XiaoMi-AI文件搜索系统
World File Search System改进的
制造压力和NMC阴极组成对固态电池性能改进的LPSCL电解质的影响
推荐引用推荐引用James，Winervil，“制造压力和NMC阴极组成对LPSCL电解质的影响，以改善固态电池性能”（2023年）。论文。罗切斯特技术学院。从
基于Chebyshev多项式的改进的公钥加密算法
摘要：由于其非常理想的属性，Chebyshev多项式通常用于公共密钥加密系统的设计。本文分散了Chebyshev映射，总体上是Chebyshev多项式的特性，并提出了基于Chebyshev混乱映射和RSA的改进的公钥加密算法，即CRPKC-K i。此算法介绍替代乘法系数K I，其选择取决于T R（T d（x））mod n = t d d（t r（x））mod n的大小，而特定的值选择规则是参与者之间共享的秘密，克服了先前的计划的缺点。在密钥生成和加密/解密阶段中，使用更复杂的中间过程来实现较高的算法复杂性，从而使算法对普通攻击更加强大。该算法还与其他基于RSA的算法相结合，以证明其在性能和安全性方面的有效性。
用户指南：针对 ICD 改进的 Elixhauser 合并症软件...
这项工作最初由医疗保健研究和质量机构 (AHRQ) 资助，合同编号为 HHSA-290-2018-00001-C。AHRQ 衷心感谢加州大学戴维斯分校的临床专家以及 IBM 和 ML Barrett, Inc. 的技术团队的贡献。根据 AHRQ 合同 75Q80123D00001，该软件工具的年度更新将继续进行，这要归功于加州大学戴维斯分校的临床专家以及芝加哥大学 NORC 和 ML Barrett, Inc. 的技术团队的贡献。医疗保健成本和利用项目 (HCUP) 是由联邦-州-工业伙伴关系开发并由 AHRQ 赞助的一系列医疗保健数据库和相关软件工具和产品。如果没有来自美国各地的以下数据收集合作伙伴的贡献，HCUP 就不可能实现：
一种新型的心肌炎检测，结合了深钢筋学习和改进的差异进化算法
抽象的心肌炎是一种严重的心血管疾病，如果不及时治疗，可能会导致严重的后果。它是由病毒感染触发的，并出现诸如胸痛和心脏功能障碍之类的症状。早期检测对于成功的治疗至关重要，心脏磁共振成像（CMR）是识别这种情况的宝贵工具。但是，由于对比度较低，噪声可变以及每名患者的多个高CMR切片的存在，使用CMR图像检测心肌炎可能具有挑战性。为了克服这些挑战，该方法融合了先进的技术，例如卷积神经网络（CNN），改进的差异进化（DE）算法（DE）算法以及用于培训的基于增强学习（RL）模型。开发这种方法由于来自德黑兰OMID医院的Z- Alizadeh Sani心肌炎的分类不平衡，提出了重大挑战。为了解决这个问题，培训过程被构建为一个顺序决策过程，在该过程中，代理会获得更高的奖励/罚款，以正确/错误地对Mi-Nority/多数派类进行分类。此外，作者提出了一种增强的DE算法来启动反向传播（BP）过程，从而克服了基于梯度的方法的初始化灵敏度问题，例如训练阶段的后退传播。通过基于标准性能指标的实验结果证明了拟议模型诊断心肌炎的有效性。总的来说，这种方法显示出加快CMR图像的分类，以自动筛查，促进早期检测和成功治疗心肌炎。
一种生成普通菜豆 (Phaseolus vulgaris L.) 转基因毛状根的全面、改进的方案及其在反向遗传学研究中的应用
生成转基因毛状根一直是菜豆 (Phaseolus vulgaris L.) 分子研究的首选策略，因为在该物种中生成稳定的敲除系具有挑战性。然而，按照 2007 年发表的原始方案产生毛状根的植物数量通常很少，这阻碍了进展。自首次发表以来，原始方案已被广泛修改，但这些修改尚未得到充分或系统的报道，因此很难评估该方法的可重复性。这里介绍的方案是对原始方法的更新和扩展。重要的是，它包括生成转基因毛状根并将其用于基于反向遗传学方法的分子分析的新的关键步骤。使用该方案，大约 30% 的转化植物中两种不同基因的表达（用作示例）显著增加或减少。此外，还观察到了给定基因的启动子活性，并成功监测了转基因毛状根中根瘤菌的感染过程。因此，该改进的协议可用于上调、下调普通菜豆转基因毛状根中各种基因的启动子活性分析以及追踪根瘤菌感染。
ChEC-seq2：一种改进的染色质内源性裂解测序方法和生物信息学分析流程，用于绘制体内蛋白质-DNA 相互作用
摘要 确定转录因子 (TF) 的体内 DNA 结合特异性几乎完全依赖于染色质免疫沉淀 (ChIP)。虽然 ChIP 揭示了 TF 结合模式，但其分辨率较低。采用核酸酶的高分辨率方法，例如 ChIP-exo、染色质内源性裂解 (ChEC-seq) 和 CUT&R UN，可解决 TF 占用和结合位点保护问题。ChEC-seq 中内源性 TF 与微球菌核酸酶融合，既不需要固定也不需要抗体。然而，有人认为 ChEC 期间 DNA 裂解的特异性低于 ChIP 或 ChIP-exo 识别的峰的特异性，这可能反映了转录因子与 DNA 的非特异性结合。我们简化了 ChEC-seq 协议，以最大限度地减少核酸酶消化，同时提高裂解 DNA 的产量。 ChEC-seq2 的切割模式在重复实验和已发表的 ChEC-seq 数据之间具有高度可重复性。结合 DoubleChEC（一种可去除非特异性切割位点的新型生物信息学流程），ChEC-seq2 为三种不同的酵母 TF 确定了高可信度的切割位点，这些位点因其已知结合位点而高度富集，并且与已知靶基因相邻。
改进的机器学习算法用于预测基态性质
寻找量子多体系统的基态是量子物理学中的一个基本问题。在本文中，我们给出了一种经典的机器学习 (ML) 算法，用于预测具有编码几何局部性的归纳偏差的基态性质。所提出的 ML 模型在仅从同一物质量子相中的其他汉密尔顿量的 O (log) n ÞÞ 数据中学习后，便可以有效地预测 n 量子比特间隙局部汉密尔顿量的基态性质。这大大改进了以前需要 O (nc Þ 数据才能获得较大常数 c 的结果。此外，所提出的 ML 模型的训练和预测时间随着量子比特数 n 的增加而增加。在具有多达 45 个量子比特的物理系统上进行的数值实验证实了使用小型训练数据集预测基态性质的有利扩展。
葡萄糖趋势预测模型基于改进的小波变换和门控复发单元
心力衰竭是一种具有复杂临床表现的综合征。可能是由于多种原因而发生的，包括对心脏的结构损害以及其功能变化，以防止其正确地将血液泵入身体，从而使身体没有充分的循环。随着我们人口的年龄增长，心力衰竭患者的数量每年增加，一再住院，生活质量减少和其他问题。这些问题突出了需要及时诊断，治疗和预后的必要性。通过其分类来估计心力衰竭患者的严重程度在有效治疗中具有重要的临床意义。分类心力衰竭被认为是治疗它的最关键步骤。分类心力衰竭的标准是纽约心脏协会
引用为：Hellen，D。J.和Karpen，S。J.（2023）。 Liverquant：改进的肝脏病理定量分析方法。 Bio-Protocol 13（14）：E47
量化细胞，基因表达和肝组织学载玻片的纤维化的当前手段在研究界未标准化，通常依赖于从每张幻灯片中确定的随机区域中获得的数据中获取的数据。因此，分析受到选择偏差以及整个幻灯片可用数据元素的有限亚集。对细胞和纤维化的全面分析将提供更准确，完整的定量分析，以及最小化和实验性变量的最小化。在此，我们提出了Liverquant，一种量化数字化组织学图像的全片扫描的方法，以对提出的数据元素进行更全面的分析。在加载图像并在Qupath计划中准备项目后，每个分析提供了一到两个脚本，为其染色，自动化组织注释和下游检测其预期的细胞矩阵产生平均强度阈值。与两种用于组织学定量的标准方法相比，Liverquant具有两个显着的优势：速度增加和组织面积覆盖范围50倍。使用公开可用的开源代码（GITHUB），Liverquant提高了实验结果的可靠性和可重复性，同时减少了科学家对肝组织学进行批量分析所需的时间。此分析过程很容易受到大多数实验室的适应性，需要最小的优化，并且可以优化其原理和代码以在其他器官中使用。
改进的有效网植物质量分级
排序。这不仅需要巨大的劳动力费用，而且还产生了各种质量的蔬菜，从而导致总体质量降低，否则可以占据优惠的市场价格。此外，以降低的成本获取和包装具有更高市场价值的蔬菜，这直接影响了总体销售价格，不适合大规模生产。与传统的手动检测，识别和分类技术相比，利用计算机愿景进行图像识别，检测和分类不仅可以提高效率，而且还可以提高准确性。目前，计算机视觉技术被广泛用于蔬菜和水果的分类，植物和作物害虫的鉴定以及不完整的片剂的识别，这些片剂可以迅速找到和识别检测中所需的特征；这实现了更有效和经济的提取。对评估农产品视觉质量的计算机视觉技术的探索是在生产的早期阶段进行的，从而产生了可观的结果。主要重点是检查谷物，干果，水果，鸡蛋和类似物品。这导致了值得称赞的结果。这还提供了新的想法和蔬菜图像识别方法的理论可行性。这可以节省人力和物质资源，从而降低人工成本，提高蔬菜分级的性能以及加快蔬菜分级的速度。近年来，随着图像识别领域的深度学习技术的重大突破，由VGGNET，GOGLENET，RESNET等代表的卷积神经网络模型不仅取得了重大成就（在广泛的计算机视觉挑战中取得了实现），而且还在众多的众多学者中实现了众多的众多学者，并在其他方面进行了分类和分类。因此，为了减少对蔬菜质量等级进行分类所需的人力，物质资源和成本，本文提出了一种基于深度学习的蔬菜质量分级方法，建立了蔬菜分级图像数据集，随后提出了改进的蔬菜质量级别的改进的有效网络模型（Ca-foricednet-CBAM）。