XiaoMi-AI文件搜索系统
World File Search System影响因素
微生物类胡萝卜素生产：菌株、条件和产量影响因素
摘要：类胡萝卜素生产的研究和开发历史悠久，人们对这组色素的兴趣至今未减。现有的六种类胡萝卜素被认为具有工业重要性：虾青素、β-胡萝卜素、叶黄素、玉米黄质、角黄素和番茄红素。这些类胡萝卜素具有广泛的应用范围，由于其生物活性和着色特性，被用作食品和饮料、饲料、营养保健品、药品和化妆品中的添加剂。目前，全球色素市场以化学合成的类胡萝卜素为主。来自植物和微生物等天然来源的类胡萝卜素不那么受欢迎或普及。目前，天然类胡萝卜素市场主要由微藻雨生红球藻、盐生杜氏藻、布朗葡萄藻、真菌三孢布拉氏菌、红法夫酵母和细菌胡萝卜素副球菌代表。这些微生物产生虾青素、β-胡萝卜素、角黄素和番茄红素。红酵母、掷孢酵母、弹球酵母、戈登酵母和迪茨酵母属的几种酵母和细菌可能成为工业规模的类胡萝卜素来源，但现有技术仍需改进。本文综述了提高真菌和细菌类胡萝卜素生产竞争力的策略。考虑的策略包括选择产胡萝卜素菌株、使用低成本底物、通过添加微量元素、TCA中间体、NaCl、H 2 O 2 、光照来刺激类胡萝卜素的合成，以及优化pH、温度和通气等发酵条件。
第14卷，第1期，2025年1月1日影响因素：8.514
摘要：机器学习的进步（ML）通过实现多种疾病的早期发现和诊断，彻底改变了医疗保健。本文使用机器学习算法介绍了多重疾病预测系统，以分析患者数据并预测糖尿病，心脏病和肾脏疾病等疾病的可能性。所提出的模型利用各种ML分类器，包括决策树，随机森林，支持向量机（SVM）和神经网络，以提高预测准确性。该系统旨在为医疗保健专业人员和患者提供成本，准确和有效的工具。关键字：机器学习，疾病预测，医疗保健，分类算法，决策支持系统I。引入全球慢性疾病的负担增加，早期诊断和预测对于有效的治疗和管理至关重要。机器学习技术已成功地应用于医疗保健部门，以识别医疗数据中的模式，并以高准确性预测疾病。本文提出了一种基于ML的系统，能够使用患者健康记录，生活方式因素和临床测试结果预测多种疾病。II。 相关工作的一些研究探索了ML在疾病预测中的应用。 研究人员开发了用于糖尿病，心血管疾病和肾脏疾病等个体疾病的模型。 但是，将多种疾病预测纳入单个系统仍然是一个挑战。 iv。II。相关工作的一些研究探索了ML在疾病预测中的应用。研究人员开发了用于糖尿病，心血管疾病和肾脏疾病等个体疾病的模型。但是，将多种疾病预测纳入单个系统仍然是一个挑战。iv。本文通过实施和比较多种ML疾病预测算法来建立现有研究。iii.方法论所提出的系统由几个阶段组成：•数据收集：公开可用的数据集，例如UCI机器学习存储库和Kaggle数据集用于培训模型。•数据预处理：进行缺少的值处理，归一化和特征选择以增强模型性能。•特征工程：提取关键医疗参数，包括血压，葡萄糖水平，BMI和胆固醇水平。•机器学习模型：各种分类模型，例如决策树，随机森林，SVM，K-最近的邻居（KNN）和深度学习模型。•模型评估：诸如准确性，精度，召回和F1得分之类的性能指标用于评估模型有效性。实验结果这些模型是在由具有多种疾病指标的患者记录组成的数据集上训练的。随机森林分类器的表现优于其他模型，其精度为92.5％，其次是SVM的精度为89.7％。深度学习模型显示出令人鼓舞的结果，但需要大量计算。
影响医疗保健领域人工智能用户信任度的影响因素
信任是一个难以捉摸的概念，其定义和操作在不同的学科和背景下各不相同，导致人们对信任的理解有些支离破碎（Chopra & Wallace，2002）。信任通常被描述为信任者（例如用户）、受信任者（例如机器）和情况的函数（例如 Hoff & Bashir，2015；Merritt & Ilgen，2008；Siau & Wang，2018）。当涉及不确定性和风险时，信任变得重要（Kini & Choobineh，1998）。信任的决定至少在一定程度上取决于受信任者的可信度，即其可靠和可预测的属性。它反映了对受信任者属性的评价（McKnight、Carter、Thatcher & Clay，2011）。鉴于“技术缺乏意志和道德主体性，与 IT 相关的信任必然反映对技术特征的信念，而不是其意志或动机，因为它没有。” （McKnight 等人，2011：5）。因此，本评论采用了一个工作定义，其中对人工智能的信任被定义为个人对人工智能应用程序执行对个人很重要的特定操作的能力的态度。
土壤易燃性：影响因素及其与Nawungan，Selopamioro，Bantul Regency
摘要。土壤易燃性用于确定土壤对干燥，倾斜土地上发生的侵蚀的敏感性。斜率是影响易燃指数并可能影响土地生产率的因素。因此，本研究旨在分析每个不同斜率的可侵蚀性指数，并评估研究地点的土壤肥力对农业土地潜在生产力的影响。数据分析是在定量和定性上进行的。进行现场测量和实验室测试以收集景观特征和土壤数据，使用干燥土壤测试套件（PUTK）进行定性测量，以测量潜在的土壤生育能力。使用逐步回归方法进行数据处理，以确定最大程度地影响研究地点可易折射率指数的因素，并对可侵蚀性和土壤肥力水平进行了串扰分析。的结果表明，研究位置的可侵蚀性水平大多是中等的，在非常柔和的斜率之间，在0.17-0.33之间的可侵蚀性指数在0.08-0.16之间，在0.21-0.24之间，在0.21-0.24之间，在0.08-0.16之间，在0.21-0.24之间，在陡峭的Slope Class Class Clope Class Clope Class Clope Class IT ranges ranges ranges ranges ranges ranges ranges ranges ranges中。最大程度地影响研究地点可侵蚀性指数的因素是粉尘，％粘土，有机材料和渗透性的因素。基于对土壤肥力的定性评估，研究领域的农业土地的生产力潜力属于低类别。
多种生态系统服务的变化及其在北欧国家的影响因素
了解生态系统服务及其影响因素的变化对于更可持续的生态系统管理和对自然对人的贡献的保护至关重要，尤其是在遭受气候变化和人类活动（例如北欧国家）高压的地区。在这项研究中，我们评估了丹麦，芬兰，挪威和瑞典的多个生态系统服务及其影响因素。我们分析了生态系统服务的变化，例如栖息地质量，沉积物保留，水产量，碳固存，农作物和2018年之间的生产。通过Spearman的相关系数和一种新方法评估生态系统服务与主要影响因素（温度，降水，高度，人口，牲畜和土地利用变化）之间的关系，并通过Spearman的相关系数和一种新的方法在网格水平上散布协同作用或取舍。鉴于森林管理在研究区域的重要性，生产并将其用作分析的基础，其中包括森林收获地图的高级土地覆盖数据集。结果表明，在研究期间，生态系统服务及其空间变化发生了巨大变化。总体而言，栖息地质量降低了，尤其是在受森林管理和农业生产影响的地点。由于降水较高（主要在挪威），水产量和沉积物保留增加。更高的温度和森林管理通常增加了碳固换和供应服务。生态系统服务及其潜在影响因素之间的关系在空间之间有所不同。15对生态系统服务中有10个主要显示出权衡的关系，而其余的则显示出协同作用。一般而言，我们的结果表明了监控生态系统服务并了解其变化的主要驱动力的重要性，因此要设计更可持续的资源管理策略，以确保生态系统服务的长期交付。
人工智能从业者如何看待人机信任：其作用、重要性及其影响因素
在设计和部署嵌入式人工智能系统时，信任已成为首要考虑因素，其他以人为本的人工智能价值观包括可解释性、透明度和公平性。然而，由于这些术语的多面性和多学科性，它们可能具有各种依赖于上下文的含义。因此，将这些价值观转化为设计可能是一个挑战 [6]。信任也不例外。了解人机信任是什么以及哪些因素会影响它，主要来自于受控的实验室实验或对嵌入式人工智能系统原型的研究 [3, 7]。然而，人们对在现实世界的人工智能产品和服务的开发和部署中如何解决人机信任问题知之甚少。人工智能从业者，即参与该领域系统设计和部署不同方面的人，其角色从人工智能开发人员到项目经理和政策制定者，可以阐明人机信任的作用以及在现实组织环境中考虑的人机信任因素。他们的见解可以更好地详细说明不同利益相关者在人机信任方面的需求、挑战和经验。在这篇未完成的论文中，我们研究了在开发和部署真实 AI 系统时如何解决人机信任问题。我们对在各种风险敏感环境（金融、法律、管理）中开发和部署嵌入式 AI 决策支持系统的 AI 从业者进行了一系列采访。我们特别关注这些系统，因为人类对 AI 的信任对它们尤其重要，因为它们具有潜在的社会影响。这些采访是一个更大的项目的一部分，该项目围绕 AI 从业者的人机信任经验，但在本工作论文中，我们报告了前 5 位受访者的初步调查结果（见表 1）。具体来说，我们对参与者对人机信任在其实践中的作用以及在 AI 辅助决策背景下建立信任时要考虑哪些因素的问题的回答进行了初步分析。为了进行结果分析，两名独立审阅者至少阅读了两次所有访谈，并按照主题分析方法 [1] 独立识别了兴趣短语和代码。他们一起比较并最终确定了所选短语的列表，并对代码的表述进行了微调。通过对代码进行分组，审阅者确定了三个主要主题：1）人与人工智能之间的信任在开发和设计嵌入人工智能的决策支持系统中的作用，2）人与人工智能之间的信任在人工智能从业者的工作中的重要性，以及 3）人工智能从业者认为哪些因素有助于建立对其系统的信任。
跃层储热系统性能指标及影响因素综述
摘要：热能储存系统在可再生能源的利用和开发中起着至关重要的作用。在过去的二十年里，单罐温跃层技术由于与传统的双罐储存系统相比具有更高的成本效益而受到广泛关注。本文重点阐明温跃层 TES 系统的性能指标以及不同影响因素的影响。我们收集了现有文献中所使用的各种性能指标，并将其分为三类：（1）直接反映储存热能的数量或质量的指标；（2）描述冷热地区热分层水平的指标；（3）表征温跃层罐内热流体动力学特征的指标。对这三类指标进行了详细的分析。此外，还系统讨论了相关的影响因素，包括传热流体的注入流量、工作温度、流量分配器和进出口位置。该工作提供的全面总结、详细分析和比较将为未来温跃层TES系统的研究提供重要的参考。
2011 年至 2020 年临床开发成功率及影响因素
执行摘要 这是对我们 2016 年报告的临床药物开发成功率的更新研究，也是对成功驱动因素的扩展，增加了机器学习模型来分析有助于药物开发的预测因素。Biomedtracker 数据库中 1,779 家公司在过去十年（2011-2020 年）的 9,704 个开发项目中共记录和分析了 12,728 个临床和监管阶段转变。当候选药物进入下一开发阶段或被申办方暂停时，就会发生阶段转变。通过计算进入下一阶段的项目数量与正在进行和暂停的总数，我们评估了开发四个阶段的成功率：第一阶段、第二阶段、第三阶段和监管备案。有了逐阶段数据后，我们比较了疾病组、药物模式和其他属性，以生成迄今为止最全面的生物制药研发成功分析。
基于动态视觉的隧道门户的审美评估及其影响因素的研究
随着现代城市，道路和景观的发展，对于隧道等基础设施来说，提供一种令人愉悦的体验变得越来越重要。在这方面，有必要进行研究研究隧道门户使用美学研究的研究。关于隧道门户的审美评估，本文从驾驶员的角度完全考虑了动态视觉效果。这项研究包括搅拌机，Speedtree Modeler Cinema，Adobe Photoshop CS6和其他用于二级开发的软件的使用。这些程序连接到驾驶模拟平台欧洲卡车模拟器2（配备了驾驶模拟器），以构建一组驾驶模拟测试，以使隧道门户的审美评估。中国云南省的Funing -Longliu高速公路上的Banlun隧道被用作案例研究，其中包括在审美设计中差异很大的四个影响因素：门户网站的线性，颜色，绿色和质地。Using an orthogonal experimental design, the influence of the esthetic degree was simulated and evaluated, and the order of sensitivity to esthetic factors of a headwall tunnel portal was sequentially determined as follows: the portal texture exerts the maximum impact on the beauty degree of the headwall portal, fol- lowed by the portal greening and the portal color, while the portal linearity exerts the mini- mum impact.该测试系统在进行未来的评估和隧道门户审美学研究时可以用作参考。结果表明，开发的驾驶模拟测试系统可用于确定隧道门户的审美因子的敏感性，并在不同水平上获得美学因子的最佳搭配；因此，它提供了用于设计最佳美学隧道门户的反馈。
基于影像对象的植被制图分类不确定性空间变化的影响因素
摘要 人们花费了大量精力来研究基于像素的分类精度和相关因素的空间变化。在过去的几年中，基于对象的分类引起了越来越多的关注。本文研究了影响基于对象的植被制图中分类不确定性空间变化的因素。我们研究了基于对象的分类中的六类因素：一般成员资格、地形、样本对象密度、空间组成、样本对象可靠性和对象特征。首先，使用引导方法得出分类不确定性（基于每个案例的分类精度）。然后，用分类或连续变量量化六类因素。在此步骤中，还讨论了计算样本对象空间组成指标的适当半径。最后，使用混合线性模型将分类不确定性建模为这些因素的函数。确定了重要因素，并从限制性最大似然拟合中估计了它们的参数。建模结果表明，海拔、样本对象大小、样本对象可靠性、样本对象密度和样本空间组成显著影响基于对象的分类不确定性。其中许多因素与基于对象的方法密切相关。本研究的结果有助于理解分类错误，并建议进一步改进分类。