XiaoMi-AI文件搜索系统
World File Search System于性
1个基于性别的胰岛素抵抗差异...
最初发表于：曼努埃尔的加多； tsaousidou，伊娃； Bornstein，Stefan R；尼古拉斯（2024）。基于性别的胰岛素抵抗差异。内分泌学杂志，261（1）：E230245。doi：https：//doi.org/10.1530/joe-23-0245
在GE，SB和TE元素系统中氮的氮掺入的光谱研究：迈向了解相变材料中氮效应的一步 开发用于拆卸应用的紧凑型Alpha和Beta摄像头 通过直接数字合成的可扩展低延迟FPGA体系结构量子验控制 智能写算法以增强RRAM宏的性能和可靠性 关键驱动因素和促使6G时代 全基因组关联研究确定了与法洛的四边形相关的12q24和13q32的基因座 用户实施例比较虚拟现实中半自治和完全捕获的头像运动 绿色回收方法处理锂离子电池电子废物 开发一个方法学框架，用于评估行星边界内电池升级的绝对可持续性 主动学习中的无监督未知检测 创新的多层OT选择器用于性能调整和提高可靠性 多层OTS选择器工程高温稳定性，可伸缩性和高耐力 模型驱动的设计空间探索模拟中的多机器人系统 燃油库，TAF-ID数据库和OC软件
氮化物材料中的氮掺杂是改善材料特性的一种有希望的方法。的确，GESBTE相位变化合金中的N掺杂已证明可以极大地提高其无定形相的热稳定性，这是确保最终相变存储设备的数据保留所必需的。尽管建议这种合金中的N掺杂导致GE-N键的优先形成，但有关键的进一步问题，尤其是SB-N和TE-N，并且结构排列尚不清楚。在本文中，我们介绍了使用大量的N含量从0到50 at at 50 at，我们介绍了沉积的元素GE，SB和TE系统及其氮化物（即Gen，SBN和10合金）的研究。％。通过傅立叶变换红外和拉曼光谱法研究了AS沉积合金。我们确定与GE-N，SB-N和TE-N键形成相关的主动振动模式，强调了N融合对这些元素系统结构的影响。我们进一步定性地将Gen，SBN和十个实验光谱与相关理想氮化物结构的“从头开始”进行了比较。最后，对氮化元素层的分析扩展到N掺杂的GESBTE合金，从而在记忆技术中采用的此类三元系统中对氮键有更深入的了解。
进入（性别）蓝色：关于性别平等和参与蓝色增长的新观点
问题：本社论是“（性别）蓝色：性别平等和参与蓝色增长的新观点”的一部分。 https://doi.org/10.17645/oas.i401
创新的多层OT选择器用于性能调整和提高可靠性
摘要 - 我们介绍了基于N掺杂SBSE和GE层的堆叠的卵子阈值开关（OTS）多层（ML）选择器设备的工程。通过调整单个层厚度和ML堆栈的N含量，我们证明了在集成后端（BEOL）（BEOL）期间可高度提高选择器稳定性的可能性，并降低设备对设备的变化。我们展示了OTS ML如何呈现基本的电气特性，这些特性与通过共同输入技术实现的标准散装OT兼容，但可以实现可靠的切换操作，最高可变可变异性的160°C。我们通过FTIR和拉曼光谱研究了层结构，即使在400°C下3小时后，在OTS/EDX分析中，在循环和退火的设备上进行了ots ml wrt buld ots的高稳定性，我们突出了OTS ML WRT量的无链结构的保留完整性。最后，由于对层结构和性能的更高控制，OTS ML解决方案允许可靠的耐力超过10个9周期，并提高了缩放设备的产量。
研究基于性别的暴力和妇女加拿大人...
2024年11月20日，加拿大妇女基金会一直是加拿大促进性别正义与平等的国家领导者，已有30多年的历史了。作为公共基金会，在捐赠的支持下，该基金会贡献了超过2.6亿美元，以支持整个加拿大的3,300多个转变计划。解决基于性别的暴力是我们工作的关键，并且已经存在数十年了。这本摘要是我们数十年来关于基于性别的暴力的工作，我们向全国提供反暴力服务的组织的广泛影响力，以及我们与地区和国家组织的合作工作，并通过国家询问，调查佣金，统计学调查，实验性和参与性，参与性，参与性，参与性，参与性研究来支持的知识积累。当今加拿大的背景基于性别的暴力是当今加拿大的普遍问题，私密伴侣暴力（包括亲密伴侣妇女）是流行病的。充分解决基于性别的暴力将需要全面的努力：系统性变化，文化变化和个人行为变化。经济安全和获得负担得起的住房的机会是两个关键工具，为妇女和性别多样性人士提供了支持。目前的住房负担能力危机意味着那些经历或逃脱暴力的人不太能够离开，无论他们是在庇护所里瓶装瓶装，然后必须拒绝其他人寻求帮助，还是被困在不安全的房屋中，无法离开虐待者，因为无处可承受的负担。结合了高昂的生活成本 - 包括食品价格上涨和对食品银行的记录依赖 - 这两个主要的经济福祉和安全住房的保护措施对于许多妇女和全国大部分地区的性别多样性人士来说都是遥不可及的。个人和组织努力为维护暴力幸存者而更安全的生命的成功取决于正在进行的系统性计划，以解决住房和生活成本。
关于性别和气候变化的信息会议COP29
UNFCCC Climate Finance Team Aasha Subedi 5 min View on the NCQG Women and Gender Constituency Tara Daniel – Senior Policy Manager, WEDO - WGC co-coordinator of the feminist climate finance working group 10 min A gender perspective on the NCQG 2x Global Demetrio Innocenti, Climate Lead, 2X Global 15 min Introduction and update on the Standing Committee on Finance (SCF) and its work on性别•SCF及其角色简介•在2024 SCF论坛上更新
基于性别的损失和气候变化的损害
1。社会科学从联合国一开始就成为气候科学的一部分。2。气候变化的物理科学是理解的基本基准，但它们始终为减少温室气体排放的政策目标而实现，并通过适应策略解决环境和社会经济的影响。•IPCC任务1988•UNFCC文本1992
心脏疾病预测的机器学习算法中基于性别的性能差异：探索性研究
背景：人工智能中的偏见引起了人们的关注，算法表现不平等在整个刑事司法，教育和福利服务领域都被暴露出来。在医疗保健中，跨人群群体的算法不平等的性能可能会扩大健康不平等。 目的：在这里，我们识别和表征心脏病学算法中的偏见，专门研究用于管理心力衰竭的算法。 方法：第1阶段涉及与心脏机器学习（ML）算法有关的PubMed和Web Science的文献搜索。 评估了建立ML模型以预测心脏病的论文，以评估其对模型性能中人口偏见的关注，并保留了开源数据集以进行调查。 确定了两个开源数据集：（1）加利福尼亚大学尔湾分校心力衰竭数据集和（2）加利福尼亚大学欧文分校冠状动脉疾病数据集。 我们复制了已报告这些数据集的现有算法，对它们进行了对算法性能的性偏见进行了测试，并评估了一系列补救技术，以减少不平等的功效。 由于诊断不足和缺失的治疗机会的临床意义，特别注意假阴性率（FNR）。 结果：在第1阶段，我们的文献搜索返回了127篇论文，有60条符合完整审查的标准，只有3篇论文强调了算法性能的性别差异。 在报告性别的论文中，数据集中女性患者的代表性不足。在医疗保健中，跨人群群体的算法不平等的性能可能会扩大健康不平等。目的：在这里，我们识别和表征心脏病学算法中的偏见，专门研究用于管理心力衰竭的算法。方法：第1阶段涉及与心脏机器学习（ML）算法有关的PubMed和Web Science的文献搜索。评估了建立ML模型以预测心脏病的论文，以评估其对模型性能中人口偏见的关注，并保留了开源数据集以进行调查。确定了两个开源数据集：（1）加利福尼亚大学尔湾分校心力衰竭数据集和（2）加利福尼亚大学欧文分校冠状动脉疾病数据集。我们复制了已报告这些数据集的现有算法，对它们进行了对算法性能的性偏见进行了测试，并评估了一系列补救技术，以减少不平等的功效。由于诊断不足和缺失的治疗机会的临床意义，特别注意假阴性率（FNR）。结果：在第1阶段，我们的文献搜索返回了127篇论文，有60条符合完整审查的标准，只有3篇论文强调了算法性能的性别差异。在报告性别的论文中，数据集中女性患者的代表性不足。没有论文调查种族或种族差异。在第2阶段，我们重现了文献中报道的算法，对于数据集为1和85.72％（随机森林模型）的数据集为1和85.72％（SD 1.75％）的平均精度为84.24％（SD 3.51％）。对于数据集1，在16个实验中，女性患者的FNR明显更高，达到了统计显着性的阈值（–17.81％至–3.37％； p <.05）。 在16个实验中，有13例男性患者（–0.48％至 +9.77％; p <.05）中的男性患者的假阳性差异很小。 我们观察到男性患者疾病的过度预测（较高的假阳性率）和女性患者疾病的预测不足（较高的FNR）。 性质重要性的性别差异表明，特征选择需要根据人口统计学量身定制。 结论：我们的研究暴露了心脏ML研究中的显着差距，强调，女性患者的算法不良表现不佳在已发表的文献中被忽略了。 我们的研究量化了算法性能中的性别差异，并探讨了几种偏见来源。 我们发现，在用于训练算法，确定模型错误率中的性别偏见的数据集中，女性患者的人数不足，并证明了一系列补救技术无法解决存在的不平等现象。对于数据集1，在16个实验中，女性患者的FNR明显更高，达到了统计显着性的阈值（–17.81％至–3.37％； p <.05）。在16个实验中，有13例男性患者（–0.48％至 +9.77％; p <.05）中的男性患者的假阳性差异很小。我们观察到男性患者疾病的过度预测（较高的假阳性率）和女性患者疾病的预测不足（较高的FNR）。性质重要性的性别差异表明，特征选择需要根据人口统计学量身定制。结论：我们的研究暴露了心脏ML研究中的显着差距，强调，女性患者的算法不良表现不佳在已发表的文献中被忽略了。我们的研究量化了算法性能中的性别差异，并探讨了几种偏见来源。我们发现，在用于训练算法，确定模型错误率中的性别偏见的数据集中，女性患者的人数不足，并证明了一系列补救技术无法解决存在的不平等现象。