XiaoMi-AI文件搜索系统
World File Search System变体
基于对象检测性能评估的YOLO变体的比较分析
摘要。本研究的重点是分析和探索您只看一次（YOLO）算法。具体来说，本文分析了对象检测中三个版本（Yolov1，Yolov5和Yolov8）的演变和性能。研究开始于详细介绍对象检测的基本概念以及该领域常用的数据集。然后，它深入研究了与每个Yolo版本相关的特定体系结构和实验结果。分析表明，尽管Yolov8引入了高级功能和改进，但诸如Yolov5之类的早期版本在某些条件下可能会提供卓越的稳定性和性能，尤其是在特定任务（例如汽车检测）中。讨论强调了批处理大小等因素对模型性能的重要影响，这表明对这些参数进行微调可以优化特定应用的算法。该研究得出的结论是，Yolo发展的未来在于探索和完善不同的变体，尤其是Yolov8的变体，以更好地满足各种要求。通过专注于五个不同的Yolov8变体，该研究旨在增强Yolo框架在各种物体检测挑战中的适应性和有效性，从而对这项技术的持续发展产生宝贵的见解。
b'Abstract本文讨论了将双重/伪证机器学习（DDML）与堆叠配对，这是一种模型平均方法，用于结合多个候选学习者，以估计结构参数。除了传统的堆叠外，我们还考虑了可用于DDML的两个堆叠变体：短堆栈利用DDML的交叉拟合步骤可大大减轻计算负担，并汇总堆叠强制执行常见的堆叠权重，而不是交叉折叠。使用校准的仿真研究和两种估计引用和工资中性别差距的应用，我们表明，与基于单个预先选择的学习者基于单一的替代方法相比，堆叠的DDML对部分未知的功能形式比部分未知的功能形式更强大。我们提供实施建议的Stata和软件。 JEL分类：C21，C26，C52，C55，J01，J08'
b'Abstract本文讨论了将双重/伪证机器学习（DDML）与堆叠配对，这是一种模型平均方法，用于结合多个候选学习者，以估计结构参数。除了传统的堆叠外，我们还考虑了可用于DDML的两个堆叠变体：短堆栈利用DDML的交叉拟合步骤可大大减轻计算负担，并汇总堆叠量强制执行常见的堆叠权重，而不是交叉折叠。使用校准的模拟研究和两种估计引用和工资中性别差距的应用，我们表明，与基于单个预先选择的学习者的常见替代方法相比，堆叠的DDML对部分未知的功能形式更强大。我们提供实施建议的Stata和软件。JEL分类：C21，C26，C52，C55，J01，J08'
对移动设备上后量子和混合噪声协议变体的评估
摘要。Noise 是一个框架，用于设计和评估双方之间的认证密钥交换 (AKE) 协议，该协议使用 Diffie-Hellman (DH) 作为唯一的公钥密码系统。在本文中，我们对 Noise 和 PQNoise（最近推出的后量子版本的 Noise 协议框架）的计算和通信成本进行了评估。此外，我们介绍了 12 种基本（交互式）Noise 模式及其 PQNoise 对应模式的组合，从而获得混合握手模式，并将它们纳入我们的评估中。我们将 PQNoise 和新的混合模式集成到 Noise-C 中，这是用 C 编写的 Noise 协议框架的参考实现。为了评估 Noise 及其变体，我们使用 Linux 网络模拟工具模拟了具有不同延迟、吞吐量和数据包丢失设置的网络。对于所有 Noise 握手，我们选择了提供可比（量子前）安全级别的密码系统，即 X25519 和 Kyber512。我们在两台不同的设备上进行了实验，一台是搭载 Intel Core i5-10210U CPU 的笔记本电脑，另一台是搭载 32 位 ARM Cortex-A7 处理器的 Orange Pi One 开发板。我们收集的结果表明，在正常网络条件下，Noise 模式和 PQNoise 对应模式的执行时间几乎相同，除非后者需要额外的握手消息。然而，在网络条件较差、数据包丢失率较高的情况下，PQNoise 落后于 Noise，这主要是因为 Kyber512 的公钥和密文相对较大。当数据包丢失率较低时，我们的混合握手的执行时间与相应的 PQNoise 握手几乎没有区别，而在数据包丢失率较高时，差异很小。
灵活的变压器：一个简单的基于新颖的变压器网络，用于在变体输入图像尺寸
卷积神经网络（CNNS），是最重要的深度学习网络，用于构想者视觉，已进行了一系列的发展和改进，以进行与图像相关的任务，例如对象识别，图像分类，语义细分等。然而，在自然语言处理（NLP）领域，基于注意力的新网络变速器对机器翻译产生了深远的影响，随后导致了基于注意的计算机视觉模型的繁荣。具有关注的最新模型已经显示出对计算机视觉任务的良好性能。例如，与当前的卷积神经网络的表现相比，自我注意力学会在不同位置的细分或单词之间的关系。受视觉转移（VIT）的启发，我们提出了一个简单的新型变压器体系结构模型，称为Flexible Transformer，该模型继承了基于注意力的架构的属性，并且对于任意大小的输入而言是灵活的。除了自我注意事项外，VIT中的输入没有预处理，例如调整大小或裁剪，但在不改变它们的情况下保持完整，这可能导致信息失真或信息丢失。在本文中，我们想介绍一个满足这些要求的新颖而简单的体系结构。与艺术品相比，我们的模型流程输入具有任意图像大小的输入，而没有任何预处理和预处理成本。此外，实验的结果表明，尽管资源有限，该模型仍可以以很高的精度提供良好的结果。，即使灵活变压器的结果不如视觉变压器的结果准确，但它们显示了具有可变大小图像的图像分类任务中具有高性能的模型的潜力。研究的重要性为处理深度学习任务中的原始图像打开了可能性。基于原始输入，如果对拟议的模型进行了优化并在大型数据集上进行了进一步培训，则可以获得良好准确性的可靠结果。
18/PTEN 秀丽隐杆线虫突变体
摘要 兴奋和抑制 (E/I) 之间的精细平衡对于大脑正常功能至关重要。GABA 能系统的紊乱会改变这种平衡，是各种神经系统疾病的共同特征，包括自闭症谱系障碍 (ASD)。磷酸酶和张力蛋白同源物 (PTEN) 的突变与 ASD 密切相关，PTEN 是磷脂酰肌醇 3-磷酸激酶/Akt 通路的主要负调节剂。然而，尚不清楚 PTEN 缺陷是否会对抑制和兴奋信号产生不同的影响。利用秀丽隐杆线虫的神经肌肉系统，其中兴奋性 (胆碱能) 和抑制性 (GABA 能) 输入都调节肌肉活动，我们发现 daf- 18 / PTEN 突变会影响 GABA 能（但不影响胆碱能）神经发育和功能。这种选择性影响导致抑制信号传导不足。在 daf- 18/PTEN 突变体中观察到的 GABAergic 系统中的缺陷是由于发育过程中 DAF- 16/FOXO 活性降低所致。生酮饮食 (KGD) 已被证明对与 E/I 失衡相关的疾病有效。然而，其作用机制在很大程度上仍然难以捉摸。我们发现，在早期发育过程中富含酮体 β -羟基丁酸的饮食会诱导 DAF- 16/FOXO 活性，从而改善 daf- 18/PTEN 突变体的 GABAergic 神经发育和功能。我们的研究为 PTEN 突变与神经发育缺陷之间的联系提供了宝贵的见解，并深入探讨了 KGD 潜在治疗效果的潜在机制。
检测SARS-COV-2和庇护猫中可能的变体
SARS-COV-2是轻度至重度急性呼吸系统疾病的原因，导致2019年至2022年之间在全球范围内的人类生命丧失。在包括猫和狗在内的各种动物中发现了该病毒，这使其成为一个主要的公共卫生问题和一个健康问题。在这项研究中，在动物收容所中收集了结膜和咽拭子（n = 350）和血清样品（n = 350）（n = 350）（n = 350）。中和测试（SVNT）。203（58％）拭子样品为阴性（未检测到N1和N2），2（0.6％）为正（检测到N1和N2），而145（41％）尚无定论（仅检测到N1）。对N2区域的分析和多个序列比对揭示了猫样样品RNA提取物的N2探针结合区域中的基本对缺失和取代，与GenBank数据库中的正结构和人类SARS-COV-2序列相比。用源自CAT样品扩增子序列的探针代替N2探针，127个N2阴性样品中的123个（96.9％）返回了阳性。除350种血清样品中的所有外，所有其他人的SARS-COV-2抗体都是负面的。这些观察结果表明，尽管在测试的样品中发现SARS-COV-2感染的检测较低，但宠物猫可以怀有该病毒，并作为可能导致人类感染的病毒扩散来源。此外，猫可能带有与SARS-COV-2有关的尚未描述的病毒。
ACE2-FC融合蛋白针对SARS-COV-2及其变体的抗病毒活性
sars-cov-2一直在世界各地传播，经常发展为具有更大人类感染能力的新变体。SARS-COV-2及其突变体使用血管紧张素转化酶2（ACE2）作为细胞进入受体，该酶触发了几种依靠ACE2重组蛋白作为诱饵受体的使用的covid-19的治疗策略。在这项工作中，我们将ACE2无声FC融合蛋白（ACE2-HFCLALA）作为针对COVID-19的候选疗法。通过ELISA和流式细胞仪抑制测定法测量，该融合蛋白能够阻止SARS-COV-2 RBD与ACE2受体的结合。此外，我们使用了经典的中和测定法和后代中和测定法，以表明ACE2-HFCLALA融合蛋白能够中和正宗病毒。此外，我们发现与D614G菌株相比，这种融合蛋白在具有不同感兴趣的变量（Alpha，Beta，Delta和Omicron）方面更有效地预防体外感染（Alpha，Beta，Delta和Omicron）。我们的结果表明，该分子在治疗和预防性环境中使用使用ACE2作为通往人类细胞的门户的治疗和预防设置的潜力。
SARS-COV-2变体LF.7.2.1，NP.1和LP.8.1
。cc-by-nc-nd 4.0国际许可证。是根据作者/资助者提供的预印本（未经同行评审认证）提供的，他已授予Biorxiv的许可证，以在2024年12月27日发布的此版本中显示此版本的版权持有人。 https://doi.org/10.1101/2024.12.27.630350 doi：Biorxiv Preprint
与SOD1突变相关的快速进行性肌萎缩性侧性硬化症（P.D126H变体）在COVID-19疫苗接种后
检查显示左上肢的低位，近端（MRC 3/5）和远端无力（MRC 2/5）以及右前背侧和绑架者Pollicis brevis（4/5）的轻度弱点（4/5）。反射降低，感觉完好无损。在下肢中，髋屈曲（4/5）双侧存在轻度弱点。颈椎和大脑的MRI正常。神经传导研究（NCS）揭示了运动神经疾病的特征，具有完整的感觉研究，其中位神经和尺神经的复合肌肉动作电位显着降低。肌电图（EMG）显示左下角，二头肌臂，第一侧骨间和外展波利西斯的左下角发生了主动的去神经变化。最初，考虑了神经肌瘤的诊断。但是，她的症状进展了，五个星期后，她遇到了吞咽困难。重复的NC和EMG暗示着运动神经疾病，涉及四个区域 - 鳞茎，宫颈，胸腔和腰部区域。与疾病的临床表现一起
扩展 MBS 项目 73295，用于 BRCA 变体检测，以确定是否有资格接受 PBS 治疗
• 自 2025 年 1 月 1 日起，政府将修改医疗保险福利计划 (MBS) 第 73295 项。此项为卵巢癌、输卵管癌、原发性腹膜癌或乳腺癌患者的乳腺癌基因 1 和 2 (BRCA) 变异检测提供福利。 • 扩展后的项目将支持识别适合相关药品福利计划 (PBS) 列出的治疗的卵巢癌、输卵管癌、原发性腹膜癌或乳腺癌患者。 • 在变更之前，根据 MBS 第 73295 项寻求检测的乳腺癌患者必须符合某些临床标准。修订将取消这些限制，以支持对所有乳腺癌患者进行检测。此项将继续对无法进行肿瘤组织检测的晚期 (FIGO III-IV) 高级别浆液性或高级别上皮性卵巢癌、输卵管癌或原发性腹膜癌患者进行检测。 • 这一变化与管理这些癌症患者的专科医生、顾问医生和病理学家有关。