XiaoMi-AI文件搜索系统
World File Search System动态过程
神经元作为量子参考系的层次结构。
神经元是典型的生物信息处理器。然而，神经信息处理的理论模型，尤其是概念模型，越来越落后于我们对神经元作为电兴奋细胞的不断发展的经验理解。例如，过去二十年的实验工作已经明确证实，树突会经历活动依赖性重塑 [1, 2, 3]，特别是树突棘位置、密度和功能的改变 [4]，即使在成年人中也是如此。这种个体发生过程在功能上类似于树突结构和位置多样性的进化，因为它们已经适应了一系列功能角色 [5]，例如通过突触可塑性实现深度学习 [6, 7]。因此，神经元不是静态结构，而是可以被视为在整个生命周期中不断发育。这一动态过程对神经元级和生物体级功能都有重大影响。例如，在大脑发生剧烈重塑和重建的生物体（如毛毛虫转变为蝴蝶或飞蛾）中，它们学到的一些记忆会保留下来并经受住这一过程 [8]。在其他情况下，记忆可以印刻在从其他组织再生的新大脑上 [9, 10]，这凸显了大规模神经结构及其存储信息的可塑性。重塑的这些影响不仅仅是所谓的低等动物的问题，因为再生医学的应用很可能很快就会产生人类患者，他们的部分大脑已被幼稚干细胞的后代所取代，以治疗退行性疾病或脑损伤。
脊椎动物雌性配偶选择背后的神经和分子机制
雌性配偶选择是一个动态过程，允许个体选择性地与表现出一组偏好特征的异性交配。由于许多物种中的雄性相互竞争受精机会，雌性配偶选择可以成为性选择的一个强大因素，通常会导致雄性具有非常显眼的特征。尽管雄性为吸引配偶而表现出的装饰和行为的进化原因和后果已经得到充分研究，但令人尴尬的是，人们对雌性选择发生的近端神经机制知之甚少。在脊椎动物中，雌性配偶选择本质上是一种社会行为，尽管关于这一过程仍有许多有待发现的地方，但最近的证据表明，在配偶选择过程中，其他基本社会行为（如配对、攻击性和父母照顾）背后的神经基质和回路可能同样被招募。值得注意的是，雌性配偶选择并不是静态的，因为社会和生态环境可以塑造大脑，从而以特定的方式塑造行为。在本综述中，我们讨论了社会和/或生态影响如何影响女性的选择，以及这种影响在大脑中是如何发生的。然后，我们讨论了我们目前对女性配偶选择的神经基础的理解，特别关注那些在调节其他社会行为方面也发挥作用的神经基础。最后，我们通过强调新的模型系统和新的方法论，提出了几种有希望的未来研究途径，这些途径将共同改变我们对女性配偶选择的原因和后果的理解。
带有过程时间模型的单细胞基因组数据的轨迹推断
单细胞转录组学实验提供了跨细胞态杂基细胞群体的基因表达快照。这些快照已被用于推断轨迹和动态信息，即使没有基因表达相似性订购细胞的密集，时间序列数据。然而，尽管单细胞快照有时提供了对动态过程的有价值的见解，但当前的订购细胞的方法受到缺乏内在物理含义的“假频率”的描述性概念的限制。而不是伪赛，我们通过原则建模方法提出了“过程时间”的推断，以制定轨迹和推断对应于经受生物物理过程的细胞对应的潜在变量。我们对这种方法的实施称为Chronocell，提供了建立在细胞状态过渡的轨迹的生物物理表述。计时模型是可识别的，使参数推断有意义。更重要的是，当细胞状态位于连续体上并聚类时，当细胞聚集到离散状态时，计时核可以在轨迹推理之间插值。通过使用从类似群集到连续的各种数据集，我们表明计时赛使我们能够评估数据集的适用性，并在过程时间内揭示了与生物过程时间一致的过程。我们还将降解速率的参数估计值与来自代谢标记数据集的参数估计值进行了比较，从而展示了计时性的生物物理实用性。然而，基于模拟的性能表征，我们发现过程时间推断可能具有挑战性，突出了数据集质量的重要性和仔细的模型评估。
基于...
由于需要线性化非线性系统，传统控制器的应用仅限于非线性过程的实时分析。此外，调整提出了一个重大挑战，尤其是在处理非线性系统时，因为传统方法通常需要复杂的手动计算才能在各种约束下进行操作。该研究所考虑的连续搅拌坦克加热器（CSTH）过程具有广泛的工作点，并且高度非线性。因此，这项研究的目的是通过利用强化学习（RL）来简化传统比例积分衍生物（PID）控制器调整过程，并适应实时动态过程需求，以简化传统的比例积分衍生物（PID）控制器调整过程。该研究主要关注CSTH过程的温度控制，该过程以其非线性和时间延迟特征而闻名。通过采用基于策略的RL技术，特别是双胞胎延迟的深层确定性政策（TD3）和软批评者（SAC）RL具有适当的奖励功能，调查评估了其对各种设定点的适应性，并具有抗扰动性。通过严格的实验和分析，观察到具有高斯奖励功能的TD3与SAC相比表现良好。这项研究试图证明基于TD3 RL的方法的性能在简化PID调整中的性能通过降低诸如ISE，IAE，IAE，SATTLING时间和过冲的绩效指标，为47.6％，26.5％，3.8％，3.8％和100％用于伺服响应，ISE和ISE和定居时间为37.7％和4.7％的人，而PIDER的响应者则是指数。
表演性人-ML协作的动态模型
机器学习（ML）模型越来越多地用于各种应用程序，从电子商务的推荐系统到医疗保健的诊断预测。在本文中，我们提出了一个新颖的动态框架，用于思考ML模型在表现性的人类ML协作系统中的部署。在我们的框架中，ML建议的引入更改了人类决策的数据生成过程，这只是代理地面真理，然后将其用于培训模型的未来版本。我们表明，这种动态过程原则上可以收敛到不同的稳定点，即ML模型和人+ML系统具有相同的性能。相对于实际地面真理，这些稳定点中的一些是最佳的。我们对1,408名参与者进行了经验用户研究，以展示此过程。在研究中，人类在机器学习预测的帮助下解决了背包问题的实例。这是一个理想的环境，因为我们可以看到ML模型如何学会模仿人类的决策以及该学习过程如何收敛到稳定点。我们发现，对于许多ML性能，人类可以改善ML预测，以动态达到最大背包值的92％的平衡性能。我们还发现，如果人类合理地遵循ML建议，平衡性能可能会更高。最后，我们测试货币激励措施是否可以提高人类决策的质量，但我们找不到任何积极的影响。我们的结果对在人类决策可能偏离无可争议的基础真理的情况下部署ML模型具有实际意义。
肌肉干细胞和再生的成像分析
由各种细胞组成，骨骼肌是人体组织之一，受伤后具有显着的再生能力。再生过程中的主要参与者之一是肌肉卫星细胞（MUSC），这是一种用于骨骼肌的干细胞种群，因为它是新的肌纤维的来源。保持体内平衡期间的MUSC静止涉及成年骨骼肌中MUSC与其他细胞之间的复杂相互作用。受伤后，将MUSC激活以进入细胞周期以进行细胞增殖并分化为肌管，然后是成熟的肌纤维以再生肌肉。尽管进行了数十年的研究，但MUSC维持和激活的基本机制仍然难以捉摸。分析MUSC的传统方法，包括细胞培养物，动物模型和基因表达分析，为MUSC生物学提供了一些见识，但缺乏复制体内肌肉环境中的3-维（3-D）的能力，并且可以全面捕获动态过程。成像技术的最新进步，包括共焦，重要和多光子显微镜，为观察和表征的动态MUSC形态和行为提供了有希望的途径。本章旨在审查3-D和现场成像方法，这些方法有助于发现对MUSC行为的见解，形态变化，肌肉利基内的相互作用以及在激活（Q-A）过渡期间的内部信号通路。整合先进的成像方式和计算工具为研究骨骼肌再生中复杂的生物学过程和肌肉退行性疾病（例如肌肉减少症和Duchenne肌肉营养不良（DMD））提供了新的途径。
荣誉细胞生物学生物学240H，春季2024
Biol 240H，春季2024课程描述欢迎！生物240H细胞生物学是荣誉课程。本课程将使您了解细胞的工作方式的新水平。您将学习细胞组件的功能，以及细胞如何完成动态过程，包括细胞分裂，迁移和通信。这些主题对于发展，体内平衡和避免各种人类疾病至关重要。我们认为细胞生物学有趣，因为它涉及活跃的材料，信号整合以及在越来越多的熵世界中创建和维持秩序的努力。该课程还将有助于您通过科学实验的创造性设计来建立对科学知识的理解。您将学会批判性地思考发现的发现，并想象并提出如何做出未来的发现。会议日，时间为T/T/TH 11：00-12：15pm在GSB1378目标受众中，这是荣誉课程，也是200级生物学核心课程的一部分。我们提出的材料将在很大程度上反映，尽管并非完全，但在非年on部分中提出的内容，此外，我们还将使用一些课程来进行动手丰富的活动和讨论。丰富的活动日将取代讲座时间，因此学生将负责从教科书阅读中学习一些材料，从而为下一篇讲座带来有关阅读的问题。学习方式，我们使用一些创新的方法以及传统的基于讲座的教学，并寻求将学生的兴趣与课程材料联系起来。
Environmental financing: does digital economy matter?
可持续发展和生态修复是世界各国为缓解经济增长与环境之间的冲突而追求的共同目标。数字经济在解决此类冲突中发挥了重要作用。本研究旨在通过评估特定城市的时间和行业特定动态来确定数字融资与环境融资之间的关系，并确定数字经济对当前环境投资和成本的副作用。特别关注数字经济对总体环境融资及其组成部分的影响，即环境投资和当前环境保护成本。作者提出了两个指标来评估数字经济的影响，即数字融资（直接影响）和数字资本（间接影响）。为了计算这些指标，作者开发了自己的方法。使用最小二乘法对年度标准差和个体固定效应进行聚类，检验数字经济对环境融资的影响。研究数据取自俄罗斯联邦国家统计局 (Rosstat) 2012 年至 2022 年的数据。我们的研究结果表明，数字融资对环境融资产生了显著的积极影响，这表明经济中的两个动态过程——数字化转型和引入先进的环境数字技术——是同步的。作者证明，由于数字技术渗透到环境保护技术中所产生的影响，数字投资刺激了环境投资的相应增长。我们表明，通过数字资本指数评估的人口、公司和国家的数字化水平对环境融资有积极影响。研究结果可用于公共政策领域。
CAR分子的吞噬作用调节CAR-T细胞功能障碍和肿瘤抗原逃逸
嵌合抗原受体 (CAR) T 细胞疗法在治疗血液系统恶性肿瘤和实体瘤方面均表现出临床反应。尽管在动物模型和临床试验中观察到了肿瘤快速缓解的情况，但肿瘤复发伴随着多种治疗耐药机制。此外，虽然长期治疗耐药的潜在机制众所周知，但短期适应性仍不太为人所知。然而，更多的观点揭示了短期适应性，并认为它为长期耐药提供了机会窗口。在本研究中，我们探索了一种以前未报道的机制，其中肿瘤细胞采用吞噬作用从 CAR-T 细胞中获取 CAR 分子，这是先前记录的过程的逆转。这种机制导致 CAR 分子耗竭和随后的 CAR-T 细胞功能障碍，也导致短期抗原丢失和抗原掩蔽。这种类型的细胞间通讯与 CAR 下游信号传导、CAR-T 细胞状况、靶抗原和肿瘤细胞类型无关。然而，它主要取决于抗原密度和 CAR 敏感性，并与肿瘤细胞胆固醇代谢有关。可以通过自适应地施用具有抗原密度个性化 CAR 敏感性的 CAR-T 细胞来部分缓解这种吞噬作用引起的 CAR 分子转移。总之，我们的研究揭示了 CAR 分子转移的动态过程，并完善了实体肿瘤临床 CAR-T 治疗框架。
前进视觉感知学习：来自数据的见解...
上午11:30 - 下午12:30 │2025年2月21日（星期五）CPD1.24，1/f，Run Run Shaw Tower│Centennial Campus│香港大学抽象视觉感知学习（VPL）可以通过培训来增强任务性能，有时通过培训提高了准确性，从近乎机会到熟练程度。 鉴于其在优化视觉和认知功能中的关键作用，因此了解通过学习的看法如何变化至关重要。 然而，人类学习是一个动态过程，涉及一般学习，遗忘，快速重新学习和适应，由于许多研究中使用的粗糙时间分析，通常会忽略它们。 本谈话从大规模的多任务VPL研究中介绍了发现，揭示了特定于主题的一般学习能力，会议内和间隔过程以及任务之间的干扰效应。 为了更好地分析这些学习动力学，我们使用非参数和分层贝叶斯模型介绍了新的数据分析方法，从而为人类学习行为提供了细粒度的见解。 此外，新的计算建模技术允许对生成过程模型进行逐审拟合，从而通过最小的培训数据可以预测学习性能。 这些进步为优化培训策略和改善人类绩效提供了基础。 演讲将以未来的研究方向结束，包括精炼生成模型，探索组件学习过程对经典感知学习操作的影响，并开发一个全面的框架来增强学习概括和效率。上午11:30 - 下午12:30 │2025年2月21日（星期五）CPD1.24，1/f，Run Run Shaw Tower│Centennial Campus│香港大学抽象视觉感知学习（VPL）可以通过培训来增强任务性能，有时通过培训提高了准确性，从近乎机会到熟练程度。鉴于其在优化视觉和认知功能中的关键作用，因此了解通过学习的看法如何变化至关重要。然而，人类学习是一个动态过程，涉及一般学习，遗忘，快速重新学习和适应，由于许多研究中使用的粗糙时间分析，通常会忽略它们。本谈话从大规模的多任务VPL研究中介绍了发现，揭示了特定于主题的一般学习能力，会议内和间隔过程以及任务之间的干扰效应。为了更好地分析这些学习动力学，我们使用非参数和分层贝叶斯模型介绍了新的数据分析方法，从而为人类学习行为提供了细粒度的见解。此外，新的计算建模技术允许对生成过程模型进行逐审拟合，从而通过最小的培训数据可以预测学习性能。这些进步为优化培训策略和改善人类绩效提供了基础。演讲将以未来的研究方向结束，包括精炼生成模型，探索组件学习过程对经典感知学习操作的影响，并开发一个全面的框架来增强学习概括和效率。关于发言人Lu Zhong-lin教授是NYU上海的神经科学教授，也是纽约大学神经科学中心的全球网络教授。Lu教授于2019年加入俄亥俄州立大学的纽约大学，在那里他是艺术与科学学院杰出心理学教授，心理学，验光学和转化数据分析教授，以及认知和脑科学中心，以及认知和行为脑智慧中心的中心。lu是实验心理学家和心理科学协会的会员。Zoom会议（对于无法亲自参加研讨会的参与者）