XiaoMi-AI文件搜索系统
World File Search Systemsizes
重尾性接触网络中免疫力的积累塑造MPOX爆发量
1个国际卫生与福利大学医学院，日本纳里塔； 2英国伦敦卫生与热带医学学院传染病流行病学系； 3英国伦敦伦敦卫生与热带医学学院传染病数学建模中心； 4南非共和国斯泰伦博斯大学，南非流行病学建模与分析卓越中心，南非共和国； 5国家公共卫生与环境研究所（RIVM），荷兰比尔索文； 6日本Ehime Ehime University海洋环境研究中心； 7卡罗莱纳大学北卡罗来纳大学的卡罗来纳州人口中心，美国北卡罗来纳州教堂山教堂山； 8伦敦卫生与热带医学学院全球卫生与发展系； 9英国伦敦伦敦大学学院全球健康研究所；日本长崎纳加萨基大学的10年热带医学和全球健康学校1个国际卫生与福利大学医学院，日本纳里塔； 2英国伦敦卫生与热带医学学院传染病流行病学系； 3英国伦敦伦敦卫生与热带医学学院传染病数学建模中心； 4南非共和国斯泰伦博斯大学，南非流行病学建模与分析卓越中心，南非共和国； 5国家公共卫生与环境研究所（RIVM），荷兰比尔索文； 6日本Ehime Ehime University海洋环境研究中心； 7卡罗莱纳大学北卡罗来纳大学的卡罗来纳州人口中心，美国北卡罗来纳州教堂山教堂山； 8伦敦卫生与热带医学学院全球卫生与发展系； 9英国伦敦伦敦大学学院全球健康研究所；日本长崎纳加萨基大学的10年热带医学和全球健康学校
波动和可控设备之间的功率平衡及存储大小优化的系统条件
摘要：随着分布式发电机 (DG) 的快速发展和可再生能源 (RES) 电力渗透水平的提高，在发电功率和需电功率存在不确定性和多变性 (即功率波动) 的情况下，任何电力系统的安全持续运行都是一个关键问题。引入可控发电机和电力存储设备对于缓解这一问题是必不可少的。为满足电力供需平衡要求，在功率平衡约束下进行潮流分配至关重要。然而，由于发电机和负载的物理功率限制约束、电力存储设备的容量限制和连接安排，很难实现功率平衡。本文提出了一种系统特性来描述发电机、负载、存储设备及其之间连接的关系。应满足所提出的特性系统以通过保持存储设备的 SOC 边界来保证给定潮流系统的安全运行。也就是说，要实现可行的电力流分配，需要考虑许多问题，例如必须如何确定发电机和负载的功率限制（即最大和最小功率水平）、存储设备的容量有多大以及必须考虑的连接的物理布置。本文还展示了一个优化问题，包括优化存储容量、使用可再生和不可再生能源发电机以及与电力需求相匹配。本文讨论了几种演示场景，以应用和验证我们提出的系统特性。
用机器学习确定的辐射冷却油漆中多个纳米颗粒大小的真正好处
以前的作品发现，与单个粒径相比，辐射冷却油漆的多个纳米颗粒大小会增加太阳反射率。在这项研究中，我们通过结合MIE理论，蒙特卡洛模拟和机器学习方法来评估这一发现，以识别BASO 4和TIO 2-丙烯酸丙烯酸辐射冷却油漆中最佳粒径组合。我们发现，最佳的多个粒径确实超过了Tio 2油漆中最佳的单尺寸，但与Baso 4油漆中的最佳单尺寸相比，表现不佳。这是由于Baso 4在太阳光谱上的接近恒定折射率所致。此外，只要平均粒径在300 - 600 nm附近，不同的粒径分布也会产生类似的高太阳反射率。考虑到精确生产单个粒径是不可行的，我们得出结论，多种粒径的真正好处是它们可以实现具有成本效益的制造，同时保留了强大的高性能。
利用生成对抗网络增强脑电图可增强跨分类器和样本大小的大脑解码能力
脑电图 (EEG) 在大脑解码方面具有巨大潜力，由于需要大量数据，这一潜力尚未得到开发。机器学习的进步通过数据增强技术（如生成对抗网络 (GAN)）缓解了这种需求。在这里，我们评估了 GAN 可以在多大程度上增强 EEG 数据以提高分类性能。我们的目标是确定哪些分类器可以从 GAN 增强的 EEG 中受益，并估计样本量对 GAN 增强的影响。我们研究了三种分类器——神经网络、支持向量机和逻辑回归，涉及七种样本量，从 5 到 100 名参与者。GAN 增强的 EEG 增强了神经网络和支持向量机的分类能力，但没有增强逻辑回归。此外，随着样本量的增加，GAN 的增强效果会减弱——这表明它对小样本最有效，这可能有助于无法收集大量数据的研究。关键词：EEG、GAN、数据增强、神经网络、支持向量机、逻辑回归
灵活的变压器：一个简单的基于新颖的变压器网络，用于在变体输入图像尺寸
卷积神经网络（CNNS），是最重要的深度学习网络，用于构想者视觉，已进行了一系列的发展和改进，以进行与图像相关的任务，例如对象识别，图像分类，语义细分等。然而，在自然语言处理（NLP）领域，基于注意力的新网络变速器对机器翻译产生了深远的影响，随后导致了基于注意的计算机视觉模型的繁荣。具有关注的最新模型已经显示出对计算机视觉任务的良好性能。例如，与当前的卷积神经网络的表现相比，自我注意力学会在不同位置的细分或单词之间的关系。受视觉转移（VIT）的启发，我们提出了一个简单的新型变压器体系结构模型，称为Flexible Transformer，该模型继承了基于注意力的架构的属性，并且对于任意大小的输入而言是灵活的。除了自我注意事项外，VIT中的输入没有预处理，例如调整大小或裁剪，但在不改变它们的情况下保持完整，这可能导致信息失真或信息丢失。在本文中，我们想介绍一个满足这些要求的新颖而简单的体系结构。与艺术品相比，我们的模型流程输入具有任意图像大小的输入，而没有任何预处理和预处理成本。此外，实验的结果表明，尽管资源有限，该模型仍可以以很高的精度提供良好的结果。，即使灵活变压器的结果不如视觉变压器的结果准确，但它们显示了具有可变大小图像的图像分类任务中具有高性能的模型的潜力。研究的重要性为处理深度学习任务中的原始图像打开了可能性。基于原始输入，如果对拟议的模型进行了优化并在大型数据集上进行了进一步培训，则可以获得良好准确性的可靠结果。
太阳辐射对火星上不同粒径的颗粒状二氧化碳和水冰的穿透
摘要 已经通过实验测量了波长范围为 300 – 1,100 nm 的广谱太阳辐射对不同粒径范围的水和二氧化碳冰的穿透深度。这两种冰成分都在火星表面被发现，并被观测到为表面霜冻、积雪和冰盖。之前已经测量过雪和板冰的 e 折叠尺度，但了解这些最终成员状态之间的行为对于模拟与火星上冰沉积物相关的热行为和表面过程非常重要，例如晶粒生长和通过烧结形成板冰，以及二氧化碳喷射导致蜘蛛状物形成。我们发现穿透深度随着晶粒尺寸的增加而以可预测的方式增加，并且给出了一个经验模型来拟合这些数据，该模型随冰成分和晶粒尺寸而变化。
基于 P300 的脑机接口拼写器：严重运动障碍患者对三种拼写器尺寸的可用性评估
脑机接口 (BCI) 拼写器允许严重运动障碍的患者使用他们的大脑活动进行交流，而无需肌肉活动。广泛研究的基于 P300 的 BCI 拼写器的不同视觉配置已在健康和运动障碍用户中进行了评估。但拼写器大小（以厘米为单位）仅针对健康受试者进行了评估。我们认为拼写器大小可能会限制一些头部和眼球运动受限的严重运动障碍患者。针对七名患有肌萎缩侧索硬化症 (ALS) 的患者和一名患有杜氏肌营养不良症 (DMD) 的参与者评估了三种拼写器尺寸的可用性。这是首次对严重运动障碍参与者进行拼写器尺寸可用性评估。中等拼写器的有效性（在线结果中）和效率（工作量测试中）明显更好。中等尺寸拼写器的满意度明显最高，小尺寸拼写器的满意度最低。这些结果与之前在健康受试者中描述的发现相一致。总之，在设计拼写器范例时应考虑拼写器的大小，尤其是对于运动障碍人士，因为它可能会影响他们在控制 BCI 拼写器时的表现和用户体验。
从其案例历史的全面评估中得出的聚合物凝胶处理尺寸的新设计策略
复兴布朗菲尔德石油生产的动机扩大了在Jection Wells中应用聚合物凝胶处理的利益。实际上，在类似的储层类型中实施的先前补救措施的数量用于大小新作业。这样的基于类比的设计程序迫使基于全面的现场调查来评估每种储层类型的最频繁设计。这项调查通过审查其在653个注入井中的现场应用，为聚丙烯酰胺聚合物散装凝胶提供了一种新的治疗尺寸策略。新策略建议使用每个储层类型的平均凝胶量和最常见的凝胶量作为对新处理大小的初始估计。使用描述性统计数据和堆叠的条形图从65个现场项目（1985 - 2020）评估了五个凝胶体积的参数。使用四分位间范围方法的异常值检测方法识别出了不足或过度设计的项目。使用多个散点图来确定处理时间和储层温度如何影响治疗量。为了确定凝胶治疗失败的可能原因，没有成功的飞行员束缚了有效的项目。审查表明，散装凝胶处理已成功地处理了储层小偷，可移动的孔隙体积（MPV）30至1,036,000桶。治疗量在240至60,000桶之间；但是，凝胶量<1000和> 20,000桶在现场并不常见。凝胶处理的平均尺寸为10,300桶，每英尺穿孔300桶，占小偷区MPV的21％。通常，与其他储层类型相比，地层类型在砂岩和基质岩层中强烈影响治疗量和更大的处理。治疗量随凝胶处理的时间而降低，并随着形成温度的增加而升高。凝胶飞行员失败的最常见原因是凝胶处理的尺寸不足。对于非常规的储层，治疗尺寸范围在300至590桶之间，平均为414桶或每根脚15.8桶。结果还表明，随着凝胶体积的增加，所有储层类型的所有凝胶治疗反应都会改善，而不仅仅是石油产量，而不仅仅是基质形成。因此，还建议使用矩阵形成的未固结和破裂的储层“大型杀手”策略。不是使用一些类似处理的设计，而是为各种储层类型提供了凝胶处理量的深刻概念。它将显着促进凝胶处理尺寸，并减少为候选储层找到类似物所需的时间。
使用实例和实体中心分割损失函数
在本文中，我们提出了一种新型的两组分损失，用于生物医学图像分割任务，称为实例和实例中心（ICI）损失，这是一种损失函数，在使用像素损失功能（例如骰子损失）时，通常会遇到实例不平衡问题。实例组件改善了具有大型和小实例的图像数据集中的小实例或“斑点”的检测。实体中心组件提高了整体检测准确性。我们使用ATLAS R2.0挑战数据集的Miccai 2022。与其他损失相比，ICI损失提供了更好的平衡分段，并以改进1的改善而显着超过了骰子损失。7-3。7％，斑点损失为0。6-5。0％的骰子相似性系数在验证和测试集中，这表明ICI损失是实例不平衡问题的潜在解决方案。关键字：实例和实体中心细分损失，细分损失。
个性化的功能性脑系统拓扑和重大抑郁：斑块大小与临床轮廓和行为之间的关系
摘要背景：通常使用小组级方法进行了严重抑郁症的神经影像学研究。但是，鉴于大脑系统中的个体差异，需要个性化的方法来映射大脑系统，并针对诊断，症状和行为的推定联系。方法：我们使用了一种迭代分割方法来绘制来自一项多站点，安慰剂对照临床试验的328名参与者的个性化大脑系统。我们假设抑郁症的参与者会表现出显着性，控制，默认和情感系统的异常，这将与较高水平的自我报告的Anhedonia，焦虑唤醒和较差的认知表现有关。在假设的大脑系统中，我们比较了抑郁症和健康对照组之间的斑块大小（顶点）。在抑郁的组中，异常斑块与假设的临床和行为指标相关。结果：假设的斑块中出现了显着的群体差异1）横向显着性系统（顶孔孔； t 326 = 2 3.11，p = .002）和2）对照系统（左侧前额叶区域； Z = 2 3.63，P，.001），并在适当的斑点上进行了抑制，这些依据是pationsion的抑制作用。结果表明，在横向显着性系统和控制系统区域中较小斑块大小的抑郁症的参与者经历了更大的焦虑唤醒和认知能力。结论：发现在单个层面上映射的神经特征可能与诊断，症状和行为有意义有关。采用个性化的大脑系统方法来绘制神经功能连接性具有很强的临床意义，因为这些相关的区域斑块大小可能有助于促进我们对与精神病理学相关的神经特征并培养未来患者特定患者的临床决策的理解。