XiaoMi-AI文件搜索系统
World File Search Systemmethod
SPVec: A Word2vec-Inspired Feature Representation Method for Drug-Target Interaction Prediction
Drug discovery is an academical and commercial process of global importance. Accurate identification of drug-target interactions (DTIs) can significantly facilitate the drug discovery process. Compared to the costly, labor-intensive and time-consuming experimental methods, machine learning (ML) plays an ever-increasingly important role in effective, efficient and high-throughput identification of DTIs. However, upstream feature extraction methods require tremendous human resources and expert insights, which limits the application of ML approaches. Inspired by the unsupervised representation learning methods like Word2vec, we here proposed SPVec, a novel way to automatically represent raw data such as SMILES strings and protein sequences into continuous, information-rich and lower-dimensional vectors, so as to avoid the sparseness and bit collisions from the cumbersomely manually extracted features. Visualization of SPVec nicely illustrated that the similar compounds or proteins occupy similar vector space, which indicated that SPVec not only encodes compound substructures or protein sequences efficiently, but also implicitly reveals some important biophysical and biochemical patterns. Compared with manually-designed features like MACCS fingerprints and amino acid composition (AAC), SPVec showed better performance with several state-of-art machine learning classifiers such as Gradient Boosting Decision Tree, Random Forest and Deep Neural Network on BindingDB. The performance and robustness of SPVec were also confirmed on independent test sets obtained from DrugBank database. Also, based on the whole DrugBank dataset, we predicted the possibilities of all unlabeled DTIs, where two of the top five predicted novel DTIs were supported by external evidences. These results indicated that SPVec can provide an effective and efficient way to discover reliable DTIs, which would be beneficial for drug reprofiling.
基于 增强 约束 法 的 混合 储能 微 电网 容量 优化 方法 .
摘要：微电网普遍存在可再生能源弃风率高、电网建设和运行成本高等问题。为提高微电网可再生能源利用率、提高电网运行的经济性与环境安全性，提出一种基于扩展ε-约束法的风光柴并网微电网系统混合储能容量优化方法。首先，将电池与季节性氢储能系统耦合，建立混合储能模型，避免传统微电网系统储能方式单一、容量较小的不足。其次，以规划期内电网综合成本与碳排放为目标函数，以可再生能源弃风率为评价指标，以电储能和季节性氢储能系统运行状况为主要约束，构建微电网容量配置模型。最后，采用扩展ε-约束法对上述模型进行优化，并采用熵-TOPSIS法进行配置方案优选。通过对比分析结果表明,优化方法可以有效提高当地风能和太阳辐射的吸收率,显著降低微电网的碳排放量。
生物多样性评估方法五年回顾
假设存在会导致计算最大物种信用义务，从而激励应用更准确的方法。然而，对开发提案的分析表明，在大多数评估中，至少有一种物种信用物种被假设存在，有时是所有物种信用物种都被假设存在。依赖此选项的原因尚不清楚，但可能与成本有关（例如，与调查或专家报告的成本相比，信用的价格具有竞争力）、调查难度（例如缺乏指导、隐秘物种或需要季节性调查的物种、项目时间表），或进行专家报告的专家数量有限（例如，部门网站上列出的专家数量很少，可能是由获得专家地位的过程推动的）。
补骨脂素灭活冠状病毒疫苗及其制备方法
未满足的需求：SARS、MERS 和 COVID-19 等冠状病毒对公众健康构成持续威胁。仅 COVID-19 就造成全球 700 多万人死亡。自 COVID-19 大流行开始以来，SARS-CoV-2 病毒已进化产生多种令人担忧的变异株 (VOC) 和令人感兴趣的变异株 (VOI)。虽然许多变异株都有疫苗，但对针对广谱冠状病毒的更有效疫苗的需求仍然很大。预计到 2024 年，COVID-19 疫苗的全球市场将达到 100 亿美元以上，到 2028 年的年增长率为 20%。在美国，目前估计主要制药公司从 COVID-19 疫苗中获得的利润约为 900 亿美元。简而言之，对有效疫苗的需求日益增加。
附件7_PM2.5测量方法介绍
•通常符合参考手册方法 •可直接测量环境 PM2.5 的质量 •这些是电动空气采样器，以恒定速率通过旋风分离器或撞击器抽取空气，其作用类似于颗粒分离器，悬浮的 PM2.5 被分离并收集在过滤器上。然后从采样器中取出过滤器，带回实验室，平衡并称重以确定环境 PM2.5 的质量浓度 •成本高、耗时且费力 •在变化的温度和湿度条件下，采样、运输到实验室、平衡、半挥发性成分（如有机物和硝酸盐通过蒸发）的称重过程中容易出错。
一种结合不完善的多模型集成方法...
摘要。在当前的多模型集成方法中，气候模型模拟是后验组合的。在本研究的方法中，集成中的模型在模拟过程中交换信息，并从历史观测中学习，将它们的优势结合起来，形成对观测到的气候的最佳表示。该方法是在小型混沌动力系统（如 Lorenz 63 系统）的背景下开发和测试的。通过扰动标准参数值来创建不完善的模型。通过在模型方程之间引入连接，将三个不完善的模型组合成一个超级模型。连接系数从未受干扰的模型的数据中学习，这被视为事实。这项研究的主要结果是，经过学习，超级模型非常接近事实，比每个不完善的模型都要好得多。这些说明性示例表明，超级建模方法是改善天气和气候模拟的一种有前途的策略。
任务规划系统验证方法
程明 1 宋勇 1 陈毓涵 2,* 1 海军指挥学院海战模拟中心，南京 2 中国电子科技集团公司第28研究所，南京 * 通讯作者 摘要：针对任务规划系统开发的需求，对国内外各个层次的任务规划系统的主要功能和应用环境、工作方式、内容、部署方式等进行了研究和分析。最后，从系统开发和应用环境出发，提出了任务规划系统的开发方法。指出任务规划系统的验证方法可分为硬件验证、软件测试和系统级测试。这些方法为任务规划系统的开发提供了参考。
一种时空数据缩减与建模方法
分析和学习时空数据集是许多领域的重要过程，包括交通运输、医疗保健和气象学。特别是，环境中的传感器收集的数据使我们能够理解和模拟环境中的过程。最近，收集的时空数据量显著增加，给数据科学家带来了一些挑战。因此，需要采取措施减少需要处理的数据量，以便分析和学习时空数据集。在本文中，我们提出了 k 维时空缩减方法 (k D-STR)，以减少用于存储数据集的数据量，同时允许对缩减后的数据集进行多种类型的分析。k D-STR 使用分层分区来查找相似实例的时空区域，并对每个区域内的实例进行建模以汇总数据集。我们用 3 个表现出不同时空特征的数据集证明了 k D-STR 的通用性，并展示了一系列数据建模技术的结果。最后，我们将 k D-STR 与其他减少时空数据量的技术进行了比较。我们的结果表明，k D-STR 可以有效减少时空数据，并可以推广到具有不同属性的数据集。
国防部测试方法标准...
1. 本标准已获准供国防部 (DoD) 的所有部门和机构使用。尽管本标准专为国防部应用而制定，但也可针对商业应用进行调整。本 G 版变更通知包含对早期版本的更新和说明。主要重点仍然相同 -（方法 528 除外）根据特定物资在其整个使用寿命期间将经历的条件调整物资的环境设计和测试限值，并建立实验室测试方法来复制环境对物资的影响，而不是试图重现环境本身。目标是提供关于如何在整个物资采购周期内实施环境调整过程的预先说明。