XiaoMi-AI文件搜索系统
World File Search System两种方法
两种方法的故事：揭示GAN的局限性和贝叶斯网络的综合网络交通生成
T细胞受体（TCR）及其同源表位之间结合的准确预测是理解适应性免疫反应和发展免疫疗法的关键。当前方法面临两个显着的局限性：全面的高质量数据的短缺以及通过选择监督学习方法中常用的负面培训数据引起的偏见。我们提出了一种基于变压器的方法，用于相互作用的肽和T细胞受体（Tulip）的方法，该模型通过利用不完整的数据和无监督的学习以及使用语言模型的变压器体系结构来解决这两个限制。我们的模型具有灵活性，并整合了所有可能的数据源，无论其质量或完整性如何。我们证明了先前有监督方法中使用的抽样程序引入的偏差的存在，强调了不受监督的方法的需求。郁金香识别表位的特定TCR结合，在看不见的表位上表现良好。我们的模型优于最先进的模型，并为开发更准确的TCR表位识别模型提供了有希望的方向。
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
Oskroba，Aleksander，Pawlin，Mateusz，Orzechowska，Aleksandra，Ziętara，Karolina，Pawełczak，Natalia，Raksa，Karolina，Karolina，Zielonka，Zielonka，Bartłomiej，Kowalcza，Kowalcza 认知评估的两种方法 口臭的病因，诊断和管理 社会经济的社会和经济优势... snus and Health Zubiak, Marlena, Byrska, Martyna, Barska-Kobylińska, Hanna, Langner, Sara, Malak, Ewa Katarzyna, Janura, Marta, Elias, Jagoda, Biesiada, Wiktor, Szyd 检查益生菌对运动员的影响：评论 原始文章收到13.07.2019;修订版02/06/2020;接受30.09.2020引用：Janowski，M。（2020）。基本的社会经济实体和社会 心血管疾病中的口腔微生物营养不良 Michalska，Milena，STEC，Albert，Lubaszka，Zuzanna，该，Urszula，Urszula，Fiega，Jakub，Szewczyk，Dorota，Dorota，Gil，Aleksandra，Aleksandra，Sikorski，Piotr＆Sikorska，Ewa，Ewa。 纸的类型（文章-UMK 纸的类型（文章-UMK GLP-1类似物和二甲双胍对骨关节炎患者的潜在益处 人类肢解症的治疗选择 sobiński，Adam，Czerwonka，Matylda，Kościuszko，Zuzanna，Kurza，Kurza，Katarzyna，Ciraolo，Silvia，Podolec，Julianna，Julianna，Kulczycka-Rowicka，Agnieszka，Agnieszka，Lesiczka，Lesiczka-lesiczka--
杂志在波兰评估参数教育和科学部长中的40分。附件是2021年12月21日教育与科学部长的环境。很好。32343。有期刊的唯一标识符：201159。分配的科学学科：物理文化科学（医学和健康科学领域）；健康科学（医学科学和健康科学领域）。2019年的部长朋克 - 现年40分。从2021年21日起，教育和科学部长的发展。 LP。32343。辞职的科学学科：物理文化科学（医学科学与健康科学的COOM）；卫生选举（Enon医学与健康科学）。 ©作者2023;本文在波兰托伦（Torun）的尼古拉斯（Nicolauss）的尼古拉斯（Nicolauss of Nicolauss）开放式尼古拉斯（Nicolauss of Nicolauss）开放式访问中发表了本文。 This article is distracted under the therms of the Creative Commons Attribation Attribation Noncommercial License y permits ann noncommercial zse, distraction, and reproducation in an an an an an an a medium, provided the ariginal a carhor (s) and source are归功于。 这是根据创意共享属性归因于非商业授权人共享的Ackenses许可的AN OPEN ACCES文章。 （http://creativecommons.org/licenses/by-nc-sa/4.0/），只要适当地引用了工作，就可以在任何媒介中不受限制，非商业用途，分发和复制。 汽车宣布TER与利益的利益没有冲突，即本文的出版。辞职的科学学科：物理文化科学（医学科学与健康科学的COOM）；卫生选举（Enon医学与健康科学）。 ©作者2023;本文在波兰托伦（Torun）的尼古拉斯（Nicolauss）的尼古拉斯（Nicolauss of Nicolauss）开放式尼古拉斯（Nicolauss of Nicolauss）开放式访问中发表了本文。 This article is distracted under the therms of the Creative Commons Attribation Attribation Noncommercial License y permits ann noncommercial zse, distraction, and reproducation in an an an an an an a medium, provided the ariginal a carhor (s) and source are归功于。 这是根据创意共享属性归因于非商业授权人共享的Ackenses许可的AN OPEN ACCES文章。 （http://creativecommons.org/licenses/by-nc-sa/4.0/），只要适当地引用了工作，就可以在任何媒介中不受限制，非商业用途，分发和复制。 汽车宣布TER与利益的利益没有冲突，即本文的出版。辞职的科学学科：物理文化科学（医学科学与健康科学的COOM）；卫生选举（Enon医学与健康科学）。©作者2023;本文在波兰托伦（Torun）的尼古拉斯（Nicolauss）的尼古拉斯（Nicolauss of Nicolauss）开放式尼古拉斯（Nicolauss of Nicolauss）开放式访问中发表了本文。This article is distracted under the therms of the Creative Commons Attribation Attribation Noncommercial License y permits ann noncommercial zse, distraction, and reproducation in an an an an an an a medium, provided the ariginal a carhor (s) and source are归功于。这是根据创意共享属性归因于非商业授权人共享的Ackenses许可的AN OPEN ACCES文章。（http://creativecommons.org/licenses/by-nc-sa/4.0/），只要适当地引用了工作，就可以在任何媒介中不受限制，非商业用途，分发和复制。汽车宣布TER与利益的利益没有冲突，即本文的出版。收到：09.03.2023。修订：14.03.2023。接受：22.03.2023。发布：24.03.2023。
认知评估的两种方法
杂志在波兰评估参数教育和科学部长中的40分。附件是2021年12月21日教育与科学部长的环境。很好。32343。有期刊的唯一标识符：201159。分配的科学学科：物理文化科学（医学和健康科学领域）；健康科学（医学科学和健康科学领域）。2019年的部长朋克 - 现年40分。从2021年21日起，教育和科学部长的发展。 LP。32343。辞职的科学学科：物理文化科学（医学科学与健康科学的COOM）；卫生选举（Enon医学与健康科学）。 ©作者2022;本文在波兰托伦（Torun）的尼古拉斯（Nicolauss）的尼古拉斯（Nicolauss of Nicolauss）开放式尼古拉斯（Nicolauss of Nicolauss）开放式访问中发表了本文。 This article is distracted under the therms of the Creative Commons Attribation Attribation Noncommercial License y permits ann noncommercial zse, distraction, and reproducation in an an an an an an a medium, provided the ariginal a carhor (s) and source are归功于。 这是根据创意共享属性归因于非商业授权人共享的Ackenses许可的AN OPEN ACCES文章。 （http://creativecommons.org/licenses/by-nc-sa/4.0/），只要适当地引用了工作，就可以在任何媒介中不受限制，非商业用途，分发和复制。 汽车宣布TER与利益的利益没有冲突，即本文的出版。辞职的科学学科：物理文化科学（医学科学与健康科学的COOM）；卫生选举（Enon医学与健康科学）。 ©作者2022;本文在波兰托伦（Torun）的尼古拉斯（Nicolauss）的尼古拉斯（Nicolauss of Nicolauss）开放式尼古拉斯（Nicolauss of Nicolauss）开放式访问中发表了本文。 This article is distracted under the therms of the Creative Commons Attribation Attribation Noncommercial License y permits ann noncommercial zse, distraction, and reproducation in an an an an an an a medium, provided the ariginal a carhor (s) and source are归功于。 这是根据创意共享属性归因于非商业授权人共享的Ackenses许可的AN OPEN ACCES文章。 （http://creativecommons.org/licenses/by-nc-sa/4.0/），只要适当地引用了工作，就可以在任何媒介中不受限制，非商业用途，分发和复制。 汽车宣布TER与利益的利益没有冲突，即本文的出版。辞职的科学学科：物理文化科学（医学科学与健康科学的COOM）；卫生选举（Enon医学与健康科学）。©作者2022;本文在波兰托伦（Torun）的尼古拉斯（Nicolauss）的尼古拉斯（Nicolauss of Nicolauss）开放式尼古拉斯（Nicolauss of Nicolauss）开放式访问中发表了本文。This article is distracted under the therms of the Creative Commons Attribation Attribation Noncommercial License y permits ann noncommercial zse, distraction, and reproducation in an an an an an an a medium, provided the ariginal a carhor (s) and source are归功于。这是根据创意共享属性归因于非商业授权人共享的Ackenses许可的AN OPEN ACCES文章。（http://creativecommons.org/licenses/by-nc-sa/4.0/），只要适当地引用了工作，就可以在任何媒介中不受限制，非商业用途，分发和复制。汽车宣布TER与利益的利益没有冲突，即本文的出版。收到：12.10.2022。修订：21.11.2022。接受：02.12.2022。
使用两种方法比较局部流感疫苗的有效性
保留所有权利。未经许可就不允许重复使用。预印本（未经同行评审的认证）是作者/资助者，他已授予Medrxiv的许可证，以永久显示预印本。该版本的版权持有人于2020年9月18日发布。 https://doi.org/10.1101/2020.09.14.20194449 doi：medrxiv preprint
应对恐惧的两种方法
两种应对恐惧的方法 这是一个可怕的时期，简单来说*。而现在，我们得到的主要信息是我们需要“躲起来”。与他人相处的时间更少，思考和担忧的时间更多，意味着我们容易陷入消极的想法和情绪。许多接听患者电话的医生表示，他们接到的与焦虑和恐惧有关的电话比与预防或治疗 COVID-19 有关的电话多得多。 有哪些方法可以应对恐惧？这里有两种选择： 1. 平息情绪：“说出它的名字，然后驯服它”。 “说出它的名字，然后驯服它”这句话出自作家肖娜·夏皮罗 (Shauna Shapiro)。1她指出，要处理像恐惧这样具有挑战性的情绪，我们必须做的最重要的事情之一就是首先注意它 - 并说出它的名字。我们天生就会在思考之前感受到一种情绪。只有直视自己的情绪，我们才有能力真正处理它们。几年前，有一项针对学生的研究，研究了如果他们专注于命名他们在人物照片中看到的情绪，他们的大脑会发生什么变化。2 这与他们命名与情绪无关的图片中其他东西时发生的情况进行了比较。命名情绪可以让学生的大脑平静下来，而命名其他东西则不会。当我们命名自己的情绪时，也会发生同样的事情——我们会平静下来。那么我们如何利用这一点来帮助自己呢？当某件事让你感到不舒服时，无论是情绪还是痛苦，还是某种症状，最好的办法可能是面对它。真正了解它。就恐惧而言，这意味着意识到你有恐惧，命名它，然后更多地了解它。你在身体的哪个部位注意到了它？它是如何出现的？紧绷？紧张？紧握？是什么在此刻触发了它？你以前有过同样的感觉吗？你的脑海中可能正在发生哪些相关的想法或故事？你能好奇地观察它，让它保持原样，就在这一刻吗？什么能帮助它消失？你知道的越多，你就越有能力去处理它。这可能并不总是意味着摆脱它，但它总是意味着学习如何更好地应对它。如果我们不说出自己的情绪，它就会造成问题。我们可以试着忽略它们或埋葬它们，但这很像玩打地鼠游戏——我们把情绪压下去，但它会在别的地方冒出来。在一项研究中，忽视自己感受的人发现，这些感受实际上会停留更长时间。3
使用 Thorpe 排序估计混合的两种方法的比较
使用 Thorpe 排序和尺度分析对 2017 年春季收集的一些高分辨率 CTD 数据进行了分析，包括常用的“Thorpe 尺度”方法和较少使用的方法，该方法基于直接估计“可用翻转势能”（AOPE）：混合“湍流斑块”中原始密度剖面与排序密度剖面的势能之间的差异。剖面仪的速度各不相同，因此空间（垂直）采样不均匀。开发并描述了一种方法，将 Thorpe 缩放和 AOPE 方法应用于这种不均匀采样的数据。 AOPE 方法似乎对“背景”浮力频率 N 的估计（约束性较差）不太敏感。虽然这些方法通常用于首先估计湍流动能的耗散率 « K，但真正的目标是估计密度扩散率 K r，从而估计混合对密度分布的净改变。两个易于测量的无量纲参数被提出作为混合斑块“年龄”或“状态”的可能指标，这可能有助于解决总湍流能量和耗散如何在动能和势能成分之间分配的问题，以及测量的 AOPE 中有多少最终会改变背景分层。下面提供了一个关于其如何工作的推测性示例。