XiaoMi-AI文件搜索系统
World File Search System多叶
贝叶斯的贝叶斯推理用于脑振荡的光谱图模型植物层应用微生物学
摘要植物层或植物叶表面代表了一个大小相当大的微生物生态系统，具有非凡的生物多样性和巨大的潜力，可在生物技术，农业，医学和其他地方发现新产品，工具和应用。这种迷你审查强调了植物圈的应用微生物学是一种原始的研究领域，该领域与基因，基因产物，自然化合物和特征有关，这些基因，自然化合物和特征是浮力层特异性适应和服务，这些适应和服务具有当前或未来创新的商业和经济价值。的例子包括植物生长和抑制疾病的植物杆菌，支持人类健康的益生菌和发酵食品，以及对空气生污染物，残留农药或塑料造成叶面污染的微生物。腓骨微生物可将植物生物量转化为堆肥，可再生能量，动物饲料或纤维。他们生产食品，例如增稠剂和糖替代品，工业级生物表面活性剂，新型抗生素和癌症药物，以及用作食品添加剂或冷冻剂的酶。此外，基于DNA序列的基于叶片相关的微生物群落的新发展允许在食品安全和保障的背景下进行监视方法，例如，在叶状蔬菜上检测到肠道蔬菜，预测植物性疾病暴发，并拦截植物疾病爆发，并拦截植物性植物病原体和对国内交易商品的病原体和病虫。
I-II期临床试验的贝叶斯设计I-II期临床试验的贝叶斯设计
现实：这些试验结果都非常不可靠•PR（TOX | D = MTD）的95％CI从.01到.52•毒性严重程度均被忽略。•疗效被忽略。如果PR（响应| D = 200）= .25和PR（响应| D = 300）= .50怎么办？
贝叶斯和人工智能驱动的嵌入式感知和
2009-20 年，在贝叶斯感知、风险分析和人类环境中机器人导航决策方面的新发现的推动下。这些新发现促使我们完成了几项研发行动（在科学成果、软件和专利方面），并开辟了新的研究方向和新的合作伙伴关系（包括法国国家研发机构 CEA），朝着未来智能移动机器人和自动驾驶汽车所需的软件/硬件集成迈出了决定性的一步。1 我在 2002 年 3 月由欧盟研发计划“未来新兴技术”在布鲁塞尔组织的“头脑风暴日”上介绍了这一新研究议程的第一个大纲（这次头脑风暴研讨会的主要目的是准备一份新的欧盟提案征集，题为“超越机器人”）。然后，我制定了一个 10 年的研究议程，通过结合几何、概率和人工智能方法，逐步解决已确定的关键理论和技术机器人问题。 2 IRT：法国技术研究院 - SVA 计划：长期“自动驾驶汽车安全”计划。 3 Inria 项目团队“e-Motion”于 2004 年成立，最初的想法经过了一年的孵化期。该研究团队由 Inria Grenoble Rhône-Alpes 和格勒诺布尔-阿尔卑斯大学 (UGA) 的 LIG 实验室共同组成。在 2004-14 年期间，e-Motion 项目团队收到了多个国际评估小组的出色反馈：2009 年 3 月的 Inria 机器人评估研讨会、2010 年 2 月的法国 AERES 对 LIG 实验室的评估（e-Motion 项目团队得分为 A+）以及 2013 年 3 月的 Inria 机器人评估研讨会。
非洲叶 (Vernonia amygdalina Delille.) DCM 提取物
非洲叶 ( Vernonia amygdalina Delille) 对几种癌细胞的细胞毒活性较低。我们评估了它与阿霉素联合治疗对腔内乳腺癌细胞 MCF-7 和 MCF-7/HER2 细胞的效果。提取干叶以收集己烷、丁醇、二氯甲烷 (DCM) 和乙酸乙酯 (EA) 提取物，然后使用 MTT 检测法测试它们对 MCF7 和 MCF7/HER2 细胞的细胞毒活性。然后将最有潜力的提取物与阿霉素联合治疗以检查细胞毒性，随后用流式细胞术进行细胞周期和凋亡分析。所有提取物对 MCF7 和 MCF7/HER2 细胞均表现出低细胞毒活性或没有细胞毒活性。DCM 提取物对两种癌细胞都表现出弱细胞毒活性，IC 50 值为 220 µg/ml。然而，DCM 和 EA 提取物对两种细胞均具有与 Dox 协同的细胞毒性作用，具有很强的协同作用特征。两种提取物均诱导细胞周期在 DCM 的 S 期和 G1 期积累，而 EA 的积累则在 G1 期。两种提取物也与 Dox 一起引起细胞凋亡，但调节细胞凋亡的方式不同。总之，V. amygdalina 的 DCM 和 EA 提取物通过调节细胞周期和诱导细胞凋亡，为腔内乳腺癌提供了与 Dox 协同抗癌作用的潜在作用。
飞机遭遇建模的贝叶斯方法
将无人机整合到国家空域系统的主要挑战之一是开发能够感知和避免当地空中交通的系统。如果设计得当，这些防撞系统可以提供额外的保护层，以保持当前卓越的航空安全水平。然而，由于其对安全至关重要的性质，需要进行严格的评估，然后才能有足够的信心认证防撞系统用于运营。评估通常包括飞行测试、运营影响研究和数百万次交通相遇的模拟，目的是探索防撞系统的稳健性。这些模拟的关键是所谓的相遇模型，它以代表空域中实际发生的情况的方式描述相遇的统计构成。一个以这种方式经过严格测试的系统是交通警报和防撞系统 (TCAS)。作为 20 世纪 80 年代和 90 年代 TCAS 认证过程的一部分，多个组织通过数百万次模拟近距离接触测试了该系统，并评估了近空中相撞（NMAC，定义为水平距离小于 500 英尺，垂直距离小于 100 英尺）的风险。1–4 最终，这项分析促成了 TCAS 的认证和美国对大型运输飞机配备 TCAS 的授权。最近，欧洲空中导航安全组织和国际民航组织进行了类似的模拟研究，以支持欧洲和世界
统计自适应傅里叶分解 (SAFD)
摘要：本文提出了一种新型的监督学习方法——统计自适应傅里叶分解（SAFD）。SAFD 使用正交有理系统或 Takenaka-Malmquist（TM）系统为训练集建立学习模型，在此基础上可以对未知数据进行预测。该方法侧重于信号或时间序列的分类。AFD 是一种新开发的信号分析方法，它可以自适应地将不同的信号分解为不同的 TM 系统，引入了傅里叶类型但非线性和非负的时频表示。SAFD 将学习过程与 AFD 的适应性特征充分结合起来，其中少量的学习原子足以捕获信号的结构和特征以进行分类。SAFD 有三个优点。首先，在学习过程中会自动检测和提取特征。其次，所有参数都由算法自动选择。最后，将学习到的特征以数学形式表示出来，并可以根据感应瞬时频率进一步研究特征。通过心电图 (ECG) 信号分类验证了所提方法的有效性。实验表明，该方法比其他基于特征的学习方法效果更好。
物理科学的贝叶斯逻辑数据分析
越来越多的科学领域的研究人员开始接触贝叶斯统计或贝叶斯概率论。通过包含归纳和演绎逻辑，贝叶斯分析可以将模型参数估计提高许多数量级。它为所有数据分析问题提供了一种简单而统一的方法，允许实验者根据当前的知识状态为感兴趣的竞争假设分配概率。本书通过大量示例和问题集清晰地阐述了底层概念。本书还讨论了实施贝叶斯计算的数值技术，包括对马尔可夫链蒙特卡罗积分的介绍以及从贝叶斯角度看的线性和非线性最小二乘分析。此外，附录中提供了背景材料，支持 Mathematica 笔记本可从 www.cambridge.org/052184150X 获得，为高年级本科生、研究生或任何认真的物理科学或工程研究人员提供了一条简单的学习途径。
用于目标识别的贝叶斯多传感器数据融合
摘要：军事指挥和控制系统必须处理各种不同的传感器和来源。除了传统信息源（如 IFF、战术数据链和 ESM 传感器）之外，AIS、蓝军跟踪和 GMTI 雷达等其他来源也成为目标识别和分类的重要来源。正确识别是防止误伤和平民附带损害以及完成态势感知的重要先决条件。本文概述了我们扩展贝叶斯识别过程的解决方案，以便为海军以及空中和地面目标建立战术图景。对于一些传感器和重要的识别源，如自动识别系统 (AIS)、自动目标识别 (ATR) 和 GMTI 雷达，我们将详细介绍解决方案。
贝叶斯无线电干涉校准和成像
A G. Edenhofer等。“重新启动数值信息字段理论（Nifty.RE）：高斯过程和变异推理的库”。in：（2024）。arxiv：2402.16683 [Astro-Ph.im]。