XiaoMi-AI文件搜索系统
World File Search System区分的
定量易感性映射在7 tesla MRI上的含义对脑小血管疾病中的微孔物检测
脑小血管疾病（CSVD）适当的病理变化导致血管壁的泄漏和破裂，有时会导致完整的红细胞或头皮蛋白的积累（1，2）。这些急性，亚急性或慢性小局灶性病变称为脑微粒（MB），是CSVD的最具代表性的标志之一（3，4）。因此，它们与疾病的病理负担相关（5，6），可预测脑部出血的风险（7，8）（ICH），这是零星CSVD的最严重和毁灭性的结果，并显示出与认知障碍（9，10）的不可思议的相关性。人类大脑中脑MB的分布还创造了允许在两种最常见的零星CSVD之间进行区分的模式：高血压的动脉炎（HA）（HA），这与高血压和表现相关，尤其是在基础神经节（11）和塞雷布拉群Angiplal Angioptile Angiphy an Angioptial anty an Angioptiles（CAAA）中（瘦脑和皮质小动脉，其特征是淀粉样β（aβ）的积累（12）。因此，MB通常在HA的深脑区域中找到，而它们严格是CAA中的Lobar（并且主要是皮质）（11）。混合模式也可能表达两种血管病理的同时存在（13）。此外，在阿尔茨海默氏病（约25％）（14，15）中，MBS并不罕见，并且最近的发展还表明，MBS和较高的脑出血风险较高，可能会鼓励对最近被批准的抗ANPI-Aβ阿尔茨海默氏病疗法（16）谨慎谨慎。mbs，从第六个人中的大约17％增加到八十年来的38％（17）。MB。定量易感映射（QSM）（18），一种相对新颖的后处理方法，具有优势，例如缺乏T2 ∗ -W序列适当的盛开效果和SWI序列和SWI（19）的可能性，以及在二氧化碳和临时物质之间进行区分的可能性（E.G.G.G.G.G.G.G.G.G.G.，沉积物 - 如MBS）。在这项研究中，我们假设MBS检测将从（i）较大的磁场强度（3T T2 ∗ -W vs. 7T T2 ∗ -W成像）中受益，如先前所示（21）和（ii）QSM（7T T2 ∗ -W vs. 7T QSM）的使用。此外，在同一CSVD患者和健康的老年参与者中，我们探讨了7T QSM对基于神经成像的患者分类为CSVD和/或对照组的含义。
一种新的逻辑、一种新的信息度量和一种基于信息的新方法来解释量子力学
摘要：新的分区逻辑与通常的布尔子集逻辑（通常仅在命题逻辑的特殊情况下出现）是双重的，因为分区和子集是范畴论的对偶。逻辑熵的新信息度量是分区的规范化定量版本。解释量子力学 (QM) 的新方法表明 QM 的数学（而不是物理）是分区数学的线性化希尔伯特空间版本。或者，反过来说，分区数学是 QM 数学的骨架版本。从逻辑到逻辑信息再到量子理论的整个过程中，关键概念是区别与无区别、确定性与不确定性或可区分性与不可区分性。分区的区别是来自底层集合的有序元素对，它们位于分区的不同块中，逻辑熵最初定义为区别的规范化数量。确定性和可区分性的同源概念贯穿于整个量子力学的数学，例如，在关键的非经典叠加概念（=本体不确定性）中，以及在费曼规则中，用于添加振幅（不可区分的选择）与添加概率（可区分的选择）。
从...的角度评价心理效度
摘要：驾驶模拟器的有效性是支持和促进旨在更好地理解驾驶行为的工作的一个基本问题。虽然有效性的主观和行为维度已被定期研究，但它们面临一定的局限性。另一方面，很少有研究关注模拟器的心理有效性。该维度比较真实驾驶和虚拟驾驶之间行为背后机制的参与情况。此外，很少有研究比较不同维度的有效性，尽管这可能有助于虚拟环境计量学的发展。本论文工作正是定位在这个层面上，将经典的行为有效性测量（速度、横向控制）与从精神负荷角度考察的心理有效性测量进行了比较，以眨眼为指标。主要目标是在观察到的行为无法区分的情况下，确定在道路上驾驶和在模拟器上驾驶之间的精神负荷水平是否存在差异。为了回答这个问题，本论文工作围绕在驾驶模拟器上进行的三个实验和在真实道路上的研究进行了组织。
跑道偏离定量评估... - arXiv
摘要 — 评估罕见飞机事故（例如跑道偏离）的一种方法是确定促成因素（例如，晚刹车、长着陆、不适当的拉平、不稳定进近）并构建依赖树（例如，长着陆可能是由于不稳定进近后没有复飞而导致的），以描述这些因素之间的因果关系。然后将概率输入此类模型以评估评估的风险。在估计此类概率时，许多来源都可能引起人们的兴趣。航空公司可以访问其机队的综合飞行数据记录；制造商努力收集他们制造的飞机的数据；空中交通管制记录雷达轨迹。尽管不如其他飞行数据记录那么完整，但 Mode S 数据非常有吸引力，尤其是对于学术界来说，由于数据是开放的，可以毫无混淆地发布，并为社区提供可重复的结果。Mode S 还提供了一个不加区分的信息来源（不限于航空公司或飞机类型），这对于将符合不寻常模式的航班置于上下文中非常有帮助。我们建议通过围绕跑道偏离风险评估的案例研究来讨论仅基于 Mode S 数据的分析的优势和局限性。
使用强大的细粒访问策略增强基于格子的安倍
保护敏感数据在各个领域至关重要，包括信息技术，网络安全和医疗保健记录。在大型网络中实施加密数据的精确访问策略至关重要。基于属性的加密（ABE）是解决此挑战的解决方案，同时启用加密和访问控制。由于量子计算的进步，量子安全措施的重要性越来越大，对加密数据的量子抗性访问控制机制的需求越来越不断提高，这是基于基于晶格的属性加密所指的。但是，一些现有的基于格子的安倍计划缺乏对细粒度访问政策的强大支持。本文介绍了改进的基于关键策略属性的加密（KP-ABE）方案，该方案扩展了超出阈值门以支持任何布尔电路。在无法区分的CPA游戏下，在选择性安全模型中以错误（LWE）的假设为基础，拟议方案的安全性基于学习。值得注意的是，该方案非常适合布尔函数的分离正常形式（DNF）表示，为加密数据提供了增强的灵活性和访问控制机制的安全性和安全性。
量子计算的快速弱模拟
摘要 — 量子计算机有望显著加快解决传统计算机无法解决的问题的速度，但尽管最近取得了进展，但在扩展和可用性方面仍然有限。因此，量子软件和硬件的开发严重依赖于在传统计算机上运行的模拟。大多数此类方法都执行强模拟，因为它们明确计算量子态的振幅。然而，这些信息不能直接从物理量子计算机中观察到，因为量子测量会从由这些振幅定义的概率分布中产生随机样本。在这项工作中，我们专注于弱模拟，旨在产生与无错误量子计算机统计上无法区分的输出。我们开发了基于决策图的量子态表示的弱模拟算法。我们将它们与使用状态向量数组和对前缀和进行二分搜索进行采样进行比较。经验验证首次表明，这能够模拟大规模的物理量子计算机。索引术语 — 量子计算、模拟、弱模拟、采样 I. 引言
惊喜定义的分类学-Infoscience
令人惊讶的事件触发了可衡量的大脑活动，并通过影响学习，记忆和决策来影响人类行为。当前，关于惊喜的定义尚无共识。在这里，我们在统一框架中确定了18个惊喜的数学定义。我们首先根据对代理人的信念的依赖，展示它们如何相互联系，并在什么条件下证明它们是无法区分的，将这些定义的技术分类分为三组。超出了此技术分析，我们提出了一个惊喜定义的分类法，并根据它们衡量的数量将它们分为四个概念类别：（i）“预测惊喜”衡量预测与观察之间的不匹配； （ii）“变更点检测惊喜”衡量了环境变化的可能性； （iii）“信心校正的惊喜”明确说明了信心的影响； （iv）“信息获得惊喜”衡量了对新观察的信念更新。分类学为大脑中功能作用和生理特征的原则研究奠定了基础。©2022作者。由Elsevier Inc.出版这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。
remelelination保护神经元免受DLK介导的神经变性
慢性脱髓鞘和少突胶质细胞丧失剥夺神经元的关键支持。正是神经元的变性及其连接导致脱髓鞘疾病的逐渐残疾。但是，慢性脱髓鞘是否触发神经变性及其如何触发。我们表征了两种诱导脱髓鞘的遗传小鼠模型，一种是有效的再髓样区别，另一个是通过雷诺德式衰竭和慢性脱髓鞘而区分的。虽然两种脱髓鞘线都具有轴突损伤，但具有阻塞的透明度的小鼠具有升高的神经性凋亡，并且微胶质细胞炎症的改变，而具有效率的透明性的小鼠没有神经元细胞凋亡，并且功能恢复改善。rem髓无能力的小鼠表明，双亮氨酸拉链激酶（DLK）下游激活增加了神经元核中C-JUN的磷酸化。DLK阻滞C-Jun磷酸化和脱髓鞘神经元的凋亡的药理抑制或遗传疾病。一起，我们证明了与神经保护作用相结合，并确定DLK抑制作用是慢性脱髓鞘神经元的保护策略。
TNO报告TNO 2020 P10915荷兰氢平衡以及能量统计中氢的当前和未来表示
该项目是在与荷兰统计局合作（荷兰称为CBS）的TNO Energy Transition的能源过渡研究系进行的。该项目是由经济事务和气候政策部委托的，在荷兰企业局的财政支持下（荷兰称为RVO）。该项目的项目负责人和本文件的首席作者是Marcel Weeda。Reinoud Segers在CBS和本报告的共同作者中是对应的。该项目以TNO注册，标题为“ Waterstof in EnergiestAtiSieken”，项目编号为060.42292。作者要感谢DNV·GL和Gasunie提供了他们最近在荷兰氢供应库存的背景数据。这证明了这项研究非常有用的起点。此外，作者要感谢BertDaniëls（PBL），Robin van de Oever（CBS）和Carina Oliveira Machado Dos Santos（TNO）的宝贵讨论和贡献，以使数字正确，尤其是对于炼油厂的氢气。最后，作者要感谢Jaap Oldenziel（Air Liquide）的有用沟通，这有助于更好地了解可以区分的各种工业氢生产。
攻击性人工智能对组织的威胁
人工智能为我们提供了自动执行任务、从大量数据中提取信息以及合成与真实事物几乎无法区分的媒体的能力。然而，积极的工具也可以用于消极的目的。特别是，网络对手可以使用人工智能来增强他们的攻击并扩大他们的活动。虽然过去已经讨论过进攻性人工智能，但仍需要在组织的背景下分析和理解威胁。例如，具有人工智能能力的对手如何影响网络杀伤链？人工智能对攻击者的好处是否比防御者更多？当今组织面临的最重大的人工智能威胁是什么？它们将对未来产生什么影响？在本研究中，我们探讨了进攻性人工智能对组织的威胁。首先，我们介绍背景并讨论人工智能如何改变对手的方法、策略、目标和整体攻击模型。然后，通过文献综述，我们确定了 32 种进攻性人工智能能力，对手可以利用这些能力来增强他们的攻击。最后，通过涵盖工业界、政府和学术界的小组调查，我们对人工智能威胁进行排名并提供有关对手的见解。