摘要。Nurcahyo FD,Zen HM,Rahma HS,Triyanto A,Yasa A,MD Naim D,Setyawan AD。2024。在印度尼西亚中部爪哇省上班加瓦上河上的当地社区使用的药用植物的民族植物学研究。Intl J Bonorowo湿地14:25-36。药用植物都是具有可以治愈某些疾病的特性的植物。世界卫生组织(WHO)指出,世界上有80%以上的人口仍在使用药用植物,包括居住在印度尼西亚班加万河周围的社区。这条河是爪哇河中最长的河流,它在维持生物多样性方面很重要,包括周围的动物群和动植物,尤其是药用植物。这项研究旨在探索上班加旺河(Sidodadi,Ngringo和Palur)沿三个街道中的药用植物的多样性和用途,重点介绍了对当地社区使用的药用植物的文献和理解。90名线人,包括5个密钥和85名普通受访者(21-78岁)。半结构化访谈和参与性观察收集了民族植物学数据,以描述性地介绍并进行定量分析,包括人口统计学,使用价值和线人共识因子。三个街区的村民利用88种药用植物物种进行各种疾病。大多数药用实践都取决于传统方法和口服传播进行知识转移。叶(51.1%)和水果(25%)是使用的主要植物零件,主要通过沸腾(68.5%)和直接消费(23.9%)进行处理。沸腾是将多种植物组合的最优选的方法,因为它被认为是最简单,最具成本效益的方法。Zingiber Officinale Roscoe,Alpinia Galanga(L.)Wild。和Curcuma Longa L.是最常用的植物。这项研究强调了在Bengawan Solo河沿线保存传统的药用植物知识的重要性,以为保护工作,支持社区健康和指导政策,以提供相互利益和生物多样性保护的政策。
∗ 博士研究员,代尔夫特理工大学,Kluyverweg 1, 2629 HS,代尔夫特,荷兰,s.rapp@tudelft.nl。† 副教授,代尔夫特理工大学,Kluyverweg 1, 2629 HS,代尔夫特,荷兰,r.schmehl@tudelft.nl。
∗ 博士研究员,代尔夫特理工大学,Kluyverweg 1, 2629 HS,代尔夫特,荷兰,s.rapp@tudelft.nl。† 副教授,代尔夫特理工大学,Kluyverweg 1, 2629 HS,代尔夫特,荷兰,r.schmehl@tudelft.nl。
商品名称及编码协调制度,通常称为协调制度或 HS,是一种国际商品分类命名法。HS 是一种多用途商品命名法,不仅用作海关关税和编制国际贸易统计数据的基础,还用于各种目的,包括国际贸易谈判、确定商品原产地、监控受控商品(例如危险废物、麻醉品、化学武器、臭氧层消耗物质、濒危物种)等。缅甸于 1992 年 4 月 1 日实施 HS。
商品名称及编码协调制度,通常称为协调制度或 HS,是一种国际商品分类命名法。HS 是一种多用途商品命名法,不仅用作海关关税和编制国际贸易统计数据的基础,还用于各种目的,包括国际贸易谈判、确定商品原产地、监控受控商品(例如危险废物、麻醉品、化学武器、臭氧层消耗物质、濒危物种)等。缅甸于 1992 年 4 月 1 日实施 HS。
本文介绍了基于机器学习(ML)的方法来整合人类安全(HS)和可持续发展目标(SDG)。起源于1990年代,HS专注于战略性,以人为中心的干预措施,以确保全面的福利和韧性。它与可持续发展目标紧密一致,共同构成了全球可持续发展计划的基础。我们的方法涉及使用专家宣传的关键字和高级ML技术将44个报告映射到17个可持续发展目标,从而产生了基于Web的SDG映射工具。该工具专门针对HS-SDG Nexus量身定制,从而可以分析13个新报告及其与可持续发展目标的连接。通过此,我们发现了详细的见解,并在报告与全球目标之间建立了牢固的联系,从而对HS与可持续发展之间的相互作用有细微的了解。这项研究提供了一个可扩展的框架,以探索HS与巴黎议程之间的关系,为学者和决策者提供了实用,有效的资源。
坚固而坚韧的材料是轻量化、节能应用(如电动汽车和航空航天应用)所必需的。最近发现,异质结构具有前所未有的强度和延展性,这在我们的教科书中的材料科学中被认为是不可能实现的。如此优异的机械性能是由一项新的科学原理实现的:异质变形诱导 (HDI) 强化和加工硬化。异质结构 (HS) 材料由流动应力相差巨大(> 100%)的异质区域组成。区域间相互作用在软区域产生背向应力,在硬区域产生正向应力,从而共同产生 HDI 应力。HS 材料具有显著的协同效应,其综合性能超出了混合物规则的预测。重要的是,HS 材料可以通过现有的工业设施大规模低成本生产。新材料科学和有前景的应用正在推动 HS 材料作为一个新兴领域的快速发展。为了有效地设计出性能优越的 HS 材料,有许多基本问题需要探究。要解决这些问题,需要实验材料科学、计算材料科学和力学界的共同努力。
摘要社交媒体的快速兴起带来了新的数字通信方式,以及令人担忧的在线仇恨言论(HS),这又导致研究人员开发了几种自然语言处理方法以进行检测。尽管在自动化HS检测方面已经取得了重大进步,但针对欧洲葡萄牙语的研究仍然很少(就像几种资源不足的语言中发生的那样)。为了解决这一差距,我们探讨了各种转移学习模型的功效,这些模型在文献中已显示出与其他深度学习模型相比,该任务具有更好的性能。我们采用葡萄牙文本中预先训练的类似于BERT的模型,例如Bertimbau和Mdeberta,以及GPT,Gemini和Mistral Genertral Modelate,用于在葡萄牙在线话语中检测HS。我们的研究依赖于YouTube评论和推文的两个带注释的Corpora,均以注释为HS和非HS。我们的发现表明,YouTube语料库的最佳模型是欧洲葡萄牙推文的Bertimbau Retriant,并针对HS任务进行了微调,正面的F-SCORE为87.1%的正面级别为87.1%,比基线模型优于20%以上,并且比基本的Base Bertimbau相比增加了20%以上。Twitter语料库的最佳模型是GPT-3.5,正级别的F-评分为50.2%。我们还评估了使用内域和混合域训练集的影响,以及在生成模型提示其性能中提供背景的影响。
5使用稀释缓冲液1x TE稀释到最佳浓度范围。在样品板中将样品或HS与HS大片段稀释标记物混合。将24 µL的BF-25空白溶液添加到未使用的井中。
图2:通过QTDNA浓度进行定量,如Qubit™BR和Qubit™HS分析所测量。在两个样品体积(2µL和5µL)中测量了10个CTDNA参考标准标准。通过相同的测定测量(BR分析 - 绿色圆圈和三角形; HS分析 - 紫色的平方和倒三角形),两种样品体积之间没有显着差异。然而,当通过HS和BR测定测量相同的样品体积时,结果在统计学上存在显着差异(p <0.05;绿色圆圈与紫色正方形;绿色三角形与紫色倒立三角形)。