XiaoMi-AI文件搜索系统
World File Search System主成分
高光谱探测的主成分分析...
我们已经实施了一种针对高光谱大气发声测量的特定方法，即L1光谱的主要成分分析（PCA）用于检测极端事件。基于PCA方法的丰富经验，用于压缩和减少IASI L1C数据，专用算法和工具已开发出用于系统检测火灾，火山，污染羽毛和其他事件的系统检测，并实施了以-B，-B，-B，Traist in themal ins -coctor in the The Thermal（Traist）的处理（TRAIR）（TRAIR）（TIRRER RORAID）（TIRRER RIFARE）（TIRRER RORARE）（TIR）在短波长红外（SWIR）域中8。
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
PDF：大米（Oryza sativa L.）定量性状的遗传参数和主成分分析
常规育种对于改善与产量相关的性状和发展高产物品种至关重要。在提出的研究中，对15个F 1杂种的评估将它们与其六种父母基因型进行了比较，以便各种特征的遗传变异。结果表明，差异分析显示跨组合和父母品种以及父母和十字架之间的显着（p≤0.01）。所有特征的父母与杂交的平均平均值也表明（p≤0.01）。对于F 1 Generation研究的所有特征，一般（GCA）和特定组合能力（SCA）方差均显着（P≤0.01）。三种品种，即Sakha108，Giza179和Sakha109，对于谷物产量植物-1的高度阳性为阳性，这意味着这些品种可以使作为好的组合者受益，以转移育种计划中的上述特征。在SCA中，七个十字在植物的高度上为负，并且需要负值以避免住宿并适合机械收集；但是，在其余的特征中，优选阳性的显着值是可取的。结果表明，谷物产量植物-1和植物高度的最佳交叉是Sakha105×Sakha102，Sakha105×Sakha108和Sakha108×Sakha109。进行聚类分析也表现出分为四组的基因型。第一组仅包括大米基因型Sakha109和Sakha108。这些品种是由共同的父sakha101产生的，可以具有三个定量性状的遗传关系（旗叶面积，1000粒粒度和圆锥体重量）。包括Sakha 102和Sakha 106的第二组具有非常相似的遗传背景，因为两个品种共享一个共同的父母，Giza 177。此外，这两个水稻品种的分ers植物的植物数量为-1、1000粒重量，而圆锥花序植物-1。第三组仅包括属于Indica-Japonica品种的Giza 179。第四组由不同父母生产的Sakha 105。关键字：水稻（oryza sativa L.），育种，能力，遗传变异，遗传潜力，基因型和表型方差，遗传力
人类研究中定量遗传关联模型中主成分的局限性
摘要 主成分分析 (PCA) 和线性混合效应模型 (LMM) 有时结合使用，是最常见的遗传关联模型。先前的 PCA-LMM 比较给出了混合结果、不明确的指导，并且有几个局限性，包括不改变主成分 (PC) 的数量、模拟简单的种群结构以及对真实数据和功效评估的使用不一致。我们在现实基因型和复杂性状模拟中评估了不同数量的 PC 的 PCA 和 LMM，包括混合家庭、亚种群树和具有模拟性状的真实多民族人类数据集。我们发现没有 PC 的 LMM 通常表现最佳，在家庭模拟和没有环境影响的真实人类数据集和性状中具有最大的效果。人类数据集上 PCA 表现不佳主要是由大量远亲而不是较少数量的近亲造成的。虽然 PCA 已知无法处理家庭数据，但我们报告了家庭相关性在遗传多样化的人类数据集中的强烈影响，而这无法通过修剪近亲来避免。用 LMM（包括这些标签，而不是 PC）可以更好地建模由地理和种族驱动的环境影响。这项工作更好地描述了 PCA 与 LMM 相比在为关联研究建模多种族人类数据的复杂关联结构方面的严重局限性。
http://dx.doi.org/10.18576/jsap/120224 在多重线性模型下，稳健主成分分析用于估计尼日利亚的经济增长
摘要：本研究考察了存在多重共线性和异常值的情况下经济增长 (RGDP) 与内部债务 (INDT)、外部债务 (EXDT)、利率 (RINR)、汇率 (REXR) 和贸易开放度 (OPEN) 的关系。使用了 1986 年至 2021 年从尼日利亚中央银行收集的季度数据。使用方差膨胀因子和 Grubb 检验进行的探索性数据分析和诊断揭示了所研究变量之间的线性关系，并确定了数据集中存在多重共线性和异常值。主成分分析显示 INDT 和 EXDT 分别占方差的 38.4% 和 29.2%，因此选择它们的成分 PINDT 和 PEXDT 来降低共线性。此外，稳健 M 估计方法的结果表明，PINDT、PEXDT、RINR、REXR 和 OPEN 对 RGDP 的影响为正，且对 PEXDT 和 OPEN 对 RGDP 的影响显著。具体而言，在所研究的时期内，PINDT、PEXDT、RINR、REXR 和 OPEN 分别使尼日利亚的经济增长提高了 0.10%、0.02%、0.04%、0.06% 和 3.01%。因此，将主成分与以 4.685 为转折点并以中位数为中心的加权双方 M 估计量相结合，被发现是最有效的估计技术，可联合解决两个已确定的假设违反问题。这是基于拟合模型的预测能力，该模型表明，与 S 估计量和 MM 估计量相比，M 估计量的均方根误差 (RMSE) 和平均绝对误差 (MAE) 最小。因此，可以得出结论，研究期间经历的经济挑战极大地影响了已确定的决定因素，而这些决定因素又转化为经济增长。因此，当数据集中同时存在多重共线性和异常值时，稳健主成分回归技术仍然是建模和估计线性模型参数的最佳和无偏技术。关键词：经济增长、多重共线性、异常值、主成分和稳健估计量。
使用可靠的主成分分析（ROBPCA）算法基于MRI图像的分析，研究文章的脑肿瘤聚类
亲爱的编辑，迄今为止，已经评估了许多临床批准的药物治疗2019年冠状病毒病的潜力（Covid-19），例如lopinavir/ritonavir，hydroxychoroquine，cobicistat和darunavir。这些药物中的一些已被证明是有效的体外；但是，临床试验表明，这些化合物都没有导致症状或住院时间的显着改善。因此，从定义的目标开始识别候选药物是必不可少的，更可靠的。严重的急性呼吸综合征冠状病毒2（SARS-COV-2）主要蛋白酶M Pro（也称为3Cl蛋白酶）是冠状病毒中最典型的药物靶标之一。在当前的研究，基于SARS-COV-2 M Pro的两个不同结构（PDB ID：6LU7和6M2Q）的结构和序列比对中显示，Ser'46/Ca和Leu'167/Ca之间发生了明显的变化，这表明M Pro的底物结合袋在一定程度上表现出一定程度的灵活性（补充图。s1）。因此，我们使用这两种结构制定了一种多种互交策略，以使用Autodock Vina软件进行基于计算机的高通量虚拟筛选对药物数据库和我们的内部自动处理脚本的可能抑制剂（补充图。s2）。与这两种结构相对的108个分子分子<−8.0 kcal/mol发现。然后选择了相对于袋装体积和PKA值> 12的37个分子量在330至700 g/mol之间的分子。1 a）。2之后，我们专注于11种抗病毒，抗菌和靶向抗肿瘤药物（补充表1）。此外，还使用了几种先前报道的药物参考，例如GC376、1洛皮纳维尔，内菲尔纳纳维尔和达鲁纳维尔。全长SARS-COV-2 M Pro根据其编码序列（GI：1897214688）表达并纯化，并通过表面等离子体共振（SPR）技术检测到M Pro的每个筛选候选物的效率。使用Biacore仪器使用与M Pro相互作用的小分子的梯度浓度测量响应单元。然后，根据稳态分析，基于曲线拟合，测量了受体配体的结合属性，并报告为平衡解离常数（K d）。六种药物在M Pro中表现出极好的结合属性，包括Entretectinib，Indinavir，Cloxacillin，Dolutegravir，Saquinavir和Enasidenib，K D值为55μm或以下（图接下来，进行诱变研究以确认筛选分子与SARS-COV-2 m Pro之间相互作用的特定相互作用。首先，对可能与这些分子相互作用的七个残基的底物结合袋进行了深入分析，包括HIS41，ASN142，CYS145，CYS145，HIS164，MES165，ASP187和GLN189。HIS41，CYS145，HIS164和ASP187被报道为潜在的催化残基。
量子主成分分析仅实现AN ...
分析量子算法的中央障碍是缺乏经典算法的比较输入模型。受作者最新工作的启发[2]，我们引入了这样的模型，我们假设我们可以很好地执行输入数据的2个元素样本，这是一种自然的分析算法，以假定具有经典数据的状态制备。尽管该模型产生的实用算法少于（更强的）标准模型，但它捕获了量子线性代数算法的许多特征和细微差异的版本。使用此模型，我们描述了用于主成分分析[3]和最近的中心聚类[4]的劳埃德，Mohseni和Rebentrost的量子算法的经典类似物。由于它们仅在多项式方面较慢，因此这些算法表明其量子的指数加速仅仅是状态制备假设的伪像。
Oridonin及其用于癌症治疗和克服治疗耐药性的衍生物 与抗... 共同负载的双配体修饰脂质体 pantraprazole和维生素C靶向肿瘤微环境条件的药物重新利用可改善转移性cast割前列腺癌的抗癌作用 白介素23- ... 的功效和安全性的荟萃分析 氧化还原 - 双重靶向内质网 使用可靠的主成分分析（ROBPCA）算法基于MRI图像的分析，研究文章的脑肿瘤聚类 对针对SARS-COV-2主要蛋白酶的重新利用药物的高通量筛查和评估 Div de-Novo驯化用于提高农作物的盐耐受性 基于深度学习的卷积神经网络，用于大脑内部MRI合成 使用俄罗斯太空医学的可能性进行陆地医疗保健 依赖性磷酸盐转运蛋白NAPI2B是卵巢癌靶向治疗的潜在预测标记 o r i g i n a l r e s a r c h愿意接收埃塞俄比亚西南居民的Covid-19-19疫苗和相关因素：Cross-S 在外太空制造药品的策略 基因组引入的含义和教训... 鉴定胃的新型铁铁作用诱导剂... 由靶向SKP2 研究文章基于多替验分段和基于机器学习的方法，将Covid-19与病毒性肺炎区分开
摘要癌症是全球发病率和死亡率高的疾病之一。化学疗法仍然是大多数癌症患者的主要治疗选择，包括患有进行性，转移和复发性疾病的患者。迄今为止，数百种化学疗法药物用于治疗各种癌症，但是，抗癌效率和结果在很大程度上受到化学疗法相关毒性和获得的治疗耐药性的影响。天然产物（NP）奥多素的抗癌效率已被广泛研究。最近，已经证明Oridonin通过多种机制克服了抗药性，并具有尚未确定的BONA靶标。已经合成并筛选了数百种oridonin衍生物类似物（Oridonalogs），以提高效力，生物利用度和其他药物特性。，许多这些Oridonalogs已针对肿瘤生长抑制，克服治疗性的潜力和免疫调节进行了测试。这项简洁的审查旨在鉴于鉴定临床试验水平的候选药物，并承诺治疗渐进式罐头和逆转化学抗性，以总结该领域的进步。版权所有ª2020年，重庆医科大学。Elsevier B.V.这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。