传统上,水稻种植严重依赖于针对特定性状而定制的单一品种,但这些方法在恢复力和稳定性方面表现出局限性。采用品种混合(VarMix)使我们能够利用遗传多样性,从而提高产量稳定性,加强病虫害管理,优化资源效率,最终促进更可持续、更具恢复力的水稻生产系统。本研究使用加性主效应和乘性相互作用(AMMI)方法,结合方差和主成分分析(PCA),研究了 12 个不同环境中 12 个水稻品种混合物和单一品种的表现。分析表明,环境因素是遗传变异的主要驱动因素,对水稻产量动态有重大贡献。值得注意的是,NSIC Rc298 (A)、NSIC Rc298: NSIC Rc214: NSIC Rc216 (ABC) 和 NSIC Rc214: PSB Rc82: NSIC Rc238 等基因型
对 15 只确诊为 fHCM 的猫(11 只雄性,4 只雌性;平均年龄 8.93 岁)和 31 只对照猫(16 只幼年对照猫(8 只雄性,8 只雌性;平均年龄 1.5 岁)和 15 只成年对照猫(10 只雄性,5 只雌性))的心脏进行 RT-PCR,检测一系列表明心肌细胞功能适应和改变的标志物,在我们最近对第 1 组的 RNA 测序研究中检测到了这些标志物的上调。对于每个基因,建立了基于 TaqMan 的两步 RT-qPCR 方案。统计分析包括 Shapiro-Wilk 检验以检查正态性,以及对数变换以满足正态性假设。建立了包括组别和性别的主效应及其相互作用的方差分析模型。如果组别和性别的相互作用的 F 检验显著,则进行 Tukey 事后检验以进行成对比较。
摘要 考虑通过电化学加工 (ECM) 对金属增材制造的 316L 不锈钢进行可加工性研究。这种材料用于汽车、航空航天、珠宝和生物医学行业的原型设计,这些行业需要根据具体情况定制组件。在本研究中,考虑了电压、电解质浓度、占空比和选择四个级别的 L16 正交阵列等 ECM 工艺参数进行优化。采用多标准决策加工方法,即基于熵的多目标优化,基于比率分析法进行性能分析。研究表明,为获得最佳加工性能,建议使用 14 V、35 gl -1 NaNO 3 电解质浓度和 90 % 的占空比。根据主效应表,最佳组合是 16 V、35 gl -1 电解质浓度和 60 % 的占空比。方差分析结果表明,占空比对加工性能的贡献约为27.06 1%,电压对加工性能的贡献约为24.015%,电解质含量对加工性能的贡献约为15.58%。利用扫描电子显微镜对每个微加工孔进行扫描,并拍摄不同分辨率的图像,以分析加工孔的质量。
摘要:为实现服务的可持续性,促进服务业可持续增长,解决服务失败问题具有重要意义。人工智能技术正在越来越多地应用于服务工作,但人工智能在提供服务的同时,难免会遭遇失败。如何进行服务补救,获得顾客的理解和原谅,是人工智能服务实践与研究中亟待解决的问题。本研究旨在探究服务失败情境下的人工智能补救机制,探究人工智能自嘲式幽默回应的补救效用。本研究通过三个实验进行数据收集,以检验我们的假设:研究一验证了自嘲式幽默回应的主效应以及感知真诚和感知智力的中介作用;研究二验证了权力感的调节作用;研究3验证了失败经历的调节作用。实验结果表明,在AI服务补救情境中,自嘲式幽默回应能够提升顾客容忍失败的意愿,感知智力和感知真诚在其中起中介作用。权力感通过影响感知真诚起调节作用,失败经历通过影响感知智力起调节作用。本文的理论贡献在于引入了AI自嘲式幽默服务补救的视角,补充了AI服务领域的理论研究。本文的管理意义在于为企业和技术人员提供新的AI沟通策略和实践建议。
研究和审查过程简介研究的性质和目标、研究主题、文献综述、问题的提出、研究设计、抽样技术、数据收集、数据的统计和敏感性分析、结果解释和报告撰写。实验设计简介基本原理、实验中的误差分析、实验设计的分类、一、2k 和 3k 个因素实验的设计和分析、完全随机和随机完全区组设计田口设计和方差分析田口方法、借助正交表进行实验设计、参数选择和田口稳健参数设计、方差分析、主效应和相互作用、二因素和三因素相互作用和方差分析、噪声因素、控制因素的容差。信噪比的形成和分析。响应曲面法和其他过程优化方法响应曲面方法简介、二阶响应曲面分析、响应曲面设计中的阻塞、稳健设计的响应曲面方法、问题解决。统计软件 SPSS、MS Excel、Mini Tab 或 MATLAB 等统计软件在数据分析中的应用 研究伦理 剽窃工具、可重复性和责任制 推荐书籍: 1. Autar K Kaw、Egwu E Kalu 和 Duc Nguyen 著的《数值方法及其应用》 2. Douglas C. Montgomery 著的《实验设计与分析》,John Wiley & Sons(亚洲)
目的:研究旨在开发一种更好的听觉警报设计,以提高空中交通管制员的态势感知能力。方法:参与者是七十七名合格的空中交通管制员。实验在爱尔兰航空局位于香农和都柏林的空中交通管制操作室进行。参与者被告知试验与 COOPANS 空中交通管制有关。使用两个受试者间因素(警报设计和经验水平)进行方差分析,以分析 ATCO 对三个关键事件的响应时间。使用 Bonferroni 检验对响应时间的平均差异进行事后分析。结果:在 STCA、APW 和 MSAW 中,ATCO 对声音警报和语义警报的响应时间存在显著差异。管制员的经验对 ATCO 对 STCA 和 APW 的响应时间没有显著的主效应。此外,警报设计和经验水平对 ATCO 对 STCA、APW 和 MSAW 的响应时间没有显著的相互作用。结论:结果表明,COOPANS ATM 系统中部署的声音警报为 ATCO 提供了 1 级态势感知,而语义警报不仅为感知警报提供 1 级态势感知,还提供 2 级和 3 级态势感知,以帮助 ATCO 了解关键事件,从而制定更合适的解决方案。因此,以人为本的语义警报设计可以显著加快 ATCO 对 STCA 和 APW 的响应。此外,语义警报可以通过加快新手和经验丰富的空中交通管制员的响应时间来缓解专业知识差异。
在本研究中,38 名年轻人在观察和反馈条件下参与了概率 A/B 原型类别学习任务。该研究比较了不同训练条件下的学习成功率(测试准确性)和策略使用情况(多线索 vs. 单一特征 vs. 随机模式)。测量了反馈相关负性 (FRN) 和 P3a 事件相关电位,以探索概率范式下反馈处理和策略使用之间的关系。研究发现,在基于反馈的训练之后,使用最佳多线索策略的参与者数量多于观察训练,这进一步表明反馈可以影响学习方法。训练阶段和策略对 FRN 振幅有显著的相互作用。具体而言,使用类别成员资格由单一特征决定的策略(单一特征策略)的参与者从早期训练到后期训练的 FRN 振幅显著下降,这可能是由于反馈利用率降低或预测误差减少。效价、训练阶段或策略对 P3a 振幅没有显著的主效应或相互作用。研究结果与先前的研究一致,表明学习者在学习方法上各不相同,并且培训方法会影响学习。研究结果还表明,概率类别学习过程中反馈处理的测量可能反映反馈利用的变化,并可能进一步阐明个体学习者之间的差异。
脑电图 (EEG) 的 alpha 功率 (8 – 13 Hz) 是各种创造性任务条件的特征,与创造性构思有关。alpha 功率根据与创造力相关的任务要求而变化。本研究调查了事件相关电位 (ERP)、alpha 功率激活和潜在机器学习 (ML),以对参与创造力任务的工程专业学生的神经反应进行分类。所有参与者都执行了修改后的替代用途任务 (AUT),其中参与者将日常物品的功能(或用途)归类为创造性、无意义或普通。首先,本研究调查了中央和顶枕颞区的基本 ERP。通过了解工程专业学生创造力的生物反应表明,在 300 – 500 毫秒窗口内,无意义和创造性刺激引起的 N400 振幅(分别为 - 1.107 mV 和 - 0.755 mV)大于普通用途(0.0859 mV)。从每个感兴趣电极的总平均波形的 300 – 500 毫秒窗口上观察到 N400 效应。方差分析确定了一个显著的主效应:在创造性构思过程中 alpha 功率降低,尤其是在(O1/2、P7/8)顶枕颞区。机器学习用于对特定颞区数据的神经反应(创造性、无意义和普通)进行分类。使用 k 最近邻 (kNN) 分类器,并使用从参与者收集的数据集根据准确度、精确度、召回率和 F1 分数评估结果。kNN 分类器的整体准确率为 99.92%,曲线下面积为 0.9995,成功对参与者的神经反应进行了分类。这些结果对于机器学习技术在创造力研究中的更广泛应用具有巨大潜力。 [DOI: 10.1115/1.4056473]
脑电图 (EEG) 的 alpha 功率 (8 – 13 Hz) 是各种创造性任务条件的特征,与创造性构思有关。alpha 功率根据与创造力相关的任务要求而变化。本研究调查了事件相关电位 (ERP)、alpha 功率激活和潜在机器学习 (ML),以对参与创造力任务的工程专业学生的神经反应进行分类。所有参与者都执行了修改后的替代用途任务 (AUT),其中参与者将日常物品的功能(或用途)归类为创造性、无意义或普通。首先,本研究调查了中央和顶枕颞区的基本 ERP。通过了解工程专业学生创造力的生物反应表明,在 300 – 500 毫秒窗口内,无意义和创造性刺激引起的 N400 振幅(分别为 - 1.107 mV 和 - 0.755 mV)大于普通用途(0.0859 mV)。从每个感兴趣电极的总平均波形的 300 – 500 毫秒窗口上观察到 N400 效应。方差分析确定了一个显著的主效应:在创造性构思过程中 alpha 功率降低,尤其是在(O1/2、P7/8)顶枕颞区。机器学习用于对特定颞区数据的神经反应(创造性、无意义和普通)进行分类。使用 k 最近邻 (kNN) 分类器,并使用从参与者收集的数据集根据准确度、精确度、召回率和 F1 分数评估结果。kNN 分类器的整体准确率为 99.92%,曲线下面积为 0.9995,成功对参与者的神经反应进行了分类。这些结果对于机器学习技术在创造力研究中的更广泛应用具有巨大潜力。 [DOI: 10.1115/1.4056473]
慢性疼痛与疼痛相关的大脑结构和功能的变化有关,包括大脑老化。非药物疼痛管理是有效疼痛管理的核心。然而,目前尚不清楚非药物疼痛管理的使用与疼痛相关的大脑变化有何关联。本研究的目的是在两个时间点有和没有慢性膝关节疼痛的中老年人样本中检查大脑预测年龄差异与非药物疼痛管理 (NPM) 的使用之间的关联。112 名成年人(平均年龄 = 57.9 ± 8.2 岁)完成了社会人口统计学测量、临床疼痛测量、结构性 T1 加权脑磁共振成像和自我报告的非药物疼痛管理。使用经过验证的方法,我们估算了大脑预测年龄差异 (brain-PAD) 生物标志物,计算为大脑预测年龄减去实际年龄,以及 2 年内大脑 PAD 的变化。重复测量协方差分析用于确定非药物疼痛管理与脑 PAD 之间的关联,并根据年龄、性别、研究地点和临床疼痛进行调整。脑 PAD 中存在显著的时间 ∗ 疼痛/NPM 交互作用 (p < 0.05)。简单主效应检验表明,持续使用 NPM 的人随着时间的推移脑 PAD 会“更年轻”,这表明持续使用 NPM 存在潜在的保护因素。有必要开展进一步研究,以确定 NPM 对大脑老化和疼痛相关神经系统变化的影响。