XiaoMi-AI文件搜索系统
World File Search System排序
解决飞机路线和排序问题时人类的表现和策略：一种实验方法
摘要 随着机场资源不断扩展以满足日益增长的服务需求，有效利用地面基础设施对于确保运营效率越来越重要。运筹学研究已经产生了一些算法，为机场塔台管制员提供有关航班到达、离开和地面移动的最佳时间和顺序的指导。虽然这种决策支持系统有可能提高运营效率，但它们也可能影响用户的心理工作量、态势感知和任务绩效。这项工作旨在确定人类决策者在实验性机场地面移动控制任务中采用的绩效结果和策略，目的是确定增强以用户为中心的塔台管制决策支持系统的机会。为了应对这一挑战，30 名新手参与者解决了一组以游戏形式呈现的车辆路线问题，代表跑道管制员执行的机场地面移动任务。游戏在两个独立变量上有所不同，即网络地图布局（代表任务复杂性）和游戏目标（代表任务灵活性），而口头协议、视觉协议、任务表现、工作量和任务持续时间则被收集为因变量。逻辑回归分析显示，游戏目标和任务持续时间显著影响参与者确定游戏最佳解决方案的可能性，其中
绕过尖峰排序：使用密集多电极探针的尖峰定位进行基于密度的解码
神经解码及其在脑机接口 (BCI) 中的应用对于理解神经活动和行为之间的关联至关重要。许多解码方法的先决条件是尖峰分类，即将动作电位 (尖峰) 分配给单个神经元。然而，当前的尖峰分类算法可能不准确，并且不能正确模拟尖峰分配的不确定性，因此丢弃了可能提高解码性能的信息。高密度探针 (例如 Neuropixels) 和计算方法的最新进展现在允许从未排序的数据中提取一组丰富的尖峰特征；这些特征反过来可用于直接解码行为相关性。为此，我们提出了一种无尖峰分类的解码方法，该方法直接使用对尖峰分配的不确定性进行编码的高斯混合 (MoG) 来建模提取的尖峰特征的分布，而不旨在明确解决尖峰聚类问题。我们允许 MoG 的混合比例随时间变化以响应行为，并开发变分推理方法来拟合得到的模型并执行解码。我们用来自不同动物和探针几何的大量记录对我们的方法进行了基准测试，表明我们提出的解码器可以始终优于基于阈值（即多单元活动）和尖峰分类的当前方法。开源代码可在 https://github.com/yzhang511/density_decoding 上找到。
总统防治艾滋病紧急救援计划 (PEPFAR) 抗逆转录病毒药物配方优先排序
自美国总统艾滋病紧急救援计划 (PEPFAR) 启动以来，美国政府 (USG) 一直致力于根据适用的国际贸易法购买安全、有效、质量有保证且价格低廉的抗逆转录病毒药物 (ARV)，用于治疗艾滋病毒。ARV 可以由品牌（创新者）和仿制药（非创新者）公司生产。1 为了帮助履行这一承诺，美国食品药品管理局 (US FDA) 利用现有流程审查用于 PEPFAR 的新药申请 (NDA) 和简化新药申请 (ANDA)。NDA 是针对已获批准药物的新版本（例如新的固定剂量组合或配方）提交的，ANDA 是针对仿制药提交的。这些流程的监管途径与 PEPFAR 未采购的其他药物的监管途径相同。但是，美国 FDA 可以免除某些 NDA 的费用，并优先审查 PEPFAR 最需要的 ARV。美国 FDA 批准或临时批准是抗逆转录病毒药物有资格通过 PEPFAR 购买的先决条件。临时批准意味着抗逆转录病毒药物符合美国 FDA 在安全性、有效性和质量方面的所有批准标准；但是，现有的专利和/或市场独占性阻止了抗逆转录病毒药物在美国上市。i 截至 2024 年 8 月 1 日，美国 FDA 已批准或临时批准了 258 份申请（包含 324 种抗逆转录病毒药物产品），其中包括用于 PEPFAR 采购的 ANDA 和 NDA。此外，在获得临时批准后，制造商已对其原始申请提交了修改，包括请求批准新的或额外的制造设施以提高现有设施制造流程的效率、延长某些产品的保质期以及其他变更。截至 2023 年 9 月 30 日，PEPFAR 已为 2000 多万艾滋病患者提供抗逆转录病毒治疗，较 2007 年的 145 万大幅增加。ii 获得低成本、有效的抗逆转录病毒药物对于实现这些高影响、挽救生命的成果至关重要。自 2005 年以来，由于引入了仿制抗逆转录病毒药物，一线治疗的每位患者每年的抗逆转录病毒药物费用下降了 95% 以上，从 1,100 美元降至 42.40 美元。iii-iv
以数据为驱动的全球新生儿基因组筛查项目中遗传疾病的优先排序
† 通讯作者 ** 见附录 A 中的 ICoNS 基因列表贡献者作者列表 *** 见附录 B 中的国际新生儿测序联盟 (ICoNS) 作者列表 通讯地址：Nina B. Gold，医学博士，麻省总医院儿童部，医学遗传学和代谢科，175 Cambridge Street，波士顿，MA 02114，[ ngold@mgh.harvard.edu ] 1 鲁汶天主教大学；2 麻省总医院，儿科；哈佛医学院，儿科；3 波士顿儿童医院；4 麻省总医院；5 哈佛医学院；6 布莱根妇女医院；7 斯坦福医学院；8 哈佛医学院，生物医学信息学系；9 列日大学，CHU Liege；10 Illumina Inc.；11 ICoNS；12 Ariadne Labs； 13 哈佛大学陈曾熙公共卫生学院；14 费拉拉大学医学系，医学科学系，医学遗传学部；15 弗莱堡大学医学中心，神经儿科和肌肉疾病系；16 加州大学洛杉矶分校，大卫·格芬医学院，人类遗传学系，临床遗传学部；17 牛津大学；18 列日大学；19 Nurture Genomics；20 FirstSteps-BNSI；21 麻省总医院，病理学系，分子医学实验室；22 哈佛医学院，病理学系；23 Broad 研究所；24 Genomics England；25 麻省总医院布莱根分院
推出新型基因优先评分，以增强药物开发中的靶标优先排序
“我们建立了一个遗传优先级评分，其灵感来自于这样一个认识：多样化的人类遗传数据为药物靶点提供了见解，但缺乏一个将这些不同数据类型整合成一个易于解释的评分的统一策略。因此，我们开发了一个计算评分来优先考虑药物靶点，以增强药物发现，”资深研究作者、伊坎西奈山个性化医学查尔斯布朗夫曼教授 Ron Do 博士说。“值得注意的是，已知几种具有高 GPS 的基因是已获批准药物的靶点，这为新工具提供了验证。”
对羊群进行排序：从孤立的第三磨牙和下颌骨的定量鉴定，通过几何形态图
Marine Jeanjean，Ashleigh Haruda，Lenny Salvagno，Renate Schafberg，Silvia Valenzuela-Lamas等。对羊群进行排序：通过几何形态计量学从孤立的第三磨牙和下颌骨对绵羊和山羊的定量鉴定。考古科学杂志，2022，141，pp.105580。10.1016/j.jas.2022.105580。HAL-04873072
人工智能：软件工程方法（456 页）
有限的资源、市场需求以及软件功能实现的技术限制通常要求对需求进行优先级排序 [1–4]。优先级排序的重点是排序和选择未来软件版本中应包含的需求。优先级排序中的智能决策支持极其重要，因为尤其是在处理大量需求时，手动优先级排序过程往往会变得非常昂贵 [5–8]。潜在的次优优先级排序可能导致不同的负面影响，例如由于关注不相关的需求而浪费时间、由于未首先提供相关功能而产生机会成本，以及缺乏对市场需求的关注，在最坏的情况下可能导致全部损失 [9]。在这种情况下，优先级排序可以在战略层面以及操作层面进行，这通常与短期优先级排序任务相关 [10,11]。本章讨论的优先级排序方法基于约束推理与优化 [12]、基于效用的推荐 [13]、基于内容的推荐 [14]、矩阵分解 [15]、冲突检测 [16] 和基于模型的诊断 [17] 等领域的 AI 技术。图 2.1 给出了不同优先级排序任务的概述。这种分类基于两个维度。首先，需求水平
液流电池的技术经济优化利用优化潜力对不同的优化可能性进行优先排序
为了成功实现氧化还原流电池的广泛市场进入，不仅技术性能，而且系统的经济效率也很重要。因此，已知的流电池必须针对特定应用进行技术经济优化。并非每一项技术上可行的改进都会对经济相关的性能或与能源相关的特定成本产生相同的积极影响。借助优化潜力作为值，可以对具体情况下可能的优化方法进行优先排序。对基于钒和甲基紫精和 TEMPO 的氧化还原流电池进行了广泛的比较测量，为此处介绍的模型的所有输入值建立了数据基础。数据来自实验室电池的测量，因为只有从这些实际数值中才能获得成本。本文开发的理论模型可用作其他研究的深厚基础，例如工业电池，以便能够进行目标导向的优化和更现实的比较。© 2023 作者。由 IOP Publishing Limited 代表电化学学会出版。这是一篇开放获取的文章，根据知识共享署名 4.0 许可条款发布（CC BY，http://creativecommons.org/licenses/ by/4.0/），允许在任何媒体中不受限制地重复使用作品，前提是对原始作品进行适当引用。[DOI：10.1149/ 1945-7111/acdda0]
使用基于单细胞 RNA 序列的迁移学习对癌症治疗的药物组合进行优先排序
1 德克萨斯大学奥斯汀分校戴尔医学院 Livestrong 癌症研究所肿瘤学系，德克萨斯州奥斯汀 78712，美国。2 克利夫兰诊所免疫治疗和精准免疫肿瘤学中心，俄亥俄州克利夫兰 44195，美国。3 德克萨斯大学 MD 安德森癌症中心表观遗传学和分子致癌学系，德克萨斯州休斯顿 77230，美国。4 德克萨斯大学 MD 安德森癌症中心生物信息学和计算生物学系，德克萨斯州休斯顿 77030，美国。5 贝勒医学院定量和计算生物科学项目，德克萨斯州休斯顿 77030，美国。6 德克萨斯大学奥斯汀分校自然科学学院跨学科生命科学研究生项目 (ILSGP)，德克萨斯州奥斯汀 78712，美国。 7 德克萨斯大学奥斯汀分校奥登计算工程与科学研究所 (ICES)，美国德克萨斯州奥斯汀 78712。8 德克萨斯大学奥斯汀分校科克雷尔工程学院生物医学工程系，美国德克萨斯州奥斯汀 78712。