XiaoMi-AI文件搜索系统
World File Search System实验分析
3832072.pdf - Hindawi.com
本文进行了一项实验分析，重点是利用一种特定的测量技术来确定收缩的发展情况，并监测细粒水泥基复合材料在老化过程中的结构变化。设计并验证了先进的测量设备和程序，可以同时测量长度变化、质量损失、声学响应和温度发展。进行的实验的主要范围是寻找所研究特性之间的关系，同时保持统一的测试设置。为了进行实验测量，设计和制造了三种细粒水泥复合混合物。这些混合物的水灰比 (w/c) 和增塑剂的用量不同。测量输出以图表的形式呈现，显示了所研究参数之间的关系，例如复合材料固化过程中的相对长度变化、质量损失、温度变化和声发射 (AE) 活动。测量结果显示所检查的特性之间存在密切的关系。相对长度变化的进展以及质量损失和温度发展的进展都反映在 AE 活动中。先进的测量程序和技术提供了有关水泥基复合材料在早期凝固过程中的行为的宝贵信息
学习空间和时间中的自相似性作为视频动作识别的广义运动
时空卷积通常无法学习视频中的运动动态，因此需要一种有效的运动表示来理解自然界中的视频。在本文中，我们提出了一种基于时空自相似性（STSS）的丰富而鲁棒的运动表示。给定一系列帧，STSS 将每个局部区域表示为与空间和时间中邻居的相似性。通过将外观特征转换为关系值，它使学习者能够更好地识别空间和时间中的结构模式。我们利用整个 STSS，让我们的模型学习从中提取有效的运动表示。我们所提出的神经块称为 SELFY，可以轻松插入神经架构中并进行端到端训练，无需额外监督。通过在空间和时间上具有足够的邻域体积，它可以有效捕捉视频中的长期交互和快速运动，从而实现鲁棒的动作识别。我们的实验分析表明，该方法优于以前的运动建模方法，并且与直接卷积的时空特征互补。在标准动作识别基准 Something-Something-V1 & V2、Diving-48 和 FineGym 上，该方法取得了最佳效果。
血液友善儿童的心率变异性和QT变化
先天性心脏病是出生时出现的心脏异常。抗烷虫先天性心脏病患者的患者最多，包括患有心房间隔缺陷（ASD）和心室间隔缺陷（VSD）的患者。这种情况的心脏手术涉及肺部旁通机（CPB），可引起炎症反应。 氯胺酮是一种麻醉剂，通过抑制炎症细胞因子的合成来发挥抗炎作用。 这项研究旨在证明氯胺酮对接受心肺旁通机接受心脏手术的患者的炎症细胞因子的减少。 这项研究采用了准实验分析方法。 建立了两个研究组：A组（n = 3）接收到芬太尼，而B组（n = 7）在心肺旁路机（CPB）运行之前和之后接收了氯胺酮。 血液样本是在诱导麻醉之前和从患者中移除CPB装置后一小时收集的。 这项研究利用Mann-Whitney检验评估两组之间的白介素-6（IL-6）和肿瘤坏死因子-Alpha（TNF-α）水平的差异。 发现A组的TNF-α水平为9.97±1.84，IL-6水平为29.30±6.33。 B组显示出10.57±4.33和IL-6值的TNF-α水平为26.36±12.16。 两组的测试结果均显示TNF-α水平（p = 0.569）和IL-6水平（p = 0.819）没有显着差异。这种情况的心脏手术涉及肺部旁通机（CPB），可引起炎症反应。氯胺酮是一种麻醉剂，通过抑制炎症细胞因子的合成来发挥抗炎作用。这项研究旨在证明氯胺酮对接受心肺旁通机接受心脏手术的患者的炎症细胞因子的减少。这项研究采用了准实验分析方法。建立了两个研究组：A组（n = 3）接收到芬太尼，而B组（n = 7）在心肺旁路机（CPB）运行之前和之后接收了氯胺酮。血液样本是在诱导麻醉之前和从患者中移除CPB装置后一小时收集的。这项研究利用Mann-Whitney检验评估两组之间的白介素-6（IL-6）和肿瘤坏死因子-Alpha（TNF-α）水平的差异。发现A组的TNF-α水平为9.97±1.84，IL-6水平为29.30±6.33。B组显示出10.57±4.33和IL-6值的TNF-α水平为26.36±12.16。两组的测试结果均显示TNF-α水平（p = 0.569）和IL-6水平（p = 0.819）没有显着差异。本研究的发现表明，使用CPB机器后，氯胺酮给药并未降低IL-6和TNF-Alpha的水平。
![arXiv:2207.09272v1 [quant-ph] 2022 年 7 月 19 日](/simg/g:\will\search\icon\source\1\16313b8bb3429bb9f3c4a48c5512d6d454f255a5.webp)
arXiv:2207.09272v1 [quant-ph] 2022 年 7 月 19 日
热机通常通过与不同（正）温度的热浴交换热量来运行。然而，非热浴可能会显著提高性能。我们在这里通过实验分析了单原子量子奥托发动机的功率输出，该发动机是在单个铯原子的准自旋态与原子铷浴相互作用时实现的。通过测量准自旋态的时间分辨布居，我们确定了发动机有效自旋温度和量子涨落循环过程中的动态，并借助香农熵对其进行了量化。我们发现，在负温度范围内功率会增强，并且在最大熵的一半时达到最大值。从定量上讲，与在正温度下运行相比，在负有效温度下运行我们的发动机可将功率提高高达 30%，甚至在无限温度下也是如此。同时，进入负温度区可以将熵降低到接近零的值，从而在高功率输出下提供高度稳定的运行。此外，我们通过改变工作介质的能级数，以数值方式研究了希尔伯特空间的大小对量子引擎性能的影响。我们的工作为高功率和高效单原子量子引擎运行中的波动控制铺平了道路。
多语言大脑：揭示认知和神经......
摘要 在当今世界，多语言已成为常态，单语者是少数，学术研究一直未能适应这一现实。这一现象凸显了人类大脑掌握多种语言的能力，无论是母语 (L1)、第二语言 (L2) 还是第三语言 (L3)，这要求重新评估传统范式。本研究旨在挑战认知语言学的传统方法，特别是与语言习得、语言选择和潜在的大脑过程相关的方法。研究问题包括：个人如何在不同的认知和社会背景下在多种语言之间导航，这对我们理解人类的认知能力有何影响？所采用的方法结合了使用脑成像、心理语言学测试和多语言使用者的社会语言学调查的实验分析。研究结果表明，双语和多语不仅可以提高认知灵活性，还可以提高多元文化环境中的解决问题的能力和适应能力。总之，本研究表明，多语言能力不仅仅是多种语言系统的习得，而是一种影响认知、社交互动和大脑结构的复杂现象。通过重新定义我们对认知和语言过程的理解，本研究提出了在全球化背景下研究语言的新范式。
通过体积复杂材料实现空间电力推进系统的推力致密化
空间电力推进 (EP) 技术的推力致密化对于实现未来雄心勃勃的太空任务和探索（例如载人火星任务）必不可少。EP 致密化主要受限于推进器材料承受极端等离子体条件的能力。本研究调查了最大化电流增强的相互关联的动力学、随后的溅射和电弧腐蚀挑战，以及一类有前途的新型先进材料——体积复合材料 (VCM) 对空间电力推进系统的影响。与标准材料相比，VCM 表现出增强的管理高水平等离子体能量和电流的能力，这主要归功于几何捕获和等离子体注入等原理的综合优势。研究了 VCM 中的能量管理和溅射剂传输机制，以深入了解最佳 VCM 几何形状，并探索利用先进增材制造方法的潜力。还通过耦合计算和实验分析确定了 VCM 电弧响应和有利的升华腐蚀特性。这一发现强调了 VCM 具有彻底改变与 EP 相关的面向等离子体应用的材料设计的潜力，为更耐用、更高效的推进系统铺平了道路。
fedGCS：通过基于梯度的优化在联合学习中有效选择有效客户选择的生成框架
联邦学习在统计和系统异质性方面面临重大挑战，以及高能量消耗，需要有效的客户选择策略。传统方法，包括启发式和基于学习的方法，无法解决这些复杂性。为了回应，我们提出了FedGC，这是一种新颖的生成客户选择框架，它可以创新将客户选择过程作为一项固定的任务重新铸造。从大语模型中使用的方法中汲取灵感，FedGC能够在连续表示空间内编码丰富的决策知识，从而实现了有效的基于梯度的优化，以搜索将通过生成而产生的最佳客户选择。框架组合四个步骤：（1）使用经典客户端选择方法自动收集“选择得分”对数据； （2）在此数据上训练编码器 - 评估器 - 编码器框架以结构连续的表示空间； （3）在此空间中启用基于梯度的优化，以进行最佳客户选择； （4）通过使用光束搜索训练有素的解码器来生成最佳客户端选择。FedGC通过更全面，可推广和高效，同时选择模型性能，延迟和能力消费来优于传统方法。通过广泛的实验分析证明了FedGC的有效性。
国际温室气体控制杂志 - 开放元
实验分析了原位CO 2固相的潜力，用于冰岛的Nesjavellir地热储层中的一个玄武岩透明质质量样品和来自土耳其的Kızıldere地热场的三个发射岩石样品。基于批处理反应实验，本文证明了这些储层中的相互作用是CO 2气体充电的流体和岩石样品。在260°C和0.8 MPa和105℃和17 MPa下进行了实验，分别为玄武岩和沉积物岩石进行。实验结果表明，玻璃状玄武岩岩石内的CO 2隔离受到沸石，氯酸盐和硬石石的阻碍，它们与碳酸盐矿物质竞争，以在应用的P-T条件下吸收二价阳离子。相比之下，沉积物岩石的碳酸化过程受到其矿物学成分的抑制。通常，这些岩石的反应性较低，并且提供了二价阳离子的供应不足。使用Phreeqc地球化学建模程序在数值上模拟了批处理反应器实验。模拟表明在测试的P-T条件下CO 2固执是可行的，前提是硅酸盐并因此抑制了4矿化的玄武岩岩石，并且有有效的沉积岩石阳离子来源。
多类脑肿瘤分类和分割...
摘要。脑肿瘤分类是一项重要的任务，用于评估肿瘤并根据其类别选择治疗类型。脑肿瘤的诊断需要多种成像技术。然而，MRI 经常被使用，因为它提供更高的图像质量并使用非电离辐射。深度学习 (DL) 是机器学习的一个子领域，最近表现出令人印象深刻的性能，特别是在分割和分类问题方面。基于卷积神经网络 (CNN)，本研究提出了一种混合深度学习网络 (HDLN) 模型，用于对多种类型的脑肿瘤进行分类，包括神经胶质瘤、脑膜瘤和垂体瘤。Mask RCNN 用于脑肿瘤分类。我们使用挤压和激励残差网络 (SE-ResNet) 进行脑肿瘤分割，这是一个带有挤压和激励块的残差网络 (ResNet)。使用公开的研究数据集测试所提出的模型进行实验分析，获得了 98.53% 的总体准确率、98.64% 的灵敏度和 98.91% 的特异性。与最先进的分类模型相比，所提出的模型获得了最好的准确率。对于多类脑肿瘤疾病，所提出的 HDLN 模型显示出其优于现有方法。
用于316升不锈钢复合涂层的定向能量沉积的热模型，富含钨碳酸盐
这项工作着重于316升底物上的复合涂层（316升染色的钢）的有向能沉积的热建模。开发的有限元模型预测了沉积过程中包裹中部中间部分的热历史和熔体池维度的演变。nu-merical结果与实验分析（光学和扫描电子显微镜和热电偶记录）相关，以验证模型并讨论可能的固化机制。证明，在边界条件下强制对流的实施非常重要，以确保输入能量和热量损失之间的平衡。最高峰值温度显示了第一层的略有增加趋势，其次是明显的稳定，随着外壳高度的增加。通过边界证明了高热量损失。在文献中，大多数建模研究都集中在单层或几层几何上，但这项工作描述了一个多层模型，能够预测沉积过程中的热领域历史记录并提供有关新物料的一致数据。该模型可以应用于重新校准的其他形状。详细介绍了校准方法以及对输入参数的灵敏度分析。©2021作者。由Elsevier Ltd.这是CC下的开放式访问文章（http：//creativecommons.org/licenses/4.0/）。