XiaoMi-AI文件搜索系统
World File Search Systemrepre
实验室所包裹的企业家计划（LEEP）
LEEP实验室企业家计划（LEEP），以应对所有这些挑战。LEEP加速了变革能源和制造技术的部署，同时还创造了就业机会并促进国内制造业。LEEP是由由高级材料和制造技术办公室（AMMTO）领导的LEEP多办公室咨询委员会管理的多办公室DOE计划。目前，有16个DOE计划办公室与该计划有关，具有以下关注的主题领域：
企业家自我效能与警觉性在中小企业绿色物流管理中的作用
本研究旨在检验一致性并建立模型。它还探讨了影响可持续性绩效的中介变量和调节变量的作用。本研究中使用的群体是一组中小企业 (SME)，样本为 250 家（Wiratchai，1999 年）。使用智能 PLS 模型，采用两阶段方法对高维潜在变量进行直接路径、中介和中介效应分析。研究结果发现，GLM、EA 和 ESE 对 SP 有直接的正向影响。EA 和 ESE 对 GLM 有直接的正向影响。中介影响测试的结果发现，EA 通过 ESE 的中介作用影响 GLM，EA 通过 ESE 的中介作用影响 SP。但是，没有发现 GLM 通过 ESE 的中介作用影响 SP 之间有任何中介作用。中介影响测试的结果发现，EA 通过 ESE 的调节变量影响 SP，EA 通过 ESE 的调节变量影响 GLM。
MDCRC 6195 创业
课程缩写：MDCRC 6195 创业精神 指定：第 3 轨道（全球健康创新和技术重点）的 MSCI 研究生必修课程。面向所有 MSCI 和工程专业学生（研究生或本科生）以及犹他大学所有其他学院和学校的研究生。 课程描述：第 3 轨道为期两周的 4 月密集课程继续教授医疗技术创新和设计的原则，重点关注生物技术/医疗技术行业内的创业精神和业务发展。MDCRC 6195 创业精神（周一/周三/周四课程）包括现场培训和客座讲座，主题涉及每年 4 月举行的 Bench 2 Bedside (B2B) 医疗技术学生竞赛，由犹他大学医学创新中心 (CMI) 主办。B2B 竞赛在为期两周的密集课程期间举行，为学生领导的团队展示新兴技术和医疗技术初创企业。与业务发展和战略相关的其他主题包括：美国医疗保健经济学、国际医疗保健金融、医疗报销战略、全球环境下的可持续商业模式、了解客户需求、市场需求、市场选择、竞争格局分析、战略合作伙伴关系、商业模式画布、企业实体/税收结构、资本收购和宣传视频制作。课程还简要回顾了与创业战略相关的先前第 3 轨道主题（美国 FDA 监管事务、知识产权 [IP] 等）。在课堂战略课程中，学生将担任自己项目和其他团队项目的临时顾问，重点关注概念和原型开发以及与上述创业主题相关的讨论。学生将学习如何通过识别可以通过创新医疗技术过程解决的诊断和治疗缺陷来解决现实世界的临床问题。基于文本的讲座系列将辅以互动讲座，这些讲座提供现实世界的医疗创新过程示例，这些示例由客座讲师提供，他们已成功驾驭战略生物设计过程并通过创新技术影响医疗保健。出席和参与至关重要。提前阅读并完全熟悉我们在课程中涵盖的所有案例研究也非常重要。您的参与成绩将在很大程度上取决于参与案例研究讨论的情况。在外科和临床环境中的临床观察提供了一个非常独特和关键的学习机会，因为学生可以在使用技术和提供护理的临床环境中观察并与患者、医生和其他医疗保健提供者互动。请保持尊重并遵守进入此环境所需的所有大学规则、程序和着装要求。这次经历是一次真正的荣幸，也是本课程的亮点。课程主任：Bryan McRae，医学博士办公时间：预约电话：801-585-1626 电子邮件：Bryan.McRae@hsc.utah.edu
研究文章 创业韧性、领导风格和员工绩效的定量分析：结构方程模型方法
本研究采用先进的统计方法，通过领导风格的调节作用，研究了创业韧性对中小企业 (SME) 员工绩效的影响。使用 AMOS 的结构方程模型 (SEM)，分析了通过 449 份有效回复的调查收集的数据，以探索创业韧性的四个关键维度之间的关系：个人能力、对负面影响的容忍度、对变化的接受度和控制力。变革型领导力被分析为中介变量，以评估其在提高员工绩效方面的作用。研究结果显示了统计学上显著的关系：创业韧性直接对员工绩效产生积极影响，而变革型领导力会放大并部分调节这种影响。研究表明，中小企业可以通过培养韧性文化和变革型领导力来提高绩效和适应性。
从跨编码数据中预测生物地球化学周期的粗粒表示
抽象动机：由于DNA测序的进步，现在常规地进行了环境微生物群落的分类学分析。确定这些群落在全球生物地球化学周期中的作用需要鉴定其代谢功能，例如氢氧化，还原和碳固定。这些功能可以直接从宏基因组学数据中推断出来，但是在许多环境应用中，MetabarCoding仍然是选择的方法。从元法编码数据及其整合到地球化学循环的粗粒表示中，代谢功能的重建仍然是当今有效的生物信息学问题。结果：我们开发了一条称为Tabigecy的管道，该管道利用分类学官员来预测构成生物地球化学周期的代谢功能。在第一个步骤中，Tabigecy使用该工具Esmecata从输入液位中预测共识蛋白质组。为了优化此过程，我们生成了一个预先计算的数据库，其中包含来自Uniprot的2,404个分类单元的信息。使用BigeCyhmm搜索了共有的蛋白质组织，BigeCyhmm是一个新开发的Python软件包，依靠隐藏的Markov模型来识别参与生物地球化学周期代谢功能的关键酶。然后将代谢功能投射到周期的粗粒表示上。我们将塔博基（Tabigecy）应用于两个盐洞数据集，并通过对样品进行的微生物活性和水力化学测量结果验证了其预测。结果突出了研究微生物群落对地理化学过程的影响的方法。关键字：微生物群落，生物地球化学周期，代谢功能，分类学官员
新颖的SPD矩阵表示形式考虑交叉...
摘要 - 来自电脑摄影（EEG）信号的认知状态的准确分类对于神经科学应用至关重要，例如脑部计算机界面（BCIS）。clasification管道通常是BCI领域的最先进的。在这种类型的BCI中，基于独立频段的EEG信号的协方差矩阵用作分类特征。然而，有明显的神经科学证据表明频率带（例如跨频耦合（CFC））神经相互作用。因此，在本文中，我们提出了考虑基于Riemannian几何学的CFC的新型对称阳性（SPD）矩阵表示形式。在三种不同的CFC SPD矩阵中描述了相位和频带之间和频段之间的扩增的空间相互作用。这使我们能够包含其他歧视性神经生理特征，这些神经生理特征在传统的Riemannian EEG特征中不可用。使用公共无源BCI数据集中的心理工作负载分类任务评估我们的方法。我们的三个CFC协方差矩阵的融合模型显示，theta和Alpha频段的常规Covari-Ance矩阵的平均分类精度在统计学上显着提高。32％，在Beta和伽马频段中以4为4。34％的标准偏差较小。该结果证实了考虑到riemannian脑电图分类内和频率之间考虑更多多样化的神经生理相互作用的有效性。索引术语 - 电脑摄影（EEG），Riemannian Ge-emetry，Brain-Computer接口（BCI），跨频COU-PLING（CFC）
战略计划Firoz Lalji非洲研究所
在线零工经济经常因消灭传统工人和失业而受到批评。但是，亚伦·郑（Aaron Cheng）的新研究找到了像Taskrabbit这样的在线演出平台，可以对劳动力市场产生积极影响，鼓励企业家精神并支持创建新的小型企业。
通过Mellin空间中可解释的潜在表示学习PDF
代表质子和其他黑龙的Parton分布函数（PDF）通过柔性，高保真的参数化已成为粒子物理现象学的长期目标。尤其如此，因为所选的参数化方法可以在QCD全局分析中提取的最终PDF不确定性中起影响力。反过来，这些通常是LHC和其他设施到非标准物理的实验范围的确定性，包括在大X上，参数化效应可能很重要。在这项研究中，我们探索了一系列具有各种神经网络拓扑的编码器 - 模型学习（ML）模型，作为从可解释的潜在空间中存储的有意义的信息中重建PDF的有效手段。鉴于最近努力在QCD分析和晶格规范计算之间进行协同效应，我们根据PDF在Mellin空间中的行为（即它们的综合力矩）制定了潜在表示，并测试了各种模型从该信息中解释PDF的能力。我们引入了一个数值软件包PDFDE-CODER，该软件包实现了几种编码器模型，以重建具有高忠诚度的PDF，并使用此端到端工具来探索基于神经网络的模型可能如何将PDF Para-para-para-para-质量连接到诸如其Melllin Moments之类的属性属性。我们还剖析了编码的Mellin矩和重建的PDF之间学习相关性的模式，这些模式提出了进一步改进基于ML的PDF参数化方法和不确定性量化的机会。
贝叶斯网络的优化量子电路表示
摘要：近年来，人们对量子机器学习的兴趣日益高涨，研究人员积极开发利用量子技术的力量解决各个领域高度复杂问题的方法。然而，由于量子资源有限和固有噪声，在有噪声的中间量子设备 (NISQ) 上实现基于门的量子算法面临着显著的挑战。在本文中，我们提出了一种在量子电路上表示贝叶斯网络的创新方法，专门用于应对这些挑战。我们的目标是最大限度地减少在量子计算机上实现量子贝叶斯网络 (QBN) 所需的量子资源。通过精心设计动态电路中的量子门序列，我们可以优化有限量子资源的利用率，同时减轻噪声的影响。此外，我们提出了一项实验研究，证明了我们提出的方法的有效性和效率。通过在 NISQ 设备上进行模拟和实验，我们表明我们的动态电路表示显著降低了资源需求并增强了 QBN 实现的稳健性。这些发现凸显了我们的方法的潜力，为量子贝叶斯网络在当前可用的量子硬件上的实际应用铺平了道路。
通过神经影像学研究提取认知表征可改善大脑解码
认知脑成像正在积累有关许多不同心理过程的神经基础的数据集。然而，大多数研究都基于少数受试者，统计能力较低。跨研究分析数据可以带来更多的统计能力；然而，当前的脑成像分析框架无法大规模使用，因为它需要将所有认知任务置于统一的理论框架中。我们引入了一种新方法来分析跨任务的大脑反应，而无需心理过程的联合模型。该方法通过联合分析具有特定认知重点的小型研究与探究不太重点的心理过程的大型研究，提高了小型研究的统计能力。我们的方法提高了 35 项差异很大的功能成像研究中 80% 的解码性能。它通过预测心理过程的共同大脑表征，以数据驱动的方式发现跨任务的共性。这些是适应心理操纵的大脑网络。它们概述了可解释和合理的大脑结构。提取的网络已经可用；它们可以在新的神经成像研究中轻松重复使用。我们提供了一个多研究解码工具来适应新数据。