XiaoMi-AI文件搜索系统
World File Search System排序
使用 AHP 和框架对供应链风险进行优先级排序...
[1] GA Zsidisin，“管理者对供应风险的认知”，《供应链管理杂志》，第 39 卷，第 4 期，第 14-26 页，2006 年，doi：10.1111/j.1745-493X.2003.tb00146.x。[2] T. Moyaux、B. Chaib-draa 和 S. D'Amours，“信息共享对订购方法在减少牛鞭效应方面的效率的影响”，《IEEE 系统、人与控制论汇刊》，C 部分 (SMC-C)，第 37 卷，第 3 期，第 396-409 页，2007 年，doi：10.1109/TSMCC.2006.887014。 [3] S. Fazli 和 A. Masoumi，“使用分析网络过程方法评估供应链的脆弱性”，《国际应用与基础科学研究杂志》，第 3 卷，第 13 期，第 2763-2771 页，2012 年。[4] M. Punniyamoorthy、N. Thamaraiselvan 和 L. Manikandan，“供应链风险评估：量表开发与验证”，《基准测试：国际杂志》，第 20 卷，第 1 期，第 79-105 页，2013 年，doi：10.1108/14635771311299506。[5] F. Aqlan 和 S. Lam，“供应链风险建模与缓解”，《国际生产研究杂志》，第 53 卷，第 13 期，第 2763-2771 页，2012 年。 18，第 5640-5656 页，2015 年，doi：10.1080/00207543.2015.1047975。[6] S. Ambulkar、J. Blackhurst 和 SJ Grawe，“企业对供应链中断的适应力：量表开发和实证检验”，运营管理杂志，第 33 卷，第 111-122 页，2015 年，doi：10.1016/J.JOM.2014.11.002。[7] A. Andjelkovic，“主动的供应链风险管理方法 - 塞尔维亚案例”，经济年鉴，第 62 卷，第 5640-5656 页，2015 年，doi：10.1080/00207543.2015.1047975。 214，第 121-137 页，2017 年，doi：10.2298/EKA1714121A。[8] T. Sawik，“供应链中断管理的投资组合方法”，《国际生产研究杂志》，第 55 卷，第 7 期，第 1970-1991 页，2017 年，doi：10.1080/00207543.2016.1249432。 [9] M. Pavlovi ć、U. Marjanovi ć、S. Raki ć、N. Tasi ć 和 B. Lali ć，“大数据在制造业的巨大潜力：来自新兴经济体的证据”，收录于：B. Lalic、V. Majstorovic、U. Marjanovic、G. von Cieminski 和 D. Romero（编），生产管理系统的发展。迈向智能数字化制造，2020 年，卷 AICT 592，第 100–107 页，doi：10.1007/978-3-030-57997-5_12。[10] J. Zhou、G. Bi、H. Liu、Y. Fang 和 Z. Hua，“理解员工能力、运营 IS 一致性和组织敏捷性——一种灵巧的视角”，信息与管理，卷55，第 6 期，第 695-708 页，2018 年，doi：10.1016/j. im.2018.02.002。[11] Y. Ju、H. Hou 和 J. Yang，“物流服务供应链中的整合质量、价值共创和弹性：数字技术的调节作用”，工业管理与数据系统，第 121 卷，第 2 期，第 364-380 页，2021 年，doi：10.1108/IMDS-08-2020-0445。[12] ZJH Tarigan、J. Mochtar、SR Basana 和 H. Siagian，“能力管理通过供应链整合和质量对组织绩效的影响”，不确定的供应链管理，第 9 卷，第 2 期，第 364-380 页，2021 年，doi：10.1108/IMDS-08-2020-0445。 2，第 283-294 页，2021 年，doi：10.5267/j.uscm.2021.3.004。[13] S. Chakraborty、S. Bhattacharya 和 DDDobrzykowski，“供应链协作对价值共创和公司绩效的影响：医疗服务业视角”，Procedia Economics and Finance，第 11 卷，第 676-694 页，2014 年，doi：10.1016/S2212-5671(14)00233-0。[14] B. Gaudenzi 和 A. Borghesi，“使用 AHP 方法管理供应链中的风险”，国际物流管理杂志，第 17 卷，第 1 期，第 114-136 页，2006 年，doi：10.1108/09574090610663464。[15] O. Khan 和 B. Burnes，“风险与供应链管理：制定研究议程”，国际物流管理杂志，第 18 卷，第 1 期，第 114-136 页，2006 年，doi：10.1108/09574090610663464。 2，第 197-216 页，2007 年，doi：10.1108/09574090710816931。[16] S. Jaffee、P. Siegel 和 C. Andrews，“快速农业供应链风险评估：概念框架”，世界银行，美国华盛顿特区：农业和农村发展部，2010 年。
当前的 gRNA 排序预测算法对植物基因组编辑有用吗？
通过传统育种将新特性引入作物通常需要几十年的时间，但最近开发的基因组序列修饰技术有可能加速这一过程。这些新育种技术之一依赖于 RNA 指导的 DNA 核酸酶 (CRISPR/Cas9) 在体内切割基因组 DNA，以促进序列的删除或插入。这种序列特异性靶向由向导 RNA (gRNA) 决定。然而，选择最佳 gRNA 序列有其挑战。几乎所有当前用于植物的 gRNA 设计工具都是基于动物实验数据，尽管许多工具允许使用植物基因组来识别潜在的脱靶位点。在这里，我们检查了八种不同的在线 gRNA 位点工具的预测一致性和性能。不幸的是，不同算法的排名之间几乎没有共识，排名与体内有效性之间也没有统计学上显着的相关性。这表明，影响植物中 gRNA 性能和/或靶位点可及性的重要因素尚未阐明并纳入 gRNA 位点预测工具中。
三角光学晶格中量子条纹排序的证据
1南部科学技术大学，深圳518055，中国2深圳科学与工程学院，南部科学技术大学，深圳518055，中国318055，3中，中国科学院，中国科学学院，中国3100次，中国科学院，中国科学院，中国科学院31次，科学，科学，科学。中国杭州5理论科学研究所，西湖大学，310024，杭州，中国杭州6吉安省量子材料的主要实验室，汉州科学院物理学系，杭州大学，310030，310030 Luruper Chaussee 149，22761汉堡，德国
草地固碳增汇技术评价规范
1) 计算权重在软件中可选择熵值法、层次分析法等计算方法； 2) 也可对定性指标进行权重计算。 d) 综合评价 — TOPSIS 分析。 根据软件运行结果，选择评价对象与最优方案接近程度最大的值，该值越大说明越接近最优方案 （系统会根据值的大小自动排序）。
FY-24 现役功绩重新排序免责声明 - MyNavyHR
担任少校之前所取得的宝贵成就 • 最低要求：连续任职（海上和岸上任务）中表现最佳；高级战争资格 • 次要标准：首次在岸上执行生产任务（NAWDC、FRS、VT/HT、测试）；在生产环境中表现优秀的军官优先于其他军官 • 第三标准：在三项合格任务中表现最佳的军官应该比他们的同行得到更好的考虑；JPME I 担任指挥官之前所取得的宝贵成就 • 最低要求：作战部门负责人里程碑任务中表现最佳；TACAIR/ROTARY 社区重视更长时间的认可表现；MARITIME 社区不因里程碑持续时间而歧视 • 次要标准：成功完成提名任务，在多个任职/报告高级人员和社区工作人员任务中表现最佳 • 第三标准：驻地研究生教育；FM/OA 经验； IA/GSA 担任 CAPTAIN 之前的宝贵成就 • 最低要求：公认的作战指挥领域的佼佼者 • 次要标准：成功完成提名任务，在海上和岸上主要参谋任务中公认的佼佼者 • 第三标准：驻地研究生教育；FM/OA 经验；联合合格军官
FY-24 现役功绩重新排序免责声明 - MyNavyHR
• 除少校的要求外 • 作战准备/联合 ─ 成功完成以下职位的 EP 巡视：部门主管、作战任务、部署 ─ 通过“驻地”或远程学习完成联合专业军事教育 (JPME I/II)；AQD JS8 • 自我和他人的专业发展 ─ 获得高级学位并保持临床能力 (MSN/MBA/DNP/Phd) ─ 在与专业相关的同行评审期刊上发表文章 ─ 专业护理组织的董事会/分会成员 (即 ANA、AACN、AAACN、ENA、NEA-BC) ─ 在专业护理会议上发表演讲 • 变革型领导力 ─ 成功担任领导角色，例如护士研究员、专业领导者、执行助理、细节制定者、教员、副主任 在担任 CAPTAIN 之前取得的宝贵成就
迭代变量重新排序：驯服庞大的系统家族*
对于使用模型检查技术进行的系统验证，基于二元决策图 (BDD) 的符号表示通常有助于解决众所周知的状态空间爆炸问题。基于符号 BDD 的表示也被证明可以成功分析出现的系统族，例如，通过可配置参数或遵循面向特征的建模方法。此类系统族的状态空间面临参数或特征数量的额外指数爆炸。众所周知，有序 BDD 中变量的顺序对于模型表示的大小至关重要。特别是对于从现实世界系统自动生成的模型，由于变量顺序错误，族模型甚至可能无法构建。在本文中，我们描述了一种称为迭代变量重新排序的技术，它可以构建大规模的族模型。我们通过一个具有冗余机制的飞机速度控制系统来证明我们的方法的可行性，该系统以概率模型检查器 P RISM 的输入语言建模。我们表明，标准重新排序和动态重新排序技术分别由于内存和时间限制而无法构建系列模型，而新的迭代方法则成功生成了符号系列模型。
重新排序量子计算的决策图比您想象的要难得难。
摘要。决策图已被证明是常规计算和量子计算中的有用数据结构，在许多情况下，可以按成倍的大数据呈指数级的数据结构。存在几种方法，以进一步减少决策图的大小，即它们的节点数量。重新排序是一种通过更改表示形式中变量顺序缩小决策图的方法。在传统世界中，这种方法是确定的，并将其可用性视为理所当然。对于量子计算，存在第一种方法，但无法完全利用类似的潜力。在本文中，我们研究了在常规世界和量子世界中重新排序决策图之间的差异，之后揭示了挑战，这些挑战解释了为什么在后者中重新排序更加困难。案例研究表明，对于量子计算，重新排序可能会导致在决策图的大小上的几个数量级改善，但也需要更多的运行时。
放松器铁电数学中的组成排序
放松剂铁电源形成一类特殊的功能材料，通常由复杂的钙钛矿Pb（Bb'）O 3组成，如Pb所示（Mg 1/3 NB 2 /3）O 3所示，其中Mg和Nb的组合序对其属性至关重要。在这项工作中，使用第一个基于基本的模型进行分析表明，尽管静电相互作用很重要，但可以采用最近的邻居假设（用于金属合金）来理解PB（BB'）O 3中的组成顺序。使用川崎蒙特 - 卡洛方法的数值模拟可以通过最大化B-B'对的数量（或Bethe的参数）来对实验观察到的组成排序进行建模，这是确定排序的重大因素。还讨论了配置能量退化的微妙之处，这解释了这种系统固有存在的部分疾病。
通过具有排序损失的神经网络匹配抗癌化合物和肿瘤细胞系
计算药物敏感性模型可以识别出在治疗剂量下可能对癌细胞系达到最高疗效的靶向药物成分，从而有可能改善治疗结果。最先进的药物敏感性模型使用回归技术来预测药物对肿瘤细胞系的抑制浓度。这个回归目标与药物敏感性模型的这两个主要目标并不直接一致：我们认为药物敏感性建模应该看作是一个排序问题，其优化标准是量化药物对癌细胞系的抑制能力相对于其对健康细胞的毒性。我们对成熟的药物敏感性回归模型 PaccMann 进行了扩展，该模型采用排序损失，并关注抑制浓度与治疗剂量范围的比率。我们发现，排名扩展显著增强了模型根据体外数据识别针对未见肿瘤细胞谱的最有效抗癌药物的能力。