XiaoMi-AI文件搜索系统
World File Search System向量
面向量子低的二维局部实现......
几何局部性是影响代码性能和物理实现难易程度的量子低密度奇偶校验 (qLDPC) 码的重要理论和实践因素。对于仅限于二维 (2D) 局部门的设备架构，单纯地实现适用于低开销容错量子计算的高速率代码会产生过高的开销。在这项工作中，我们提出了一种基于双层架构的纠错协议，旨在通过以低于其他生成器的频率测量某些生成器来减少仅限于 2D 局部门时的操作开销。我们研究了双变量双循环 qLDPC 码系列，并表明它们非常适合使用快速路由和局部操作和经典通信 (LOCC) 的并行综合征测量方案。通过电路级模拟，我们发现在某些参数范围内，使用此协议实现的双变量双循环码具有与表面码相当的逻辑错误率，同时使用更少的物理量子位。
研究论文使用决策树、朴素贝叶斯和支持向量对肺癌预测中的分类模型性能的比较分析
本研究旨在利用“肺癌预测”数据集，分析三种分类模型（决策树分类器、支持向量机和朴素贝叶斯分类器）在预测肺癌方面的表现。所采用的性能评估指标包括准确率、精确率加权、召回率加权和 F1 加权。作为初步步骤，进行了探索性数据分析 (EDA) 和数据集预处理，包括特征选择、数据清理和数据转换。测试数据结果显示，决策树分类器和朴素贝叶斯分类器具有相似的性能，准确率、精确率、召回率和 F1 值都很高。同时，支持向量机也表现出了竞争力，尽管其精确率加权值略低。此外，使用箱线图进行了异常值分析，结果显示决策树分类器有 2 个异常值，而支持向量机有 4 个异常值，朴素贝叶斯没有异常值。总而言之，这三种分类模型在肺癌预测中都表现出良好的潜力。然而，选择最佳模型需要考虑应用的相关评估指标，并考虑到每个模型的局限性。需要进一步评估和深入分析，以确保模型在更准确和一致地预测肺癌病例方面的可靠性。
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
AI 向量搜索用户指南
美国政府最终用户：根据适用的《联邦采购条例》和特定机构的补充条例，Oracle 程序（包括任何操作系统、集成软件、任何嵌入、安装或激活在交付硬件上的程序以及此类程序的修改）和 Oracle 计算机文档或其他 Oracle 数据交付给或由美国政府最终用户访问，均为“商业计算机软件”、“商业计算机软件文档”或“有限权利数据”。因此，使用、复制、复制、发布、显示、披露、修改、准备衍生作品和/或改编 i) Oracle 程序（包括任何操作系统、集成软件、任何嵌入、安装或激活在交付硬件上的程序以及此类程序的修改）、ii) Oracle 计算机文档和/或 iii) 其他 Oracle 数据均受适用合同中的许可中规定的权利和限制的约束。管理美国政府使用 Oracle 云服务的条款由此类服务的适用合同定义。未授予美国政府任何其他权利。
作为疫苗向量探索人类疱疹病毒
摘要：疱疹病毒是长期以来用作强大基因治疗工具的大型DNA病毒。近年来，疱疹病毒刺激先天和适应性免疫反应的能力已导致它们过渡到各种疫苗媒介的应用。该疫苗学分支正在以前所未有的加速速度生长。迄今为止，基于人疱疹病毒的载体已被用于疫苗中，以对抗各种传染病，包括埃博拉病毒，脚和口腔疾病病毒以及人类免疫效率病毒。此外，这些载体正在作为癌症相关抗原的潜在疫苗进行测试。多亏了重组DNA技术，免疫学和基因组学的进步，疫苗开发方面的许多步骤得到了极大的改善。对疱疹病毒生物学以及这些病毒与宿主细胞之间的相互作用的更好理解无疑将促进基于疱疹病毒的疫苗媒介在临床环境中的使用。要克服这些向量的现有缺点，需要进行持续的研究，以进一步促进我们对疱疹病毒生物学的了解并发展更安全，更有效的疫苗媒介。必须使用晚期分子病毒学和细胞生物学技术来更好地了解疱疹病毒操纵宿主细胞的机制以及在感染过程中如何调节病毒基因表达。在这篇综述中，我们涵盖了疱疹病毒的潜在分子结构，以及用于设计其基因组的策略，以优化能力和效率为疫苗向量。此外，我们还评估了有关基于疱疹病毒的疫苗成功应用的可用数据，以打击病毒感染等疾病，以及潜在的缺点和替代方法来掩盖它们。
基于AAV的实验动物中人类疾病建模的向量瘤胃微生物的影响
先前的研究已经讨论了Sanhe和荷斯坦奶牛之间的血清代谢与哺乳性表现之间的关联，发现这两种品种的代谢谱与平等不同。由于瘤胃是奶牛营养吸收和生产转化的中心器官，因此在相同饮食条件下观察到的差异是否与瘤胃微生物组的结构有关，尚不清楚。这项研究测量了四个奇偶族的Sanhe Cows（S1/S2/S3/S4）和Holstein Cows（H1/H2/H3/H4）的明显消化率和瘤胃发酵参数，并使用高通量测序技术产生了全面的瘤胃象征性型菌群数据集。在S组之间观察到干物质消化率（P = 0.001）和氨氮（P = 0.024）的显着差异，S1中各种VFA含量的趋势较高（0.05 H组在粗蛋白消化率上显示出显着差异（p = 0.001），H1中的较高的异价酸含量（p = 0.002）以及H3中最低的乙酸盐与丙酸丙酸酯与丙酸酯比（P = 0.002）。 元基因组测序结果表明瘤胃微生物组模式和代谢变化之间的一致性，S1与S2/S3/S4明显不同，H1和H2与H3和H4不同。 瘤胃微生物组的物种组成在Sanhe和Holstein Cow之间相似，但注意到丰度的差异。 根瘤菌<肾小球>，新甲基脂肪酸群和心摩肌在S1，H1和H2中更为丰富，并且在这些阶段中，自噬 - 触及植物 - 病原体相互作用和内吞作用等途径显着富集。H组在粗蛋白消化率上显示出显着差异（p = 0.001），H1中的较高的异价酸含量（p = 0.002）以及H3中最低的乙酸盐与丙酸丙酸酯与丙酸酯比（P = 0.002）。元基因组测序结果表明瘤胃微生物组模式和代谢变化之间的一致性，S1与S2/S3/S4明显不同，H1和H2与H3和H4不同。瘤胃微生物组的物种组成在Sanhe和Holstein Cow之间相似，但注意到丰度的差异。根瘤菌<肾小球>，新甲基脂肪酸群和心摩肌在S1，H1和H2中更为丰富，并且在这些阶段中，自噬 - 触及植物 - 病原体相互作用和内吞作用等途径显着富集。多方的Sanhe奶牛的ATP结合盒转运蛋白途径的丰度更高。此外，诸如GH84和GH37之类的Cazymes与差异性生理指标和牛奶性状显着相关。总而言之，这项研究揭示了Sanhe和不同奇偶群体的瘤瘤菌与代谢特征之间的复杂关系，这表明瘤胃微生物组的结构的变化可能是影响乳头奶牛泌乳性能和代谢差异的关键因素。
基于原子向量和深度学习的超导体临界温度预测
摘要：本文提出一种结合卷积神经网络（CNN）和长短期记忆神经网络（LSTM）的混合神经网络（HNN）来提取材料的高级特征用于超导体的临界温度（T c）预测。首先，通过从材料计划（MP）数据库中获取73,452个无机化合物并构建原子环境矩阵，通过对原子环境矩阵进行奇异值分解（SVD）得到87个原子的向量表示（原子向量）。然后，利用所得原子向量按照超导体化学式中原子的顺序实现超导体的编码表示。使用12,413个超导体训练的HNN模型的实验结果与三种基准神经网络算法和多种机器学习算法进行了比较，采用了两种常用的材料表征方法。实验结果表明,本文提出的HNN方法能有效提取超导体原子间的特征关系,对T c 的预测具有较高的准确率。