XiaoMi-AI文件搜索系统
World File Search System性预
针对法国脆弱青少年成瘾行为的针对性预防计划 (PREVENTURE) 的有效性 - 研究协议
背景：饮酒是法国面临的一个重大公共卫生挑战，在法国，一半的 17 岁年轻人在调查前一个月报告过一次严重酒精中毒事件。许多预防计划都有一个总体目标，但青少年时期个人对成瘾的脆弱性因人格特质而异。针对人格特质的预防可以研究成瘾行为的风险因素，并已显示出真正的效果。在现有的计划中，预防通过针对四种人格特质（冲动、寻求刺激、消极思想和焦虑）显示出减少酒精消费的效果。该计划已在学校环境中招募的青少年人群样本中进行了测试，以确定有风险的青少年，但尚未在更有针对性的咨询青少年招募中进行测试。
重新布线蛋白质序列和结构生成模型以增强蛋白质稳定性预测
快速增长的数据需要可靠且持久的存储解决方案。DNA由于其高信息密度和长期稳定性而成为一种有希望的媒介。但是，DNA存储是一个复杂的过程，每个阶段都会引入噪声和错误，包括合成错误，存储衰减和测序错误，它需要对错误校正的代码（ECC）才能获得可靠的数据恢复。要设计一种最佳数据恢复方法，对DNA数据存储通道中噪声结构的综合理解至关重要。由于在体外运行DNA数据存储实验仍然很昂贵且耗时，因此必须进行模拟模型，以模仿真实数据中的误差模式并模拟实验。现有的仿真工具通常依赖固定的误差概率或特定于某些技术。在这项研究中，我们提出了一个基于变压器的生成框架，用于模拟DNA数据存储通道中的错误。我们的模拟器将寡素（DNA序列写入）作为输入，并生成错误的输出DNA读取，与常见DNA数据存储管道的真实输出非常相似。它捕获了随机和有偏见的误差模式，例如K-MER和过渡错误，无论过程或技术如何。我们通过分析两个使用不同技术处理的数据集来证明模拟器的有效性。在第一种情况下，使用Illumina Miseq处理，由DDS-E-SIM模拟的序列显示出与原始数据集的总误率偏差仅为0.1％。第二次使用牛津纳米孔技术进行的偏差为0.7％。基本级别和K-MER错误与原始数据集紧密对齐。此外，我们的模拟器从35,329个序列中生成100,743个独特的橄榄岩，每个序列读取五次，证明了其同时模拟偏置错误和随机属性的能力。我们的模拟器以优越的精度和处理多种测序技术的能力优于现有的模拟器。
基于非线性预算约束的供应链网络安全投资策略：调节
摘要。在数字供应链网络快速发展的背景下，处理日益增长的网络安全威胁并制定有效的安全投资策略以防御网络攻击风险是供应链管理中的核心问题。网络安全投资决策是企业供应链管理中的关键战略任务。传统的游戏理论模型和线性编程方法使处理复杂问题（例如在供应链中参与，资源限制和风险不确定性）等复杂问题，导致企业面临高风险和网络安全领域的不确定性。为了有效地应对这一挑战，这项研究提出了基于变异不平等和投影收缩算法的非线性预算限制的网络安全投资优化模型。这种方法通过引入市场份额变量，结合了变异不平等和生产收缩算法来模拟市场竞争对安全投资的影响，以解决模型，并分析不同变量的影响，例如预算约束，网络攻击损失，以及市场份额对供应连锁网络的安全。在数值分析中，该模型分别在两个零售商和两个需求市场的实验场景中达到了0.96和0.95的高网络安全水平，预算约束分析重新促进了预算约束对网络安全投资的深远影响。通过数值实验和比较分析，验证了该方法在改善供应链网络安全方面的有效性和可操作性。
使用机器学习进行道路事故严重性预测和最佳救援途径
道路交通事故仍然是城市规划师，运输当局和全球公共安全利益相关者的关键挑战。尽管道路基础设施和交通管理方面取得了进步，但事故的频率和严重性继续使紧急响应系统紧张并损害公共安全。事故热点特别令人担忧，因为它们经常由于道路设计不良，交通密度和不利天气条件等因素而表现出反复出现的事故模式。本文解决了通过数据驱动的方法来预测事故严重程度并确定易于识别事故的领域的挑战。使用一个超过770万个包含地理，环境和时间特征的事故记录的大型数据集，该论文开发了机器学习模型，以预测事故的严重性并检测高风险区域的空间群集。通过将历史事故数据与天气和道路状况等实时因素相结合，该论文旨在创建一个为主动干预措施提供信息并优化紧急响应策略的系统。
肿瘤异质性预测的块神经网络
准确的肿瘤分类对于选择有效治疗至关重要，但是当前方法有局限性。标准肿瘤分级基于细胞分化对TUMOR进行分类，不建议将其作为独立手术，因为某些差异良好的肿瘤可能是恶性的。通过单细胞测序评估肿瘤异质性评估提供了深刻的见解，但可能会昂贵，并且仍然需要大量的手动干预。 许多现有的用于肿瘤数据的统计机器学习方法仍然需要对MRI和组织疗法数据进行复杂的预处理。 在本文中，我们建议建立在模拟肿瘤进化的数学模型上（OTAńSKI（2017）），并生成用于肿瘤分类的人工数据集。 使用归一化熵估算肿瘤异质性，其阈值将肿瘤视为具有高或低异质性。 我们的贡献是三重的：（1）从人工数据中的剪切和图生成过程，（2）肿瘤特征的设计，以及（3）构建块图神经网络（BGNN），这是一种基于图神经网络的方法，以预测肿瘤异质性。 表现出的结果表明，所提出的特征和模型的组合在人为生成的数据上产生了出色的结果（89。 测试数据的精度为67％）。 尤其是与AI辅助分级和空间转录组学的新兴趋势保持一致，我们的结果表明，通过出生（例如KI-67增殖指数）丰富传统的分级方法和死亡标记物和死亡标记物可以改善异质性预测和增强肿瘤分类。通过单细胞测序评估肿瘤异质性评估提供了深刻的见解，但可能会昂贵，并且仍然需要大量的手动干预。许多现有的用于肿瘤数据的统计机器学习方法仍然需要对MRI和组织疗法数据进行复杂的预处理。在本文中，我们建议建立在模拟肿瘤进化的数学模型上（OTAńSKI（2017）），并生成用于肿瘤分类的人工数据集。肿瘤异质性，其阈值将肿瘤视为具有高或低异质性。我们的贡献是三重的：（1）从人工数据中的剪切和图生成过程，（2）肿瘤特征的设计，以及（3）构建块图神经网络（BGNN），这是一种基于图神经网络的方法，以预测肿瘤异质性。表现出的结果表明，所提出的特征和模型的组合在人为生成的数据上产生了出色的结果（89。测试数据的精度为67％）。尤其是与AI辅助分级和空间转录组学的新兴趋势保持一致，我们的结果表明，通过出生（例如KI-67增殖指数）丰富传统的分级方法和死亡标记物和死亡标记物可以改善异质性预测和增强肿瘤分类。
使用机器学习的道路事故严重性预测 传导易燃电缆的方法...- IJRPR 雀巢的供应链管理-IJRPR 制造可持续的低成本反应堆来治疗家庭废水 用于诊断印度农村疾病的医疗人工智能工具 药物发现与开发中的人工智能-IJRPR 使用ML -IJRPR 预测电动电动机的电池rul
k-nearest邻居（KNN）是一种简单而功能强大的机器学习算法，用于分类和回归任务。在道路事故严重性预测的背景下，KNN可根据各种特征（例如天气条件，一天中的时间，道路类型，车辆类型，交通量等）来对事故的严重程度（例如，次要，中等，严重）进行分类。KNN算法可以通过比较给定数据点（即事故记录）中的范围（即，事故记录）的范围（即，事故记录）的范围（即，事故记录）的范围（即，事故记录）的范围（即，事故记录）的范围（即，事故记录）（即，事故记录）的范围（即，均为事故的范围）， 预言。k-nearest邻居（KNN）是一种简单而有效的算法，可预测道路事故严重性，尤其是当特征和结果之间的关系并不过于复杂时。尽管KNN提供了简单性和可解释性，但它确实具有诸如高计算成本和功能缩放敏感性之类的局限性。因此，KNN最适合较小的数据集或其简单性和易于理解的情况。
心力衰竭患者的嗜中性粒细胞和淋巴细胞定量异常：一项回顾性研究o r i g i n a l r e s a r c h菌群的突出性预测克罗恩病的纤维狭窄
目的：由于克罗恩病（CD）引起的肠纤维狭窄非常普遍。尽管已经确定了几种纤维狭窄的临床危险因素，例如验水，小肠疾病的位置和深层粘膜溃疡，预测纤维狭窄仍然具有挑战性。肠道菌群在CD的发展和进展中起着至关重要的作用。然而，其在肠纤维狭窄中的作用知之甚少。利用单中心横断面研究，我们旨在研究粪便菌群在与CD相关的纤维狭窄中的作用。方法：使用元基因组分析，我们检查了肠纤维狭窄患者与没有狭窄的患者之间的粪便菌群差异。我们鉴定了特定的微生物群，并评估了其对肠纤维狭窄的预测准确性。此外，我们探索了两组之间肠道菌群的功能差异。结果：：我们对粪便样品的研究表明，纤维狭窄患者与CD中没有狭窄的患者之间的肠道菌群结构没有显着差异。但是，从分类学上讲，我们发现了70个分类单元，两组之间的丰度明显不同（p <0.05）。此外，Lefse分析表明，g_bacteroides和g_enterocloster可以预测肠纤维狭窄，而p_actinobacteria，c_actinomycetia，c_bacilli，c_bacilli，o_lactobacilli，o_lactobacilles，f_strepteptoccoccaccaceae and g_strepteptoccus可以预测CDNESISD。结论：粪便菌群在CD中显着影响肠纤维狭窄。功能分析表明，在纤维狭窄的CD患者中，在KEGG途径水平的五个代谢途径中的差异富集，包括鞘脂代谢，脂肪酸代谢以及新霉素，kanamycin和gentamicin的新霉素的生物合成。在蛋酒数据库中，我们观察到两组之间四个功能类别的差异，包括细胞过程，信号传导和代谢。尽管α和β多样性没有显着差异，但纤维狭窄与微生物群组成和功能的变化有关，这表明粪便微生物群在预测与CD相关的纤维狭窄方面的潜力。关键字：克罗恩病，纤维狭窄，粪便菌群，元基因组分析
随机森林急性口腔毒性预测的机器学习模型
背景和目标：这项研究的重点是对急性口腔毒性的可靠和精确预测对增强化学安全性并提高可持续发展目标的重要性，特别是可持续发展目标3（良好的健康和福祉）（良好的健康和福祉），可持续发展目标6（清洁水和卫生）（清洁水和卫生），以及可持续发展的开发目标，以及可持续的开发目标，以及负责消费和生产和生产和生产。传统的毒性评估通常是耗时且昂贵的，因此需要探索更有效的方法。这项研究的重点是建立最有效的方法来构建可靠和精确的毒性预测模型。方法：评估随机森林是一种健壮的合奏方法，用于使用国家毒理学计划/机构间综合数据集进行预测急性口腔毒性，以评估替代性毒理学方法和环境保护署/国家国家能力测试中心的替代性毒理学方法和国家能力测试中心，这表现出了极大的compantance Immbalance Immbalance Immbalance Immbalance Immbalance Immbalance Immbalance Immbalance，8％非常毒素的92％不太毒性。为了解决这种不平衡，利用了诸如成本敏感的学习和数据重采样技术（包括在采样和过度采样下）之类的策略。通过合理发现套件生成的一组二维分子描述符被用作输入特征，模型预处理涉及归一化，验证和特征选择。对特征重要性的检查表明，主要分子描述符是与范德华表面积和分子量子数有关的分子描述符。使用贝叶斯优化和交叉验证进行了超参数调整，而随机森林的性能与梯度提升，极端梯度增强，人工神经网络和广义线性模型相比进行了评估。发现：随机森林模型，尤其是在采样和成本敏感学习下使用的森林模型，表现出卓越的性能，达到0.81的灵敏度，0.85的特异性，0.85的精度和接收器操作特征曲线下的面积为0.89，在独立的测试集上为0.89。由随机森林预测发展出的替代决策树，在曲线下达到了一个0.929的面积。结论：随机森林模型有效地预测了急性口腔毒性，尤其是在通过对成本敏感的学习和重新采样来解决阶级失衡时。利用可解释的人工智能技术，包括置换特征的重要性，替代决策树分析和局部可解释的模型不足的解释，这项研究确定了驱动毒性的关键分子描述符。这一进步提高了模型的解释性，并代表了增强化学安全的重要一步，同时支持可持续发展目标。
双氢青蒿素哌喹和青蒿琥酯阿莫地喹间歇性预防治疗对学龄儿童抗六种血型恶性疟原虫抗原 IgG 应答的影响
在疟疾高发地区，已经实施了几种干预策略，其中包括间歇性预防治疗 (IPT)，这是一种阻断传播并降低疾病发病率的策略。然而，实施 IPT 策略引起了真正的担忧，因为它干预了对疟疾的自然获得性免疫的发展，而这种免疫需要与寄生虫抗原持续接触。本研究调查了在学童中应用二氢青蒿素-哌喹 (DP) 或青蒿琥酯-阿莫地喹 (ASAQ) IPT (IPTsc) 是否会损害对六种疟疾抗原的 IgG 反应性。坦桑尼亚东北部的一项 IPTsc 试验以四个月的间隔施用了三剂 DP 或 ASAQ，并对学童进行了随访。本研究使用酶联免疫吸附试验 (ELISA) 技术比较了干预组和对照组中 IgG 对恶性疟原虫红细胞膜蛋白 1 (PfEMP-1) 的 GLURP-R2、MSP1、MSP3 和 CIDR 结构域 (CIDRa1.1、CIDRa1.4 和 CIDRa1.5) 的反应性。研究期间，共有 369 名学童参与分析，对照组、DP 组和 ASAQ 组分别有 119 名、134 名和 116 名参与者。在干预期期间和干预期后，疟疾抗原识别的广度显著增加，且研究组间并无差异（趋势检验：DP，z 分数 = 5.92，p < 0.001，ASAQ，z 分数 = 6.64，p < 0.001 和对照组，z 分数 = 5.85，p < 0.001）。在所有访视中，对照组和 ASAQ 组对任何测试抗原的识别均无差异。然而，在 DP 组中，干预期期间 IPTsc 不会削弱针对 MSP1、MSP3、CIDRa1.1、CIDRa1.4 和 CIDRa1.5 的抗体，但会削弱针对 GLURP-R2 的抗体。
机械精炼机的可靠性预测
可靠性是指系统在运行过程中的质量、对要求的满足以及最终产品的质量生产。磨浆机也是一种工业设备，用于改善原材料的性能，并为最终产品的生产做好准备。在机械纸浆生产行业中，磨浆机在产品生产中的作用及其对产品质量和总成本的影响非常重要。本文介绍了机械磨浆机的结构，研究了决定和提高可靠性的主要部件，并计算了它们的可靠性值。根据计算，该设备最有影响力的元件是机械密封，在选择和监控其状态时应比其他元件更加小心，以达到目标的可靠性。