XiaoMi-AI文件搜索系统
World File Search System估计量
dqssa：一种量子启发的解决方案，用于最大化在线社交网络（学生摘要）
引言最大化（IM）问题围绕从社交网络中提取一部分，也称为种子节点的子集（也称为种子节点）。IM的实际应用从流行病学到营销，由于其现实世界中的多样化，它成为研究的人口。先前对IM的研究，尽管在有效种子节点选择方面产生了显着的进步，但由于时间复杂度过多或影响效率低下而产生了良好的发展。为了克服这一点，我们的方法在网络的影响力传播和执行时间之间取得了平衡，这是开发有效的IM算法所必需的。，我们通过合并量子启发的元毛术（MH）（MH），借鉴了量子物理学原理，例如Schr¨odingerWave方程和Delta电位领域（Ross 2019），从而解决了解决方案的问题，并通过合并量子启发的元毛术（MH）来解决局部最佳点（MH）。这些方法产生了令人鼓舞的结果，如随后的部分所述。IM算法遵循一个序列过程，首先使用Louvain算法识别重要的通信结构。在社区内的种子节点的选择是通过称为局部影响估计量或谎言的目标函数来促进的。一旦通过DQSSA从Lie函数获得溶液和其他基线方法，根据Infectim概率超参数的不同基线方法（IC）扩散模型，可用于量化跨图的影响。
逆约束强化学习（ICRL）旨在以数据驱动的方式恢复专家代理人尊重的基本约束。存在
逆约束强化学习（ICRL）旨在以数据驱动的方式恢复专家代理人尊重的基本约束。现有的ICRL算法通常假定演示数据是由单一类型的专家生成的。在实践中，示范通常包括从尊重不同约束的各种专家代理中收集的轨迹的混合物，这使得用统一约束功能解释专家行为变得具有挑战性。为了解决此问题，我们提出了一种多模式逆约束增强学习（MMICRL）算法，以同时估计与不同类型专家相对应的多个约束。mMICRL构建了一个基于流的否定估计器，该估计量可以从演示中实现无监督的专家识别，从而推断特定于特定的约束。按照这些约束，MMI-CRL模仿了新型多模式约束策略优化目标的专家政策，从而最大程度地减少了代理条件条件的策略熵并最大化无条件的秘诀。为了增强鲁棒性，我们将此目标纳入对比度学习框架中。这种方法使模仿政策能够限制专家代理人的行为多样性。在离散环境和连续环境中进行的广泛实验表明，在约束恢复和控制性能方面，MMICRL优于其他基线。我们的实现可在以下网址获得：https：//github.com/qiaoguanren/multi-modal-inverse-inverse-conconter-enversen-conference-Learning-Learning。
基于唾液的无细胞线粒体DNA水平是一种独立的预后生物标志物，适用于头颈鳞状细胞癌
摘要：无细胞核DNA的拷贝数（CF-NDNA）和无细胞的线粒体DNA（CF-MTDNA）的变化显示出在头部和颈部鳞状细胞癌（HNSCC）患者中表现出了有希望的诊断公用事业。考虑到没有用于HNSCC监视的客观预后工具，本研究旨在评估基于唾液的CF-NDNA和CF-MTDNA在预测HNSCC患者总体存活方面的实用性。这项研究包括94例患者的HNSCC诊断，平均随访时间为32.04个月（±19.1）。从每位患者中收集了基于唾液的液体活检。使用多重定量PCR来确定CF-NDNA和CF-MTDNA的绝对数量。使用Kaplan -Meier估计量和COX比例危害回归模型来评估总体生存。死者患者的CF-NDNA和CF-MTDNA的绝对拷贝数在统计学上明显高于审查患者中的CF-NDNA和CF-MTDNA的绝对拷贝数（p <0.05）。CF-NDNA或CF-MTDNA水平升高的个体与总体生存率明显差有关（P≤0.05）。单变量分析表明，只有CF-MTDNA的绝对拷贝数是总生存期的唯一预测指标。然而，多元分析表明，CF-NDNA的所有绝对拷贝数，CF-MTDNA的绝对拷贝数和HNSCC阶段都是总体存活率的预测指标。我们的研究证实了唾液是一种可靠且无创的数据来源，可用于预测HNSCC患者的总体存活，其中CF-MTDNA水平是唯一的预测因子。
Chinaxiv：202302.00044v1
摘要：土壤侵蚀是中国西北部山西省桑迪 - 霍利地区的一个严重问题。由于植被恢复而逐渐改善，但是尚未广泛研究不同植被种植园类型的土壤微生物社区特征。为解决这个问题，我们分析了Caragana Korshinskii Kom。，Populus tomentosa Carr。，Populus Simonii Carr。，Salix Matsudana Matsudana Koid koid koid koid koid koid koid koid koid koid tabulaememememememismis carr中，分析了土壤细菌和真菌社区结构，多样性以及微生物和土壤环境因素。森林。在五种森林类型中，主要的细菌群落组成没有显着差异。细菌和真菌群落的α多样性表明，C. korshinskii森林中的ACE（基于丰度的覆盖量估计量），Chao1和Shannon指数明显高于其他四种森林类型中的ACE（P <0.05）。土壤有机物，总氮和脲酶对细菌群落组成的影响更大，而总氮，β-葡萄糖苷酶和尿素对真菌群落组成的影响更大。在所有森林类型中，有益和致病性微生物的相对丰度相似。基于微生物群落的组成，多样性和土壤肥力，我们将种植园从大多数到最不适合的人工林排名：C。Korshinskii，S。Matsudana，P。Tabulaeformis，P。Tomentosa和P. Simonii。
无监督的1-2视图适应凝视估计
目光的估计已成为最近研究日益兴趣的主题。大多数当前方法都依赖于单视面图像作为输入。然而，这些副本很难处理较大的头部角度，从而导致估计的准确性。要解决此问题，添加二视摄像头可以帮助更好地捕获眼睛的外观。但是，现有的多视图方法具有两个限制。1）他们需要培训的多视图注释，这很昂贵。2）更重要的是，在测试过程中，必须知道多个相机的确切位置并与训练中使用的相匹配，这限制了应用程序场景。为了应对这些挑战，我们提出了一种新颖的1视图 - 2视图（1-2视图）适应解决方案，在本文中，无监督的1-2视图适应框架 - 用于注视估计的工作（UVagaze）。我们的方法适应了一个传统的单视凝视估计器，以灵活地放置了双摄像头。在这里，“灵活”意味着我们将双摄像头放在任意位置，而不论训练数据如何，而不知道它们的外部参数。具体来说，乌瓦加兹（Uvagaze）建立了双视图相互监督适应策略，它利用了两种观点之间的凝视方向的内在一致性。以这种方式，我们的方法不仅可以从常见的单视图预训练中受益，而且还可以实现更高级的双视凝视估计。实验结果表明，单视图估计量适用于双重视图，可以获得更高的效果，尤其是在跨数据集设置中，取代率提高了47.0％。项目页面：https：//github.com/ mickeyllg/uvagaze。
Larry E. Jennings，Jr。
认知能力的差异源于潜在神经结构的细微差异。从大脑网络中的差异中理解和预测认知中的个体变异性需要利用不同的神经影像模式捕获的独特差异。在这里，我们采用了一种多级机器学习方法，结合了人类连接组项目（n = 1050）的扩散，功能和结构性MRI数据，以提供各种认知能力的单一预测模型：全球认知功能，流畅的智力，结晶智力，脉冲，脉冲，脉冲，脉冲，空间方向性，言语上的记忆和持续性记忆和持续性记忆。对每个认知评分的样本外预测首先是使用单个神经成像方式上的稀疏性主体成分回归产生的。然后将这些个体预测汇总并提交给套索估计器，该估计量消除了跨通道的冗余可变性。相对于最佳的单一模态预示，这项堆叠的词典导致了准确性的显着提高（在解释的方差中约为1％至超过3％的提升），这是大多数测试的认知能力。进一步的分析发现，扩散和脑表面证券对预测能力的贡献最大。我们的发现建立了一个下限，以使用多种神经影像学测量来预测认知的个体差异，包括结构和功能，量化不同成像模态的相对预测能力，并揭示每种方式如何提供有关认知功能中个人差异的独特和表达信息。
折扣：以基于检测器的重要性采样
许多应用程序使用计算机视觉来检测和计算大量图像集中的对象。但是，当任务非常困难或需要快速响应时间时，可能无法训练足够的计数模型。例如，在灾难响应期间，艾滋病组织的目标是快速计算卫星图像中损坏的建筑物以计划救济任务，但是由于域的转移，预先训练的建筑物和损害探讨的表现往往差不多。在这种情况下，有必要采用人类的方法，这些方法可以用最少的人类努力来统计。我们提出了一个基于检测器的重要性采样框架，用于计算大型图像集合。圆盘口使用不完善的检测器和人类筛选来估计低方差无偏计数。我们提出了使用少量筛选并估算置信区间来对多个空间或时间区域进行计数的技术。此使最终用户能够在估计足够准确的情况下停止筛选，这通常是现实世界应用中的目标。我们通过两种应用演示了我们的方法：在雷达图像中计数鸟类以了解对气候变化的反应，并计算卫星图像中受损的建筑物，以便在自然灾害袭击的地区进行损害评估。在技术方面，我们基于控制变化而开发了降低方差技术，并证明了估计量的（条件）无偏见。圆盘量导致标签成本减少9-12倍，与我们考虑的任务的天真筛查相比，获得相同的错误率，并超过了替代基于协变量的筛选方法。
环境质量及其与非正式经济，腐败控制，能源使用和社会经济方面的联系：新兴经济体的观点
本文探讨了非正式经济活动和机构能力的影响，尤其是腐败的控制对各国盛行的社会经济条件和能源使用模式下新兴经济体的环境质量退化的影响。这项研究利用了关键的环境降解剂：二氧化碳（CO 2）排放，生态足迹（EFS）和一氧化二氮（NO）排放，以及2002年期间的15个新兴国家的小组数据集进行2002 - 2019年以进行仿佛研究。汇总平均组（PMG）-ARDL估计量，完全修改的OLS（FMOL），动态OLS（DOLS）和增强平均组（AMG）方法已被应用为经验研究技术。经验发现表明，在长期非正式的经济活动中，对环境质量产生了积极影响，而记录的CO 2和EFS排放量较少，而这些活动对没有排放的负面影响。这项研究还发现，腐败控制可以通过减少EFS和无排放量来改善环境质量，但通过增加记录的CO 2排放来改善相反的情况。经济增长和可再生能源征服的增长可提高新兴国家的环境质量，而对不可再生能源的消费会降低环境质量。强大的经验提倡倡导者政策倡议强烈地监视非正式活动和实施间接税收政策以规范非正式活动及其造成的污染。经济增长的增加，更多地关注可再生能源并逐步淘汰非可再生能源可以确保新兴国家的绿色增长。谨慎地措施腐败控制和将非正式经济性的倡议带入正式框架中，以减少CO 2，而没有排放。
Collembola）在冰川岩溶
Springtails（Hexapoda：Collembola）在冰川生态系统中在生物群落中起关键作用，并代表了这种威胁性栖息地的重要生态指标。不可用冰川片状岩体条件下在特殊条件下优化抽样工作的有效抽样协议。我们在21个采样点上测试了Sforzellina冰川（意大利中部阿尔卑斯山）上的三种抽样方法。对于每个采样点，我们进行了：1。Tullgren Funnels; 2。浮选方法； 3。陷阱陷阱。通过ANOVA和N混合模型评估不同采样方法对物种检测的潜在影响，用于浮选方法和Tullgren漏斗。使用的发病率估计量（ICE）用于测试每种采样方法的性能，以比较观察到的估计物种丰富度。我们的分析表明，采样方法影响了记录的物种和个体的数量。Tullgren Funnels收集的物种数量最多，陷阱捕获了最高的平均物种数量，但没有检测到土壤物种。观察到的/估计的物种比率高于陷阱和Tullgren漏斗的比率高于浮选。陷阱陷阱与Tullgren Funnels或Flotation方法的组合在记录的物种数量和功能类型方面最佳。浮选方法收集了两倍以上用塔尔格伦获得的标本数量，这表明从矿物质土壤中提取跳尾的能力更高。浮选方法和Tullgren Funnels从功能的角度检测到了同一社区，但只有浮选方法收集了所有最丰富的物种。这些结果表明，应评估陷阱陷阱和浮选的组合，以最大程度地利用Specie组合组成和功能类别来最大化所获得的信息。
收到日期：2021 年 12 月 21 日 / 接受日期：2022 年 2 月 22 日 / 发表日期：2022 年 3 月 5 日 外债对西巴尔干地区经济增长的影响
收到日期：2021 年 12 月 21 日/接受日期：2022 年 2 月 22 日/发表日期：2022 年 3 月 5 日 外债对西巴尔干国家经济增长的影响 Altin Hoti 副教授，美国中东大学，科威特 250 街 Aranit Shkurti 助理教授，地拉那都会大学，Pjeter Budi 街，地拉那 1000，阿尔巴尼亚 Scheherazade Rehman 教授，乔治华盛顿大学，2121 I St NW，华盛顿特区 20052，美国 DOI：https://doi.org/10.36941/ajis-2022-0045 摘要 本文研究了 1997 年至 2019 年 23 年间政府债务对阿尔巴尼亚、塞尔维亚、马其顿、波斯尼亚和黑塞哥维那四个西巴尔干国家长期 GDP 增长的平均影响使用具有异质系数的动态共同相关效应模型，研究了债务融资对这些经济体的短期和长期经济增长的影响。该模型的方法估计模仿了 Chudik 和 Pesaran，并使用了合并均值组估计量。关于政府债务对西巴尔干四国长期 GDP 增长的平均影响，本研究的结论与文献一致，即从长远来看，外债不会促进长期增长，事实上，往往会产生负面影响。新冠疫情加剧了西巴尔干四国的长期增长前景。关键词：公共债务、经济增长、财政政策、动态共同相关效应模型 1. 引言 众所周知，外债是经济发展和增长的关键因素。从长期来看尤其如此。新冠疫情加剧了扩张性经济政策的问题，并引发了债务的急剧增加，尤其是新兴市场和发展中经济体 (EMDE)。尽管经济有所扩张，但所有西巴尔干经济体都陷入了深度衰退（就像其他 EMDE 一样）。总体而言，经济活动