1.莱茵金属公司代表德国联邦国防军开发了“螳螂”(模块化、自动化和网络化瞄准和拦截系统)防空系统,该系统是“天盾”的改进版,配备六个全自动炮塔。据莱茵金属公司称,这是全球同类系统中最先进的,可以可靠地保护军事设施(如前沿作战基地和其他重要设施)免受来袭火箭弹、炮弹和迫击炮弹的袭击。莱茵金属防务,莱茵金属在防空领域取得新成功:中东和北非国家下达 8300 万欧元新订单(2016 年 10 月 6 日访问);可从 http://www.rheinmetall-defence.com/en/rheinmetall_defence/public_relations/news/archive_2014/details_5120.php 获取。2.在海上,“密集阵”近防武器系统是一种速射、计算机控制、雷达制导的火炮系统,旨在击败反舰导弹和其他近距离空中和地面威胁。陆基“密集阵”武器系统是美国陆军反火箭、火炮和迫击炮系统的一部分,用于在空中探测来袭炮弹击中地面目标之前将其摧毁。雷神公司,《密集阵近防武器系统——海陆空最后一道防线》(2016 年 10 月 6 日访问);可从 http://www.raytheon.com/capabilities/products/phalanx/ 获取。
使用储能系统 (ESS) 和分布式发电机 (DG) 来提高可靠性是当今受到研究人员广泛关注的解决方案之一。在本研究中,我们从多目标优化的角度利用多目标优化方法对配电网中的分布式发电机进行优化规划。目标是提高网络的可靠性,同时降低年成本和网络损耗。使用多目标正弦余弦算法的改进版本来确定 DG 的最佳大小、位置和类型以及 ESS 的最佳容量、位置和运行策略。对具有土耳其 DG 和负载数据的 IEEE 33 总线、69 总线和 141 总线测试系统的三个案例研究,以验证所提方法的有效性。将帕累托前沿解和最佳目标函数的分布与其他已知算法进行了比较。模拟结果表明,测试系统的平均未供应能量和年能量损失分别减少了高达 68% 和 64%。此外,根据三种不同的帕累托优化指标,所提方法的帕累托前沿呈现出更好的分布,并且优于 MOGWO、MOSMA、NSGA-II、MOPSO 和 MOEA-D 获得的帕累托前沿。最后,计算工作量结果显示,与 MOGWO、MOSMA、NSGA-II、MOPSO 和 MOEAD 相比,MOSCA 的收敛速度更快。
资本市场概览 2020年4月24日,康方生物科技股份有限公司(“康方生物”、“公司”、“我们”或“我们的”,9926.HK)股票正式在香港联交所主板开始交易。包括发行超额配售股份所收到的额外收益净额,公司首次公开募股所得款项总额约为3.798亿美元。自上市以来,截至2020年8月4日星期二的收盘价30.40港元,公司股价已从16.18港元的IPO价格上涨近87.9%,并在2020年6月30日创下38.95港元的盘中最高价。各大证券公司继续认可公司的基本面实力和未来发展。 7月15日、16日,摩根士丹利连续发布两份关于公司的研究报告,重申“增持”评级,并将目标价上调至37.9港元。在将公司与中国生物科技领域具有类似产品线特征的相关同业进行比较后,摩根士丹利认为公司目前估值还有进一步上升的空间。此外,摩根士丹利预计公司的PD-1/CTLA-4双特异性抗体新药AK104在包括PD-(L)1复发/难治性非小细胞肺癌(NSCLC)在内的某些适应症中成功的可能性更高。摩根士丹利认可AK104在宫颈癌、NSCLC、肝细胞癌(HCC)和胃癌等多个主要适应症中具有良好的疗效,并认为鉴于早期试验中观察到的更好的安全性,AK104可能成为Opdivo/Yervoy联合治疗的改进版。此外,7月21日,杰富瑞集团给予公司“买入”评级,目标价50.0港元。7月7日,中金公司和交银国际均给予公司“买入”和“跑赢大盘”评级,目标价分别为39.94港元和45.89港元。值得注意的是,7月28日,摩根大通在一份行业研究报告中表示,港股通改革将于2020年9月7日开盘后生效。根据平均市值、流动性、恒生综合指数成分股等因素,摩根大通预计公司将位列8只新增股票之列。自上市以来,公司成交量稳健,7月份日均成交量约为277万股,在19家香港上市生物科技公司中,公司成交量维持在较高水平。
背景:仅在 2021 年,糖尿病(一种主要以血糖 (BG) 水平异常高为特征的代谢紊乱)就影响了全球 5.37 亿人,并报告了超过 600 万人死亡。使用非侵入性技术(例如可穿戴设备 (WD))来调节和监测糖尿病患者的血糖是一个相对较新的概念,尚处于起步阶段。非侵入性 WD 与机器学习 (ML) 技术相结合,有可能从收集的数据中理解和得出有意义的信息,并提供具有临床意义的高级分析以用于预测或预报。目标:本研究的目的是提供一份完整的系统评价,并进行质量评估,以研究在 WD 中使用人工智能 (AI) 预测或预测血糖水平对糖尿病的有效性。方法:我们搜索了 7 个最受欢迎的书目数据库。两位审稿人独立进行研究选择和数据提取,然后交叉检查提取的数据。使用叙述方法来综合数据。使用改进版的诊断准确性研究质量评估-2 (QUADAS-2) 工具进行质量评估。结果:在最初的 3872 项研究中,我们根据预定义的纳入标准进行筛选,报告了 12 项研究的特征。所有研究总体上的参考标准 (n=11, 92%) 被归类为低,因为所有基本事实都很容易复制。由于输入 AI 技术的数据高度标准化,并且流程或时间框架对最终输出没有影响,因此这两个因素都被归类为低风险组 (n=11, 92%)。我们观察到,一半的研究采用了经典的 ML 方法,其中最受欢迎的是集成增强树(随机森林)。最常用的评估指标是 Clarke 网格误差 (n=7, 58%),其次是均方根误差 (n=5, 42%)。我们观察到腕戴式设备上光电容积图和近红外传感器的广泛使用。结论:本综述提供了迄今为止最广泛的工作,总结了使用 ML 进行糖尿病相关血糖水平预测的 WD。尽管目前的研究很少,但这项研究表明,正如 QUADAS-2 评估工具所揭示的那样,研究的总体质量被认为是高的。市售设备需要进一步验证,但我们预计,在不久的将来,WD 总体上有可能完全消除对侵入式血糖监测设备的需求。试验注册:PROSPERO CRD42022303175;https://tinyurl.com/3n9jaayc
混凝土是最常见的建筑材料。混凝土类型丰富,配方取决于特定用途。混凝土的微观结构通常是强烈的异质性,具有水泥,细和粗骨料,充满空气的毛孔和各种增援。混凝土的计算模型通常会大大降低以确保安全性。更精确的模型可以从材料和CO 2排放方面巨大节省。通过3D计算机断层扫描(CT)观察到的原位机械测试,特别是观察到3D的裂纹起始和生长可以帮助改善这些模型。 大规模的CT系统gulliver专用于研究分别为6 m和1 m的现实大型混凝土束和宽度的疲劳动力学。 分析在原位弯曲测试中生成的图像数据需要特别可靠的检测和正确分割薄裂纹。 因此,最近比较了裂纹分割的算法[1],扩展到多尺度裂纹[2,3],适用于纤维增强的混凝土[4,5],甚至是新发明的[6,7]。 对于方法的公平定量比较以及机器学习模型的培训和开发,基于合成裂纹结构的半合成CT图像[8-10]至关重要。 首先,裂纹是作为分数布朗动作的实现[11]。 后来,由于其多功能性,首选由随机伏罗尼叶镶嵌物的小平面形成的最小表面[8]。 在[13,14]中研究了裂纹与混凝土微观结构之间的相互作用。通过3D计算机断层扫描(CT)观察到的原位机械测试,特别是观察到3D的裂纹起始和生长可以帮助改善这些模型。大规模的CT系统gulliver专用于研究分别为6 m和1 m的现实大型混凝土束和宽度的疲劳动力学。分析在原位弯曲测试中生成的图像数据需要特别可靠的检测和正确分割薄裂纹。因此,最近比较了裂纹分割的算法[1],扩展到多尺度裂纹[2,3],适用于纤维增强的混凝土[4,5],甚至是新发明的[6,7]。对于方法的公平定量比较以及机器学习模型的培训和开发,基于合成裂纹结构的半合成CT图像[8-10]至关重要。首先,裂纹是作为分数布朗动作的实现[11]。后来,由于其多功能性,首选由随机伏罗尼叶镶嵌物的小平面形成的最小表面[8]。在[13,14]中研究了裂纹与混凝土微观结构之间的相互作用。这些合成的裂纹结构可以模仿多种裂纹形态,包括局部厚度分布和分支,并具有几个程度的表面粗糙度,因为[12]很好地证明了。到目前为止,合成裂纹并未与将CT图像用作背景的混凝土的微观结构相互作用。特别是,将裂缝分类为周围的混凝土组件。这是通过两步过程实现的。首先,通过模板匹配对裂纹结构进行了分割。然后,根据模板的方向上的灰色值对裂纹进行分类。在这里,我们提出了一种依赖于分割裂纹和聚集体的方法。然后将裂纹分配给两个可能的类别之一:经晶(通过聚集体)或晶间(聚集体之间)。然后,经晶裂纹体素的相对数量产生了一个度量,以量化裂纹行为的差异。在这里,我们研究了相同组成的难治性混凝土样品,但在不同温度下被后加工(烧结)。在压缩应力下扫描样品。他们清楚地表明,裂缝确实与混凝土的微观结构相互作用,请参见图1。裂纹可能沿聚集体,通过它们或通过周围的水泥矩阵传播。在失败之前,分析载荷步骤的经晶和晶间体素的分数进一步量化了烧结温度的影响。我们在两个圆柱形耐火混凝土样品的示例中演示了这一分析,分别在1.000°C和1.600°C下烧结。最近,我们为裂纹结构设计了一种多功能几何模型[8,9],用于方法验证和比较以及机器学习方法的训练 - 由随机Voronoi Tessellation的相位形成的最小表面。最小表面计算的优化方法的改进版本可实现多标准优化[17]。在这里,我们利用了这种新的可能性来生成合成裂纹结构,该结构避免了聚集体或通过图1中的真实混凝土样品中观察到的。