XiaoMi-AI文件搜索系统
World File Search System中共
哪些因素促成了人工智能的接受？系统评价
据预测，人工智能 (AI) 代理将在未来十年内渗透到大多数行业，从而推动个人、行业和社会向新技术转变。因此，近年来人们对用户对 AI 技术的接受度的兴趣和研究激增。然而，现有研究似乎分散且缺乏系统性综合，限制了我们对用户对 AI 技术的接受度的理解。为了填补文献中的这一空白，我们按照系统评价的首选报告项目和荟萃分析指南，使用五个数据库进行了系统评价：EBSCO host、Embase、Inspec（Engineering Village host）、Scopus 和 Web of Science。论文需要同时关注用户接受度和 AI 技术。接受度被定义为使用、购买或尝试商品或服务的行为意图或意愿。在数据库搜索中共找到 7912 篇文章。本次评价纳入了 60 篇文章。大多数研究（n = 31）没有在论文中定义 AI，38 项研究没有为参与者定义 AI。扩展技术接受模型 (TAM) 是评估用户对 AI 技术接受度的最常用理论。感知有用性、绩效期望、态度、信任和努力期望显著且积极地预测了多个行业中 AI 的行为意图、意愿和使用行为。然而，在某些文化场景中，无论感知有用性或感知易用性如何，对人际接触的需求似乎都无法被 AI 复制或取代。鉴于文献中存在的大多数方法都依赖于自我报告数据，需要使用自然方法进行进一步研究，以验证最能预测 AI 技术采用情况的理论模型。
通过编辑缺乏自然变异的 AhKCS 基因来提高花生的营养品质
花生 ( Arachis hypogaea L.) 是全球主要油料作物，广泛种植于热带和亚热带地区。由于花生含油量高 (约 46% – 58%) 和蛋白质含量高 (约 22% – 32%)，在解决营养不良和确保许多地区的粮食安全方面发挥着关键作用。由于对人类健康的潜在影响，植物油和食品的脂肪酸谱最近引起了越来越多的关注。极长链脂肪酸 (VLCFA) 被定义为碳链长度超过 18 个原子的脂肪酸 (Guyomarc'h et al ., 2021 )。花生仁含有各种 VLCFA，例如花生酸 (C20:0)、二十碳烯酸 (C20:1)、二十二烷酸 (C22:0) 和二十四碳烯酸 (C24:0)，但大多数是饱和脂肪酸 (SFA)。众所周知，高水平的极长链饱和脂肪酸 (VLCSFA) 与动脉粥样硬化和心血管疾病的患病率有关 (Bloise 等人，2022 年)。因此，降低花生中的 VLCFA 含量变得越来越重要，因为它对提高营养品质和健康价值有积极影响。已知植物中 VLCFA 的生物合成受关键酶 b-酮脂酰辅酶 A 合酶 (KCS) 调控 (Wang 等人，2017 年)。在我们之前的研究中，在花生基因组中共鉴定出 30 个 AhKCS 基因。经过基因表达谱和功能分析，一对同源基因 AhKCS1 和 AhKCS28 被鉴定为花生仁中 VLCFA 含量的假定调节因子。现有花生种质资源中 VLCFA 含量范围为 4.3% 至 9.8%，但在 AhKCS1 和 AhKCS28 基因内部或周围未观察到序列变异，这表明
mental-2023-1-e51459.pdf
背景：注意力缺陷多动障碍 (ADHD) 在学龄儿童中比较常见。基于技术的干预措施，例如计算机辅助训练计划、神经反馈训练和虚拟现实，在调节 ADHD 儿童的行为和认知功能方面显示出良好的前景。越来越多的随机对照试验已开展，以评估这些技术在改善 ADHD 儿童状况方面的有效性。目的：本研究旨在对针对学龄 ADHD 儿童的技术干预措施进行系统回顾，并对基于技术的干预措施的结果进行荟萃分析。方法：从 7 个电子数据库的 2404 篇文章中共选出 19 项随机对照研究，涉及 1843 名参与者，时间跨度从建库到 2022 年 4 月。本研究探讨了 ADHD 行为、认知功能、学习能力和生活质量。结果：随机效应荟萃分析发现，接受基于技术的干预的 ADHD 儿童在计算机评定的注意力不集中（标准化均数差 [SMD] -0.35；P <.04）、父母评定的整体执行功能（以执行功能行为评定量表衡量）（SMD -0.35；P <.04）、父母评定的破坏性行为障碍（以儿童行为检查表衡量）（SMD -0.50；P <.001）和破坏性行为障碍评定量表（SMD -0.31；P <.02）以及计算机评定的视觉注意力（以持续性能测试衡量）（SMD -0.42；P <.001）和反应时间（SMD -0.43；P <.02）方面表现出小而显著的效应大小。结论：基于技术的干预措施是改善学龄 ADHD 儿童某些 ADHD 行为和认知功能的有希望的治疗方法。试验注册：PROSPERO CRD42023446924； https://tinyurl.com/7ee5t24n
更新电源路演演示
本演讲已准备好由RMG Accienition Corp. II（“ RMG II”）和Renew Power Private Limited（“续订”），仅针对合格的机构买家（如规则144a所定义的1933年证券法所定义的投资者，如1933年所定义的）和合格的机构及其及其典型的餐厅（例如，及其及其及其及其及其及其及其属于的客户，例如EU，以及EU，以及EU，以及EU，EU，EU，EU，EU，EU，EU，EU，EU，EU，以及EU的EU，则是在规则中的规则。为了使此类投资者与RMG II熟悉并与他们的拟议业务组合有关，在2014/65/EU指令中定义。此外，此演讲仅针对特定的收件人并指向：（a）如果在欧洲经济领域的成员国（“ EEA”）中，是在2017/1129（EU）第2（e）（EU）（EU）第2（e）（EU）（ASEDEDS）（“合格的投资者）（“合格的投资者）（“合格的投资者）”第2（e）中，他们是“合格的投资者”的人； （b）如果在英国是合格的投资者：（i）在2000年《金融服务与市场法》第19（5）条（金融促进）2005年（“订单”）第19（5）条中属于“投资专业人士”定义的投资方面的专业经验的人；或（ii）属于命令的第49（2）（a）至（d）条的高净值实体；或（c）是其他人可以合法传达的其他人（所有这些人在（b）和（c）中共同是“相关的人”）。本演讲不得由英国不相关的人和（ii）在EEA的任何成员国中由没有合格投资者的人来执行或依赖（i）。本演示文稿所关联的任何投资或投资活动仅适用于或仅适用，并且可能仅与（i）英国相关人员参与； （ii）EEA任何成员国的合格投资者。
脑疾病和血小板特征的多特征关联分析确定了重大抑郁症，阿尔茨海默氏症和帕金森氏病的新型易感位点
摘要：在候选神经退行性/神经精神上的风险预测生物标志物中，血小板计数，平均血小板体积和血小板分布宽度与重大抑郁症（MDD），阿尔茨海默氏病（AD）和帕金森氏病（PD）和基因学研究的风险有关。我们使用上述所有特征的全基因组关联研究（GWASS）的公开摘要统计数据来利用这些统治进行多特征关联分析。进行了基于基因的富集测试，以及对显着富集基因的网络分析。我们分析了分析的GWASS中共有的4,540,326个单核苷酸多态性，观察到149个全基因组的多特征LD独立关联（P <5×10-8）的AD，PD的PD和139的MDD。在其中，AD检测到27个新型关联，PD检测到34个，MDD检测到40个。在±10 kb以内的带注释变体的18,781个基因中，有62个基因富含与AD的关联，70与PD和125个与MDD的关联（P <2.7×10-6）。，七个基因是AD（EPPK1，TTLL1，PACSIN2，TPM4，PIF1，PIF1，ZNF689，AZGP1P1）的新敏感性基因座，PD（SLC26A1，EFNA3）和两个用于MDD（HSPH1，TRMTMT6611A）。所得网络显示出显着的相互作用过量（富集p = 1.0×10-16）。被鉴定出的新基因参与了细胞骨架结构的组织（EPPK1，TTLL1，PACSIN2，TPM4），端粒缩短（PIF1），调节细胞老化，“ ZNF689，ZNF689，AZGP1P1）和NEUREDISTION INSINGE INSTIST INSTIST INSIGTION（eFREDINES INSTIDER INSIGTION（EFRESITION）（EFRESITCTIONT（EFRESITION）（EFLENNA3），EFLENNA3），EFRESIGHT（EFRESIGHT），EFRESIGHT（EFLENA3），，eflyna3）疾病和血小板参数。
全电池 LNMO 与 Si/石墨中锂离子电池电解质的 XPS 研究
摘要：对两种不同类型的电解质（共溶剂和多盐）进行了测试，以用于高压 LiNi 0.5 Mn 1.5 O 4 || Si/石墨全电池，并与含碳酸盐的标准 LiPF 6 电解质（基线）进行了比较。在电池的使用寿命内对阳极和阴极进行原位事后 XPS 分析表明，基线电解质的 SEI 和 CEI 不断增长。在共溶剂电解质中循环的电池表现出相对较厚且长期稳定的 CEI（在 LNMO 上），而确定在 Si/石墨上形成了缓慢增长的 SEI。多盐电解质提供更多富含无机物的 SEI/CEI，同时也形成了本研究中观察到的最薄的 SEI/CEI。在基线电解质电池中发现了串扰，其中在阴极上检测到 Si，在阳极上检测到 Mn。观察发现，多盐电解质和共溶剂电解质均能显著减少这种串扰，其中共溶剂最有效。此外，多盐电解质主要在使用寿命末期检测到铝腐蚀，其中阳极和阴极上均有铝。虽然共溶剂电解质在限制串扰方面提供了更优越的界面性能，但多盐电解质提供了最佳的整体性能，这表明界面厚度比串扰发挥了更好的作用。结合它们的电化学循环性能，结果表明多盐电解质为高压电池提供了更好的电极长期钝化。关键词：LNMO-Si/石墨电池、固体电解质界面、SEI、阴极电解质界面、CEI、表面分析、离子液体电解质
癌症住院患者抗肿瘤药物诱发严重不良事件的风险因素模型：基于全球触发指标的回顾性研究
本研究旨在应用机器学习方法评估与严重不良事件 (SAE) 相关的危险因素并预测使用抗肿瘤药物的癌症住院患者 SAE 的发生。回顾性审查了 2017 年 1 月 1 日至 12 月 31 日期间入院的 499 名确诊为癌症的患者的病历。首先，使用全局触发工具 (GTT) 主动监测抗肿瘤药物引起的药物不良事件 (ADE) 和 SAE，并将阳性触发因素的数量作为中间变量。随后，通过单变量分析和最小绝对收缩和选择算子 (LASSO) 分析选出具有统计学意义的危险因素。最后，以LASSO分析后的危险因素作为协变量，采用基于逻辑模型、极端梯度提升（XGBoost）、分类提升（CatBoost）、自适应提升（AdaBoost）、轻梯度提升机（LightGBM）、随机森林（RF）、梯度提升决策树（GBDT）、决策树（DT）和基于七种算法的集成模型的列线图建立预测模型，并使用ROC曲线下面积（AUROC）、PR曲线下面积（AUPR）等一系列指标评估模型性能。在我们的样本中共识别出94名SAE患者，SAE的危险因素包括诱发因素数量、住院时间、年龄、联合用药数、既往化疗中发生的ADE以及性别。在测试队列中，基于逻辑模型的列线图的AUROC为0.799，AUPR为0.527。在八种机器学习模型中，GBDT 的预测能力最好（AUROC = 0.832 和 AUPR = 0.557），优于列线图，因此被选为建立预测网页。本研究提供了一种准确预测癌症住院患者 SAE 发生率的新方法。
Domenico Napolitano & Renato Grieco 的折叠空间......
本文通过比较现象学和经验主义/媒体考古学方法来研究新的机器聆听技术。现象学将聆听与主观性联系起来，而经验主义则考虑了人类和非人类设备中聆听过程所涉及的技术操作。基于这一理论框架，本文对版权检测中使用的两种算法进行了媒体考古学研究：“声学指纹”和“音频水印”。在声音识别算法的技术操作中，经验分析表明多种空间共存：从发生在三维物理空间中的“声音事件”，到其在矢量空间中的数学表示，再到数据处理和机器对机器通信的一维信息空间。回顾德勒兹对“褶皱”的定义，我们将技术文化介导的声音中这些共存的空间维度定义为机器聆听的“折叠空间”。我们进一步论证了机器聆听中的空间问题在于自动识别的声音事件几乎无限的变化。困难在于调和声音传输的理论上持久的信息与受空间影响的声音的偶然表现。为了让机器能够处理特定于地点的声音，识别算法需要在信号处理层面重建三维空间，这是一种对声音现象的逆向工程，让人想起沃尔夫冈·恩斯特定义的“隐性声音”概念。虽然用来描述机器聆听的隐喻和社会表征往往是拟人化的——而“聆听”一词在指代数值运算时，本身就可以看作是一种隐喻——但我们认为，人类聆听和机器聆听都是在社会技术网络中共同定义的，其中聆听空间不再与聆听主体的位置重合，而是由人类和非人类机构协商确定的。
大豆产量形成生理
持续提高农作物产量是农业发展的根本驱动力，也是植物育种者和研究人员共同的目标。植物育种者在提高农作物产量方面取得了显著成功，不断推出具有更高产量潜力的品种就是明证。这主要是通过基于性能的选择来实现的，而没有对这些改进背后的分子机制的具体了解。植物分子、遗传和生化研究通过阐明基因和途径的功能，深入了解了许多有助于提高产量潜力的生理过程，从而深入了解了分子机制。尽管有这些知识，但大多数基因和途径对产量成分的影响尚未在主要作物或田间环境中进行测试以进行产量评估。这一差距很难弥合，但基于田间的生理知识为利用分子靶标成功应用基因组编辑等精准育种技术提供了一个起点。更好地了解田间条件下作物产量生理和产量限制过程背后的分子机制对于阐明哪些有利等位基因组合是提高产量所必需的至关重要。因此，植物生物学的一个目标应该是更全面地整合作物生理学、育种、遗传学和分子知识，以确定与产量性状相关的有效精准育种目标。实现这一目标的基础是了解产量形成生理学。这里，以大豆为例，我们自上而下地回顾了产量生理学，首先是产量来自群落中共同生长的植物群体。我们回顾了产量和产量相关成分，以提供产量生理学的基本概述，综合这些概念，强调如何利用这些知识进行大豆改良。以基因组编辑为例，我们讨论了为什么必须将多个学科结合起来，才能充分实现基于精准育种的作物改良的前景。
印度的主要可再生能源公司
本演讲已准备好由RMG Accienition Corp. II（“ RMG II”）和Renew Power Private Limited（“续订”），仅针对合格的机构买家（如规则144a所定义的1933年证券法所定义的投资者，如1933年所定义的）和合格的机构及其及其典型的餐厅（例如，及其及其及其及其及其及其及其属于的客户，例如EU，以及EU，以及EU，以及EU，EU，EU，EU，EU，EU，EU，EU，EU，EU，以及EU的EU，则是在规则中的规则。为了使此类投资者与RMG II熟悉并与他们的拟议业务组合有关，在2014/65/EU指令中定义。此外，此演讲仅针对特定的收件人并指向：（a）如果在欧洲经济领域的成员国（“ EEA”）中，是在法规（EU）2017/1129条第2（e）（eu）（ASEDEDERS）的第2（e）（eu）第2（e）含义中的“合格投资者”的人； （b）如果在英国是合格的投资者：（i）在2000年《金融服务和市场法》第19（5）条（金融促进）2005年第19（5）条中，在与Inv估算有关的事务方面具有专业经验的人； 2005年（“订单”）；或（ii）属于命令的第49（2）（a）至（d）条的高净值实体；或（c）是其他人可以合法传达的其他人（所有这些人在（b）和（c）中共同是“相关的人”）。本演讲不得由英国不相关的人和（ii）在EEA的任何成员国中由没有合格投资者的人来执行或依赖（i）。本演示文稿与此介绍有关的任何投资或投资活动仅适用于或仅适用，并且可能仅与（i）英国的相关人员参与； （ii）EEA任何成员国的合格投资者。