摘要 - 基于运动图像(MI)的脑部计算机界面(BCI)显示出有希望的运动恢复结果,术中意识检测或辅助技术控制。但是,由于脑电图(EEG)信号的高度可变性,它们主要是每次使用日期所需的冗长而乏味的校准时间,并且缺乏所有用户的可靠性,因此它们遭受了几个限制。可以使用转移学习算法在某种程度上解决此类问题。但是,到目前为止,此类算法的性能已经非常可变,何时可以安全地使用它们。因此,在本文中,我们研究了MI-BCI数据库(30个用户)上各种最先进的Riemannian转移学习算法的性能:1)受到监督和不受监督的转移学习; 2)对于目标域的各种可用培训脑电图数据; 3)会议内或会议间的转移; 4)对于Mi-BCI表演良好且较不愉快的用户。从此类实验中,我们得出了有关何时使用哪种算法的准则。重新介绍目标数据后,该目标集的几个样本被考虑在内。即使对于课内转移学习也是如此。同样,重新介入对于在会话之间难以产生稳定的运动图像的受试者特别有用。
此预印本版的版权持有人于2025年2月23日发布。 https://doi.org/10.1101/2025.02.19.639065 doi:Biorxiv Preprint
摘要在操作中,印刷电路板(PCB)将面临各种和重复的热机械载荷,这可能导致铜的故障,从而导致PCB本身故障。为了模拟和更好地预测PCB的可靠性,必须定义铜的本构行为。在目前的工作中,在循环拉伸压缩载荷下经常测试了在灵活的PCB行业中经常使用的17 µm滚动退火灯泡。铜的弹性极限较低,塑性变形起着在应变过程中起重要作用。在循环载荷下,已经观察到主要的运动硬化。已通过Lemaitre-Chaboche硬化模型确定了所研究铜胶的塑性行为。接下来,已经开发出一种原始的实验设置,从而可以测量循环载荷下薄铜纤维的疲劳行为。进行了各种负载振幅的测试。已经采用了一个共同的曼森模型来重现实验数据。
hal是一个多学科的开放访问档案,用于存款和传播科学研究文件,无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构,也可能来自公共或私人研究中心。
符合可持续发展目标的能源转型要求在大多数能源需求领域迅速采用可再生能源 [1,2] 。热能存储 (TES) 具有在发电、工业和建筑等不同领域实现可再生能源高份额的巨大潜力 [3,4] 。TES 的优势特性包括可变的存储容量和持续时间、灵活的供需脱钩、灵活的集成方式 [5] 和生命周期优势,引起了各个能源市场的特别关注。根据 IRENA 的符合《巴黎协定》的能源转型情景 [6] ,预计未来 10 年安装的 TES 容量将增加三倍,从 2019 年的 234 GWh 增加到 2030 年的至少 800 GWh。
a。奈良科学技术学院科学技术研究生院,8916-5高山 - 哥,马萨诸塞州伊科马,奈良630-0192,日本。b。数据科学中心,奈良科学技术学院,8916-5高山 - 俄罗斯州,伊科马,奈良630-0192,日本。c。材料信息学计划,RD技术与数字化转型中心,JSR Corporation,3-103-9 TOMAN-ACHI,KAWASAKI-KU,KAWASAKI,KANAGAWA,KANAGAWA 210-0821,日本。d。精细的化学工艺部,JSR Corporation,100 Kawajiri-Cho,Yokkaichi,MIE 510-8552,日本。e。 Keio大学科学技术学院化学系,日本Kohoku-Ku 3-14-1 Hiyoshi,Kohoku-Ku,Kanagawa,Kanagawa 223-8522,日本。f。奈良科学技术学院材料研究平台中心,8916-5高山 - 俄罗斯州,伊科马,纳拉,日本,伊科马630-0192。关键词聚合物,流量合成,自由基聚合,贝叶斯优化,多物镜贝叶斯优化,苯乙烯,苯乙烯,甲基丙烯酸甲酯
一半的慢性酒精人口通常在脱核中心进行广泛治疗后复发。这种渴望是由于下丘脑 - 垂体 - 肾上腺,下丘脑 - 垂体 - 核能和下丘脑 - 垂体 - 甲状腺甲状腺轴的释放降低所致。运动对某些神经内分泌轴有积极影响,释放了皮质营养素,皮质醇,催产素和加压素。因此,有必要研究急性饮酒型急性和焦虑的人在脱颖而出的计划中的额外好处。这项研究旨在比较催产素,皮质醇和加压素的血液水平,并将这些因素定期进行短折叠有氧运动的个体的渴望和焦虑以及在酒精降低中心中不进行任何类型运动的人的影响。
宫颈癌(CCa)仍然是全球重大的公共卫生问题,早期诊断和治疗至关重要。此外,其发病机制背后的分子机制仍未完全阐明。F2RL1 与各种肿瘤密切相关。然而,它与 CCa 的关系尚不清楚。我们从 TCGA 数据库中访问了 309 名被诊断为 CCa 的患者的数据。Limma 包促进了差异表达分析以识别差异表达的 mRNA(DEmRNA)。通过 XIANTAO 数据库进行生存分析和 ROC 分析。通过 ImmPort 数据库分析将免疫相关基因与 F2RL1 相关基因一起识别。使用 GO、KEGG 和 GSEA 进行功能富集分析。我们收集了参与者的宫颈细胞和血清以检测 HPV 和 TCT,然后使用 qPCR 检查 F2RL1 mRNA 表达水平。我们还通过 WB 和 ELISA 技术验证了 F2RL1 蛋白的表达。我们的研究发现了一个有趣的现象:与正常组织相比,CCa 组织中 F2RL1 的表达水平明显升高,显示出不同病理类型之间存在有趣的差异。此外,高 F2RL1 表达与总生存期 (OS)、无进展间隔 (PFI)、无进展生存期 (PFS) 的降低有关。F2RL1 以 0.996 的 AUC 震撼了 ROC 分析。此外,F2RL1 表达水平对不同 N 阶段、病理组织类型、治疗状态和种族群体的 CCa 有显著影响,使我们能够开发出一个预测模型。此外,我们还确定了 43 个免疫相关基因。富集分析突出了它们与细胞运动和 T 细胞活化相关通路的关联。通过分析,我们发现 F2RL1 表达与大多数免疫细胞(特别是 TFH 和细胞毒性细胞)的浸润呈反比,这表明可能与 CCa 的免疫逃避有关。分子生物学实验也证实了F2RL1在宫颈脱落细胞和血清中的表达显著增加。本研究首次揭示了F2RL1在CCa中的预测和早期检测意义及其与免疫浸润的相关性。F2RL1与CCa的进展密切相关,可以作为CCa患者早期诊断和预后的生物标志物。
摘要 本研究致力于评估大型语言模型 (LLM)(例如 GPT-3.5-Turbo、GPT-4 和 GPT-4-Turbo)从材料科学科学文献中提取结构化信息的能力。为此,我们主要关注信息提取的两个关键任务:(i) 对所研究材料和物理特性的命名实体识别 (NER) 和 (ii) 这些实体之间的关系提取 (RE)。由于材料信息学 (MI) 中明显缺乏数据集,我们使用基于超导体研究的 SuperMat 和通用测量评估语料库 MeasEval 进行评估。将 LLM 执行这些任务的性能与基于 BERT 架构和基于规则的方法(基线)的传统模型进行对比。我们介绍了一种用于比较分析复杂材料表达的新方法,强调化学式的标准化以解决材料科学信息评估中固有的复杂性。对于 NER,LLM 在零样本提示下无法超越基线,在少样本提示下仅表现出有限的改进。然而,使用适当的 RE 策略进行微调的 GPT-3.5-Turbo 优于所有模型,包括基线。在没有任何微调的情况下,GPT-4 和 GPT-4-Turbo 在仅提供几个示例后就表现出了卓越的推理和关系提取能力,超越了基线。总体而言,结果表明,尽管 LLM 在连接概念方面表现出相关的推理能力,但对于需要提取复杂的特定领域实体(如材料)的任务,专门的模型目前是更好的选择。这些见解为未来工作中其他材料科学子领域提供了初步指导。