XiaoMi-AI文件搜索系统
World File Search System信念
新冠疫情对话中疫苗信念出现分歧
摘要。可行的 COVID-19 疫苗的开发是一项正在进行的工作，但免疫运动的成功将取决于公众的接受度。在本文中，我们将 COVID-19 讨论中的 Twitter 用户分为疫苗拒绝者 (反疫苗者) 和疫苗拥护者 (疫苗者) 社区。我们研究了反疫苗者和疫苗接种者在他们关注的对象方面的分歧。更具体地说，我们研究了 1) 美国国会议员、2) 四大宗教 (基督教、印度教、犹太教和伊斯兰教)、3) 与医疗保健界相关的账户和 4) 新闻媒体账户的追随者。我们的结果表明，疫苗接种者和反疫苗者之间存在党派分歧。我们发现一个宗教社区的反疫苗者比例高于预期。此外，我们发现俄罗斯和伊朗政府运营的新闻媒体账户中疫苗信仰的差异高于其他政府运营的新闻媒体账户。最后，我们提供信息和政策含义，为 COVID-19 疫苗和未来的疫苗接种计划提供信息。
糖尿病患者加权贝叶斯信念网络
糖尿病是一种持久的代谢疾病，这是由于血糖水平升高而导致的，这是由于体内胰岛素的不良产生或对体内胰岛素的无效利用而产生的。印度通常被标记为“世界糖尿病之都”，这是由于这种情况的广泛流行。根据国际糖尿病联合会报道，在2021年9月最新的作者最新知识最新的最新知识更新，据报道，印度约有7700万成年人受到糖尿病的影响。由于隐藏的早期症状，许多糖尿病患者无法诊断，导致治疗延迟。虽然已经利用计算智能方法来提高预测率，但这些方法的显着部分缺乏可解释性，这主要是由于它们固有的黑匣子性质。规则提取经常用于阐明机器学习算法固有的不透明性质。此外，为了解决黑匣子性质，使用了一种基于加权贝叶斯关联规则挖掘的强大规则的方法，以便提取的诊断糖尿病等疾病的提取规则可以非常透明，并且可以由临床专家易于分析，从而增强可解释性。使用UCI机器学习存储库来构建WBBN模型，证明了95.8％的性能精度。
用于表面码解码的广义信念传播算法
信念传播 (BP) 是一种众所周知的低复杂度解码算法，对重要的量子纠错码类别具有很强的性能，例如随机扩展码的量子低密度奇偶校验 (LDPC) 码类。然而，众所周知，在面对拓扑码（如表面码）时，BP 的性能会下降，其中朴素 BP 完全无法达到低于阈值的状态，即纠错变得有用的状态。之前的研究表明，这可以通过借助 BP 框架之外的后处理解码器来补救。在这项工作中，我们提出了一种具有外部重新初始化循环的广义信念传播方法，该方法可以成功解码表面码，即与朴素 BP 相反，它可以恢复从针对表面码定制的解码器和统计力学映射所知的亚阈值状态。我们报告了独立位和相位翻转数据噪声下的 17% 阈值（与理想阈值 20.6% 相比），以及去极化数据噪声下的 14% 阈值（与理想阈值 18.9% 相比），这些阈值与非 BP 后处理方法实现的阈值相当。
了解加拿大的疫苗犹豫：态度，信念和信息生态系统
图2：将接受疫苗的受访者的份额，以防止人口统计组：教育组：教育（左上角），年龄（右上角），性别（中左），住所（中右），地区（左下），宗教的重要性（下降）。
采用信念随机最优控制的稳健空间轨迹设计
步进轨迹通常经过优化以满足标准场景中的科学和飞行系统约束。然而，在实际应用中，完全遵循参考轨迹是不可能的，因为不确定性总是影响系统；不确定性可能是由于不完善的状态知识、不完善的动态参数、错过的推力事件或执行错误造成的。在设计阶段，通常通过导航分析事后评估参考轨迹对这些不确定性的稳健性和可靠性，并通过多次迭代调整标准设计。通过评估轨迹受到不同不确定性实现影响时的任务结果来进行稳健性和可靠性评估。为了提高稳健性，通过增加推进剂裕度和强制滑行弧进行轨迹校正机动 (TCM)，或降低推力水平来确保对轨迹进行微小调整。因此，该迭代过程主要将标准轨迹优化视为与不确定性处理阶段分离。此过程通常很耗时，并且可能导致具有过于保守的裕度的次优轨迹。组件和发射器的最新发展现在使深空微型卫星和纳米卫星任务成为可能。此类航天器的轨道控制能力有限（DV 有限），状态知识（地面站访问有限）和执行（TRL 组件低）的不确定性很大，裕度和系统冗余的可能性低（尺寸和成本有限）。因此，对于这些任务，轨迹的设计更重要的是其对不确定性的稳健性。虽然不确定性下的轨迹优化是小型航天器的一种可行方法，但大型传统任务也将受益于随机轨迹优化，既可以提高性能，因为随机最优轨迹通常与具有经验裕度的确定性轨迹不同，也可以减少设计迭代次数。如上所述，目前主要的实际方法是分配后验经验裕度 [1,2]。最近的研究采用随机最优控制问题的不同公式生成了稳健轨迹。模型预测控制或随机闭环公式用于解释控制曲线中的校正项 [3,4]。通过随机规划研究了发动机暂时故障的情况 [5,6]。微分
系统评价评估大学生对可持续性和可持续发展的信念和态度：系统评价
摘要：（1）背景：与可持续性和可持续发展目标（SDG）有关的内容和战略正在学术课程中引入，大学环境的组织正在发展以采用可持续实践。这种进化的主要目的之一是提高学生对可持续性的认识，并鼓励他们发展态度，知识和能力，以作为未来负责的公民。这意味着需要检查和理解学生对可持续性的态度和信念。（2）方法：已经进行了系统的文献综述，以研究着针对大学生对可持续发展的信念和态度的最新研究。搜索了三个教育在线数据库以搜索已识别的研究论文，最后，分析中包括了20篇论文。（3）结果：近年来，对大学生对可持续性信念和态度的评估的话题越来越兴趣。评估通常仅限于可持续性的环境方面，将经济，社会和教育方面置于后台。大多数评估工具已被开发为定量问卷。（4）结论：了解大学生对可持续问题的态度和看法是帮助高等教育机构有效地将可持续发展的内容和原则注入其环境中的重要任务。
基于麻雀搜索算法 - 深度信念网络的EEG信号的分类
摘要：在脑部计算机界面（BCI）系统中，识别运动成像（MI）脑信号提出了挑战。已建立的识别方法从SSVEP，AEP和P300等模式中实现了有利的性能，而MI的分类方法需要改进。因此，寻求一种表现出高精度和鲁棒性在MI-BCI系统中的应用是必不可少的。在这项研究中，拼音搜索算法（SSA）优化的深信信仰网络（DBN）（称为SSA-DBN）旨在识别经验模式分解（EMD）提取的EEG特征。通过SSA获得的优化超参数增强了DBN的性能。我们的方法的功效在三个数据集上进行了测试：两个公共和一个私人。结果表明，相对较高的精度率，表现优于三种基线方法。具体来说，在私人数据集上，我们的方法的准确度为87.83％，标志着标准DBN算法的10.38％改善。对于BCI IV 2A数据集，我们记录了86.14％的精度，超过DBN算法的精度为9.33％。在SMR-BCI数据集中，我们的方法达到了87.21％的分类精度，比常规DBN算法高5.57％。这项研究表明，MI-BCI的分类能力增强，有可能导致BCI领域的进步。
孟加拉国居民对 COVID-19 疫苗的信念、障碍和犹豫：横断面研究的结果
超过四分之一的参与者（26.42%）犹豫不决，70.33% 的人表示愿意接受疫苗，3.25% 的人拒绝接种疫苗。虽然（54%）的人认为大规模接种疫苗将是抗击 COVID-19 大流行的最有效方法，但也有报道称他们担心疫苗的副作用（58%）、人体接种前疫苗试验不充分（43%）、商业牟取暴利（42%）和不信任疫苗的好处（20%）。此外，还报告了其他障碍，包括疫苗供应短缺、未来不良反应未知（55%）、对卫生系统缺乏信心（51%）、对其有效性（50%）和安全性存在怀疑（45%）以及关于潜在不良反应的信息不足（44.7%）。在双变量分析中，当前政治倾向、既往疫苗接种史和健康状况等变量与接种疫苗有显著相关
关于支持创伤性胸罩康复的约会技能的当前实践和信念
抽象背景：关系对创伤性脑损伤后的生活质量很重要（TBI）。但是，关于如何支持约会技能或专业人员如何看待该领域的研究有限。方法：开发了52个项目的在线调查，并将其发送给英国参与TBI康复的专业人员。招聘是通过专业网络，特殊利益集团和社交媒体的。结果：来自一系列专业的125名参与者完成了调查。许多人同意，约会技能在康复中很重要（81.6％），但报道从事这项工作的较少（51.2％）。心理学家，SLT和OTS也被确定以解决约会技能。案件经理似乎也意识到这项工作。参与者报告使用一系列活动来解决约会技能，包括管理抑制行为和教学互动技能。感知到的障碍既是个人的，又是专业人士，包括缺乏资源和感到尴尬。结论：这项研究强调了对约会在脑损伤中的重要性的认识，但是专业人员面临支持约会技能的多个障碍。可以利用相关领域的建议，包括用于认知交流困难的康复和性障碍，并进一步研究，以将这些领域的专门联系到约会技能。
新加坡老年人对流感疾病和疫苗的信念和误解类型分析
在新加坡等发达国家，获得流感疫苗几乎没有什么障碍，而且强烈建议高危人群（包括老年人）接种流感疫苗。然而，尽管在这一脆弱人群中，流感的发病率和死亡率很高，但疫苗接种率远低于建议水平。鉴于提高疫苗接受度和接种率的及时目标，我们探讨了新加坡老年人对流感疾病和疫苗的误解。我们对 76 名 65 岁及以上的新加坡成年人进行了定性的半结构化访谈，访谈对象不限新加坡的某个特定地区。我们使用扎根理论方法来分析数据，以了解参与者的态度、看法和知识。我们开发了反映参与者使用的措辞的体内代码，并通过恒定比较编码方法详尽地分类主题。特别关注老年人的误解，从我们的数据分析中得出了有关流感疾病或疫苗的七个主要主题：对流感的熟悉程度、对流感的误解、个人对流感的易感性、对流感疫苗的熟悉程度、对流感疫苗的误解、对流感疫苗使用的误解以及对流感疫苗接种的看法和障碍。值得注意的是，新加坡老年人对接种流感疫苗缺乏足够的知识和动力。健康传播需要更加适合老年人的信息处理系统，并让卫生专业人员参与解决本研究中发现的流感疾病和疫苗误解。