XiaoMi-AI文件搜索系统
World File Search System多聚
基于聚离子液体材料的增材制造先进配方
摘要：专门为增材制造而配制的材料创新备受关注，可以为设计下一代设备和工程应用的经济高效的智能材料创造新的机会。然而，先进的分子和纳米结构系统通常无法集成到 3D 可打印材料中，从而限制了它们的技术可转移性。在某些情况下，可以使用离子性质的聚合物大分子（例如聚合物离子液体 (PIL)）来克服这一挑战。由于它们的可调性、分子组成多样性和大分子结构，它们表现出稳定分子和纳米结构材料的卓越能力。基于 3D 可打印 PIL 的配方所产生的技术代表了一系列尚未开发的潜在应用，包括光电、抗菌、催化、光活性、导电和氧化还原应用。
一种基于复制的MANET新聚类技术
大多数移动自组织网络 (MANET) 聚类协议中的簇头节点在管理路由信息方面发挥着重要作用。MANET 中聚类的可靠性、效率和可扩展性最终将受到极大影响。在这项工作中，我们建立了一种在 MANET 中形成簇的新方法，称为基于方形簇的路由协议 (SCBRP)。该协议基于复制理论。该协议的目标是在 MANET 中实现可靠性、可用性和可扩展性。通过使用 NS-3 模拟器进行性能分析来评估所提出的协议。性能表明，大型网络的数据传输率提高了 50%，网络稳定性和可用性也得到了改善，这反映在能耗测量中，系统寿命延长了 20%。
前列腺癌中的聚（ADP-核糖）聚合酶抑制剂
摘要 基因组不稳定性是癌症的标志之一。在癌症进展过程中，同源重组修复基因的遗传变异发生率增加，20% 的前列腺癌 (PCas) 存在 DNA 修复基因缺陷。几种体细胞和种系基因变异驱动前列腺癌肿瘤发生，其中最重要的是 BRCA2、BRCA1、ATM 和 CHEK2。有一组 BRCAness 肿瘤与经典 BRCA 突变肿瘤具有相同的表型和基因型特性。聚（ADP-核糖）聚合酶抑制剂 (PARPis) 在同源重组基因受损的癌细胞中表现出合成致死性，具有这些变异的患者是 PARPi 治疗的候选人。雄激素剥夺疗法是 PCa 治疗的主要手段。PARPis 通过与雄激素核复合物的分子机制相互作用来降低雄激素信号传导。 PROFOUND III 期试验比较了奥拉帕尼和恩杂鲁胺/阿比特龙疗法，结果显示，在携带 BRCA1、BRCA2 或 ATM 突变的转移性去势抵抗性前列腺癌 (mCRPC) 患者中，放射学无进展生存期 (rPFS) 和总生存期 (OS) 均有所增加。PARPis 的临床疗效已在卵巢癌、乳腺癌、胰腺癌以及最近在前列腺癌亚组中得到证实。越来越多的证据表明，分子肿瘤委员会是前列腺癌肿瘤治疗方法的未来。在这篇综述中，我们总结了有关 PARPis 在前列腺癌中的分子机制以及临床前和临床数据。
3D人体部位分割的基于聚类的细化
摘要。在3D数据上解决人体部位的一种常见方法涉及使用2D分割网络和3D投影。遵循这种方法，可以在最终的3D分割输出中引入几个错误，例如分割错误和再投影错误。当考虑了非常小的身体部位（例如手）时，此类错误甚至更为重要。在本文中，我们提出了一种新算法，旨在减少此类错误并改善人体部位的3D序列。该算法使用DBSCAN算法检测噪声点和错误的簇，并更改利用簇的形状和位置的点的标签。我们评估了3DPEOPLE合成数据集和真实数据集上提出的算法，突出了它如何可以大大改善小身体（如手）的3D分割。使用我们的算法，我们在合成数据集上实现了多达4.68％的IOU，在实际情况下最多可占IOU的2.30％。
使用Alphafold多聚机发现Interkingdom蛋白...
。cc-by 4.0国际许可（未经Peer Review尚未获得认证）是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。它是制作
动态用户聚类，以提供高效和隐私权...
摘要 - 随着机器学习的更广泛采用以及对数据隐私的越来越关注，联邦学习（FL）受到了极大的关注。FL计划通常使一组参与者（即数据所有者）使用其本地数据单独训练机器学习模型，然后将其通过中央服务器的协调来汇总以构建全局FL模型。对标准FL的改进包括（i）通过利用梯度稀疏和（ii）通过采用隐私性汇总（PPAGG）协议来增强聚合的安全性，从而减少梯度传输的通信开销。但是，由于用户稀疏梯度向量的异质性，最新的PPAGG协议并不能轻易与梯度稀疏相互互操作。为了解决此问题，我们提出了一种动态用户聚类（DUC）方法，并采用一组支持协议，根据PPAGG协议和梯度稀疏技术的性质将用户分配到集群中，提供安全性的质量和通信效率。实验结果表明，与基准相比，DUC-FL显着降低了通信开销，并实现了相似的模型精度。所提出的协议的简单性使其对实施和进一步的改进都具有吸引力。
人类机器人互动的聚类社交手势
摘要。社交触摸提供了人类和机器人之间丰富的非语言交流。先前的工作已经确定了一套用于人类互动的触摸手势，并用自然语言标签（例如，抚摸，拍拍）描述了它们。然而，尚无关于用户思想中的触摸手势之间的半智关系的数据。为了赋予机器人的触摸智能，我们调查了人们如何看待文献中的社会触摸标签的相似之处。在一项在线研究中，有45位参与者根据他们的相似之处对36个社交触摸标签进行了分组，并用描述性名称注释了他们的分组。我们从这些分组中得出了手势的定量相似性，并使用层次聚类分析了相似性。分析导致围绕手势的社会，情感和接触特征形成9个触摸手势。我们讨论了结果对设计和评估触摸感应和与社交机器人的互动的含义。
K-均值聚类和本地二进制模式技术...
大脑中的肿瘤是由大脑内组织细胞不受管制的出现引起的。早期诊断并确定磁共振成像中肿瘤的精确位置（MRI）及其大小对于医生团队至关重要。图像分割通常被认为是医学图像分析中的初步步骤。k均值聚类已被广泛用于脑肿瘤检测。此技术的结果是群集图像的列表。这种方法的挑战是选择描绘肿瘤的适当簇部分的困难。在这项工作中，我们分析了不同图像簇的影响。然后将每个群集分为左右部分。之后，每个部分中都描绘了纹理特征。此外，还采用双边对称度量来估计包含肿瘤的簇。最后，采用连接的组件标记来确定用于脑肿瘤检测的靶标簇。已开发的技术应用于30个MRI图像。获得了87％的鼓励精度。
一种简单而有效的可扩展多视图张量聚类
基于锚点的大规模多视图聚类因其在处理海量数据集方面的有效性而引起了广泛关注。然而，当前的方法主要通过探索锚点图或投影矩阵之间的全局相关性来寻找用于聚类的共识嵌入特征。在本文中，我们提出了一种简单而有效的可扩展多视图张量聚类（S 2 MVTC）方法，我们的重点是学习视图内和跨视图的嵌入特征的相关性。具体而言，我们首先通过将不同视图的嵌入特征堆叠到张量中并旋转它来构造嵌入特征张量。此外，我们构建了一种新颖的张量低频近似（TLFA）算子，它将图相似性结合到嵌入特征学习中，有效地实现不同视图内嵌入特征的平滑表示。此外，对嵌入特征应用共识约束以确保视图间语义一致性。在六个大规模多视图数据集上的实验结果表明，S 2 MVTC 在聚类性能和 CPU 执行时间方面明显优于最先进的算法，尤其是在处理海量数据时。S 2 MVTC 的代码已公开发布在 https://github.com/longzhen520/S2MVTC。
一种多视图聚类的锚点增强策略
近年来，基于锚点的方法在多视图聚类中取得了可喜的进展。这些方法的性能受到锚点质量的显著影响。然而，以前的研究生成的锚点仅仅依赖于单视图信息，忽略了不同视图之间的相关性。特别地，我们观察到相似的模式更有可能存在于相似的视图之间，因此可以利用这种相关性信息来提高锚点的质量，而这同样被忽略了。为此，我们提出了一种新颖的即插即用的通过视图相关性进行多视图聚类的锚点增强策略。具体而言，我们基于对齐的初始锚点图构建视图图来探索视图间相关性。通过从视图相关性中学习，我们使用相邻视图上锚点和样本之间的关系来增强当前视图的锚点，从而缩小相似视图上锚点的空间分布。在七个数据集上的实验结果证明了我们的方法优于其他现有方法。此外，大量的对比实验验证了所提出的锚增强模块应用于各种基于锚的方法时的有效性。