XiaoMi-AI文件搜索系统
World File Search Systemplain
解释有天赋的孩子的高工作记忆能力
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。
为什么女性膝盖受伤后问题更多？模型解释雌激素的作用
为了填补这一空白，Dhaher 博士、Hutcherson 博士及其同事在 2018 年 Dhaher 博士及其同事在西北大学任职期间首次报告的计算机模型的基础上进行了改进。新模型研究了三种细胞类型在模拟膝盖损伤后对不同浓度的雌激素、孕酮和睾酮（三种主要性激素）的反应。这些细胞类型是软骨细胞（形成软骨）、滑膜成纤维细胞（形成膝关节周围的内膜）和巨噬细胞（膝盖内的主要免疫细胞类型）。
RE：向参议院伦理委员会提出投诉的答复 2025年2月13日委员会主席C 参议院法案21-072 b''
重要的是要注意，在会议之间无法保证立法助手的时间。Docher先生和Echeverry先生抱怨说，他们没有得到想要的小时数。科罗拉多州的立法会议是每年的一月至5月。Docher先生和Echeverry先生在2024年会议期间的工作时间没有问题。Echeverry先生似乎在会议结束后的几个小时里抱怨。在两次会议之间，助手的工作很少。我对此无法控制。当一个人被雇用为助手时，不能保证将提供最低工作量。会议结束后，大多数立法者会大大减少立法职责。在2024年，我竞选连任，专注于我的竞选活动并帮助其他参议院比赛。即使Echeverry先生得到了工作，他也抱怨这对他来说还不够好。他始终拒绝向他提供的竞选工作，并抱怨我试图给他的其他工作，以便在夏天为他提供一些收入。
超越事后可解释的人工智能
摘要。AI模型被批评为黑匣子，这可能会使气候科学更加不确定性。已提出了可解释的人工智能（XAI）来探测AI模型并增加信任。在这篇评论和观点论文中，我们建议，除了使用XAI方法外，气候科学领域的AI研究人员还可以从过去的成功发展中学习基于物理学的动态气候模型的成功。动力学模型很复杂，但获得了信任，因为它们的成功和失败可以在某些时候归因于特定的组件或子模型，例如，当指向细胞参数化来解释模型偏差时。我们提出了三种类型的理解作为评估动力学和AI模型的信任的基础：（1）工具理解，当模型通过功能测试时，这是对此进行的； （2）在研究人员可以使用统计技术识别输入输入关系的建模结果时获得的坚定理解； （3）组件级的理解是指建模者指向模型架构中特定模型组件或部分的特定模型组件的能力，作为不稳定的模型行为的罪魁祸首，或者是模型的原因。我们演示了过去几十年来通过气候模型对比项目进行的组件级别的理解和实现。这种组件级别的理解通常会导致模型改进，也可以作为思考AI驱动气候SCI-
指定早期生活的时间表不可预测性有助于解释内在化和外在行为的发展
早期生活不可预测性与整个生命过程中的身心健康结局都相关。在这里，我们根据他们可能在儿童环境中引入可变性的时间表的不良经历：在短时间内（例如，小时，几天，几周）以及随机性与随机变化的变化在短时间内不断发展（例如，较长的时间尺度（例如，几个月，几年）和探索自动化和探索方式的发展效果，变化的变化都在不断发展的情况下进行了贡献。结果表明，9岁和15岁的外部行为以及15岁时的内在行为是通过分离在3至5岁时分离的随机性和波动性的模型来解释的。外部化和内在行为都与波动性特别相关，对外在行为的影响更大。这些发现是根据心理病理学的进化开发模型和不确定性学习的增强学习模型来解释的。
可解释的人工智能作为解决鸭子曲线问题的一种方法
本文提出了一种解决能源圈内通常称为鸭曲线问题的电力负荷分配问题的新方法。鸭曲线问题是一条曲线，显示公用事业公司为其消费者提供的总电力负荷（来自火力发电厂的能源）与风能和太阳能发电（或本地发电）满足部分负荷（可再生资源或绿色能源）后的负荷之间的差异。这种方法基于无监督学习长短期记忆（LSTM）和注意力机制，旨在对鸭曲线预测做出清晰的解释，并了解这种差异的明确原因，从而帮助决策者更好地解释曲线并有效地解决问题。信息和通信技术（ICT）和物联网（IoT）对于绿色能源的部署是必不可少的。因此，可以利用不同传感器的数据作为支撑，验证本地生产层面的信息，以有效、有针对性的方式解决“鸭子曲线”问题。
父母自身免疫性疾病对后代 1 型糖尿病的影响可部分通过 HLA 和非 HLA 多态性来解释
。CC-BY-NC 4.0 国际许可 它是根据作者/资助者提供的，他已授予 medRxiv 永久展示预印本的许可。（未经同行评审认证）
广泛的突变靶点解释了快速的表型进化速度
摘要 生物体某一分支中某一性状的快速进化可以用自然选择的持续作用或高突变方差（即在自发突变下发生变化的倾向）来解释。高突变方差的原因仍然难以捉摸。在某些情况下，快速进化取决于一个或几个具有短串联重复序列的基因座的高突变率。在这里，我们报告了隐杆线虫外阴前体细胞中进化最快的细胞命运，即 P3.p。我们识别并验证了 P3.p 高突变方差的因果突变。我们发现这些位置不表现出任何高突变率的特征，分散在整个基因组中，相应的基因属于不同的生物途径。我们的数据表明，广泛的突变靶标大小是高突变方差和相应的快速表型进化率的原因。
社区水平的植物功能策略解释了热带海拔梯度的生态系统碳存储
。cc-by-nc 4.0国际许可（未获得同行评审证明），他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。它是此预印本版本的版权持有人，该版本发布于2025年2月8日。 https://doi.org/10.1101/2025.02.08.637226 doi：biorxiv preprint
使用集成知识图谱嵌入对 COVID-19 进行分子评估和可解释的药物再利用
由于目前尚无具有临床疗效的药物，因此寻找针对 COVID-19 的有效药物仍然迫在眉睫。近年来，寻找已获批准或正在研究的药物的新用途（即药物再利用）变得越来越流行。我们在此提出了一种基于知识图谱 (KG) 嵌入的 COVID-19 药物再利用新方法。我们的方法在以 COVID-19 为中心的 KG 中学习实体和关系的“集成嵌入”，以便获得图元素的更好的潜在表示。随后，集成 KG 嵌入用于训练深度神经网络以发现 COVID-19 的潜在药物。与相关研究相比，我们在排名靠前的预测中检索到了更多试验中药物，从而对试验外药物的预测更有信心。据我们所知，这是第一次使用分子对接来评估使用 KG 嵌入进行药物再利用获得的预测。我们表明福辛普利是 SARS-CoV-2 nsp13 靶标的潜在配体。我们还通过从 KG 中提取的规则以及 KG 衍生的解释路径来解释我们的预测。分子评估和解释路径为我们的结果带来了可靠性，并构成了评估基于 KG 的药物再利用的新的互补且可重复使用的方法。