续成果的理解。图1显示了通过中国碳交易计划实现的排放减少的图形表示，强调了ML模型在预测和可视化政策影响方面的能力。