XiaoMi-AI文件搜索系统
World File Search Systemmodels
使用各种损失模型的电池损失预测
这项工作比较并量化了带有太阳能光伏（PV）的住宅建筑物的案例研究中三个电池系统损耗表示的年损失。两个损失表示形式考虑了不同的操作条件，并使用电池电力电子转换器（PEC）的测量性能，但使用恒定或依赖电流的内部电池电池电阻的不同。第三表示是无关紧要的，并使用（固定的）往返效率。工作使用负载和PV轮廓的次数测量，包括不同的PV和电池尺寸组合的结果。与具有当前依赖性内部电阻的情况相比，结果表明使用恒定电池内部电阻不足，并将年度损失差异量化为-38.6％。结果还表明了通过固定的往返效率对电池系统的效率进行建模的缺陷，其损失差异在-5％至17％之间，具体取决于情况。此外，突出显示了计算细胞损失的必要性，并且量化了其对转换器加载的依赖性。
68403-医学研究模型
学生的数量和可用的资源用于正确的学习发展。定义和分类临床和基础研究模型是该计划的重要组成部分。向学生解释这些模型的最佳方法是通过对每个模型的不同特征进行结构化的说明，然后是在该领域工作的专家讲座。在课程中，学生必须准备一个由生物医学科学项目研讨会的小型科学Proyect。
具有深层生成模型的扩散加权磁共振大脑图像的现实产生
深度学习方法有可能减轻放射科医生处理繁琐的，耗时的任务，例如检测和细分病理病变[1]，但是在医学成像的背景下对神经网络的培训面临着主要的挑战：它们需要训练大量图像，因为这是很难获得的，因为在许多方面都可以限制医疗信息，并且由于许多方面的范围限制了其他方面的范围。此外，虽然在世界各地的医院数据库中可以提供相对较大的医学图像，但这些图像是未标记的，并且不同的机构以派遣和不均匀的方式保存医疗图像，这使得它们在较大的数据库中收集它们。在这种情况下，从头开始生成医学图像的方法可能引起人们的极大兴趣。生成建模是机器学习的一个子字段，它在产生新的高质量自然图像（例如面部照片[2]）方面具有令人印象深刻的精力[2]，并应用于语音综合[3]和磁共振图像重建等任务[4]。如果可以教导生成模型来产生现实且多样化的新医学图像，那么它们将具有很有吸引力的潜力，可以显着增加可用于深神经网络培训的图像数量，因此可以帮助提高这些网络的准确性[5-7]。
生成网络模型手稿简介
Social networks constitute an important approach in the study of animal social behaviour.So far, focus has been on statistical analysis of animal social network structures.However, social networks can also be studied by generative network models - procedures that create simulated network structures.这些模型在更广泛的网络科学中起着关键作用，但是尽管偶尔使用，但在动物行为领域尚未充分整合。We believe that generative network models have considerable unexploited potential as a tool for understanding animal social systems.在这里：1）我们提供了生成网络模型的一般介绍，包括对它们用于调查更广泛网络科学的问题的描述，关键模型特征的解释以及对常见模型的概述； 2）我们考虑有关动物社会行为研究的生成网络模型，包括有关动物系统问题的描述，可以用于研究（通过案例研究证明），概述动物行为研究的概述，这些研究使用了生成网络建模，关键模型对于动物行为研究的相关性以及如何选择用于动物社会系统研究的合适的生成网络模型。We hope that this can help to further integrate generative network models into the study of animal sociality.
晚期绝热压缩空气存储的分析建模：文献综述和新模型
我们回顾了具有等速储层的晚期绝热压缩空气存储厂的分析模型的文献，重点是可以从模型中提取的见解。审查表明，文献中缺少拥有绝热储层，绝热涡轮机械以及没有油门的植物的模型。假设植物在准稳态状态下运行，我们继续得出这种模型，可以将空气视为热量和热完美的气体，并且热能存储单元不含热和压力损失。模型导致关键性能指标的封闭式表达式，例如植物效率和体积能量密度，就组成效率和压力比而言。这些表达式的推导基于涉及温度和压力的同时时间变化的近似积分。近似值导致相对误差小于1％。模型表明压缩和扩展工作，植物效率和最高工艺温度显示最小。该模型还表明，对于给定的非二维存储容量和最大储层压力，最小化最大过程温度的植物的最大效率大约等于最大化效率的植物的最低效率。对于具有绝热洞穴和绝热热能储存单元的两阶段工厂，我们的分析模型预测体积能量密度在4.76％以内，表明它足够准确，可以用于初始植物设计。
在具有LEAP的临床前癌模型中预测基因的本质和药物反应：自动编码器和
临床前扰动筛选，其中在疾病模型上系统地测试了遗传，化学或环境扰动的影响，由于其规模和因果性质，对机器学习增强的药物发现具有巨大的希望。预测模型可以根据分子特征来推断以前未经测试的疾病模型的扰动反应。这些在计算机标签中可以扩展数据库并指导实验优先级。但是，对扰动特异性效应进行建模并在各种生物环境中产生健壮的预测性能仍然难以捉摸。我们介绍了LEAP（自动编码器和预测变量的分层集合），这是一个新颖的集合框架，可改善稳健性和概括。LEAP利用多个Damae（数据增强蒙版的自动编码器）表示和套索回归器。通过结合从不同随机初始化中学到的多种基因表达表示模型，在预测未见细胞系，组织和疾病模型中基因本质或药物反应方面始终胜过最先进的方法。值得注意的是，我们的结果表明，结合表示模型而不是仅预测模型会产生出色的预测性能。超出其性能增长，LEAP在计算上是有效的，需要最小的高参数调整，因此很容易将其纳入药物发现管道中，以优先考虑有希望的目标并支持生物标志物驱动的分层。这项工作中使用的代码和数据集可公开使用。
将传粉媒介的运动整合到授粉模型
对授粉过程的准确预测是可持续粮食生产和自然生态系统保护的关键挑战。对于许多植物，花粉扩散是由蜜蜂动物的觅食运动介导的。虽然大多数当前的授粉生态模型都采用随机的花粉运动，但对动物行为的研究表明，授粉昆虫，鸟类和蝙蝠如何依赖感官提示，学习和记忆来参观流量，从而产生复杂的运动模式。基于对授粉和运动模型的简要回顾，我们认为我们需要更好地考虑授粉媒介的认知，以改善从各个空间量表中对动物介导的授粉的预测，从单个流动物到植物，植物，栖息地斑块和景观。我们提出了将行为模型整合到授粉模型中的实用路线图，并讨论该合成如何对植物交配模式和拟合度进行修复预测。在动物行为和植物生态学研究之间的这种串扰将为迫在眉睫的危机提供强大的机械工具来预测和对授粉服务采取行动。
评估小胶质细胞发育和胎儿编程的体外模型：一篇评论
本综述评估了用于研究怀孕期间母体影响如何影响后代小胶质细胞（中枢神经系统的免疫细胞）发育的体外模型。所研究的模型包括原代小胶质细胞培养物、小胶质细胞系、iPSC 衍生的小胶质细胞、PBMC 诱导的小胶质细胞样细胞、源自 iPSC 的 3D 脑器官和霍夫鲍尔细胞。我们将评估每种模型复制发育大脑体内环境的能力，重点关注其优势、局限性和实际挑战。重点介绍了可扩展性、遗传和表观遗传保真度以及生理相关性等关键因素。小胶质细胞系具有高度可扩展性，但缺乏遗传和表观遗传保真度。iPSC 衍生的小胶质细胞提供中等的生理相关性和患者特异性遗传见解，但面临着重编程固有的操作和表观遗传挑战。源自 iPSC 的 3D 脑类器官为研究复杂的神经发育过程提供了先进的平台，但需要大量资源和技术专长。霍夫鲍尔细胞是位于胎盘中的胎儿巨噬细胞，与小胶质细胞具有共同的发育起源，它们独特地暴露于产前母体因素，并且根据胎儿屏障成熟度表现出不同的表观遗传保真度。这使得它们特别适用于探索母体对小胶质细胞发育胎儿编程的影响。该综述的结论是，没有一个模型能够全面捕捉母体对小胶质细胞发育的所有方面的影响，但它提供了根据特定研究目标和实验限制选择最合适模型的指导。
直接金属沉积中基于神经网络的过程模型的迁移学习
增材制造工艺在工业领域越来越重要。特别是直接金属沉积 (DMD) 是一种很有前途的制造技术，因为它可以实现广泛的应用，例如从头开始制造零件、在传统加工的原始零件上添加材料，甚至高效修复高价值零件 [1]。除了许多优点外，该工艺的可控性仍然很困难，导致内部缺陷、几何偏差或微观结构不均匀。相变、粉末-气体动力学和参数不确定性等多种物理现象会影响工艺行为并使工艺处理复杂化。因此，需要进行大量的实验活动来确定具有可接受几何和材料性能的工艺参数