XiaoMi-AI文件搜索系统
World File Search System数据测试
激光雷达探测热带森林中单棵树的大小 - IGN
热带森林树木的特性测量仅限于实地技术，主要测量树干圆柱形部分的直径，在测量形状不规则的大树以及其他尺寸属性（例如树总高和树冠大小）时存在很大的不确定性。在这里，我们介绍了一种将激光雷达点云数据分解为与单个树冠 (ITC) 相对应的 3D 聚类的方法，该方法可以估算热带森林的许多生物物理变量，如树高、树冠面积、树冠体积和树木数量密度。使用在巴拿马巴罗科罗拉多岛 50 公顷热带森林科学中心 (CTFS) 地块上收集的机载高分辨率激光雷达数据测试了基于 ITC 的方法。由于缺乏实地树高和树冠大小测量，因此无法直接验证 ITC 指标。我们通过比较使用地面和激光雷达单株树木测量值在多个空间尺度（即 1 公顷、2.25 公顷、4 公顷和 6.25 公顷）上估算的地上生物量 (AGB) 来评估我们方法的可靠性。我们研究了四种不同的激光雷达得出的 AGB 模型，其中三种基于单株树木的高度、树冠体积和树冠面积，一种使用激光雷达树冠高度模型在样地水平上计算平均树冠高度 (TCH)。结果表明，所有基于 ITC 大小和 TCH 的模型的预测能力随着空间分辨率的降低而增加，最差的模型在 1 公顷时为 16.9%
竞价和调度模型对大型电力系统中储能利用的影响
摘要 — 能源存储是实现低排放电力系统的关键推动因素，但需要适当的调度模型才能与大容量电力系统中的其他发电资源进行经济协调。本文分析了不同的调度模型和竞价策略如何影响非管制电力系统中不同持续时间的存储利用率。我们使用动态规划模型根据价格预测计算存储的运营机会值，并使用机会值结果作为设计市场竞价的基础。我们比较了单周期经济调度中的两种市场竞价和调度模型：一种没有充电状态 (SoC) 约束，一种有 SoC 约束。我们使用来自纽约独立系统运营商的历史实时价格数据测试了两种存储调度模型，结合了不同的价格预测和存储持续时间。我们将利用率与完美价格预测案例的结果进行比较。我们的结果表明，虽然价格预测准确性对于容量少于四小时的短时存储至关重要，但持续时间超过十二小时的存储即使使用简单的日前价格预测也可以轻松实现高于 80% 的利用率。在单周期实时调度中，将存储投标建模为依赖于 SoC，将在所有持续时间情况和投标策略中提供约 5% 的存储利用率改进，而更高的可再生能源份额可能会提高存储利用率，因为负价格的发生率更高。索引术语 — 储能、动态规划、电力系统经济学
使用人工智能和神经网络算法
背景：创伤是全球第三大死亡原因，也是 44 岁以下人群的首要死亡原因。对于创伤患者，尤其是当天早些时候受伤的患者，动脉血气 (ABG) 被视为黄金标准，因为它可以为医生提供重要信息，例如检测内伤程度，尤其是肺部损伤程度。但是，通过实验室方法测量这些气体是一项耗时的任务，而且很难对患者进行采样。测量这些气体所需的设备也很昂贵，这就是为什么大多数医院没有这种设备的原因。因此，无需临床试验即可估算这些气体可以挽救创伤患者的生命并加速他们的康复。方法：在本研究中，通过收集有关 2280 名创伤患者的信息，提出了一种基于人工神经网络的动脉血气估计和预测方法。在所提出的方法中，通过训练前馈反向传播神经网络（FBPNN），神经网络只能根据患者的初始信息预测这些气体的量。所提出的方法已经在MATLAB软件中实现，并且收集的数据测试了其准确性，并给出了其结果。结果：结果显示预测动脉血气的准确率为87.92％。预测的动脉血气包括PH，PCO2和HCO3，其准确率分别为99.06％，80.27％和84.43％。因此，所提出的方法在预测动脉血气方面具有相对较好的准确性。结论：鉴于这是第一项使用初始患者信息（收缩压 (SBP)、舒张压 (DBP)、脉搏率 (PR)、呼吸频率 (RR) 和年龄）预测动脉血气的研究，并且基于结果，所提出的方法可以成为协助医院和实验室专家的有用工具。关键词：动脉血气、创伤、神经网络、预测。
FOI2022/01390 尊敬的国防商业服务秘书处......
关于问题 1，根据第 16 条，在与 GMC 讨论后，建议国防商业服务部已确认他们无需公布其员工（即英国退伍军人医疗顾问）的姓名或资历，因为这样做会违反《数据保护法》等其他法律。GMC 确认，如果个人直接联系医生了解其资历，则医生必须提供所要求的信息，例如当患者向其全科医生 (GP) 提出口头请求时。但是，由于 DBS 客户无法直接联系英国退伍军人医疗顾问，因此他们个人信息的发布取决于其他规则和法规，例如《英国 2018 年数据保护法》（UK DPA 18）。GDPR 第 23(1) 条和《英国 2018 年数据保护法》附表 2 第 3 部分涵盖他人权利保护，特别是涉及卫生、社会和教育工作者的权利。根据第 17(1)(a) 段，在下列情况下，控制者在未经另一方同意的情况下向数据主体披露信息应被视为合理行为 - (a) 满足健康数据测试 第 17(2) 段解释称，如果 - (a) 有关信息包含在健康记录中，并且 (b) 另一方是编制或贡献了健康记录的医疗专业人员，或者以医疗专业人员的身份参与了数据主体的诊断、护理或治疗。战争抚恤金档案不构成健康记录，英国退伍军人协会的医疗顾问不参与战争抚恤金申请人的诊断、护理或治疗。英国退伍军人协会的医疗顾问的职责是根据现有的医疗证据提供建议和指导，这些证据用于根据相关养老金计划规则确定残疾程度。
使用机器学习的地下水位深度预测
摘要 - 由于复杂且多样化的水文地质特性，边界条件和人类活动以及这些元素之间的非线性相互作用，农业区域的水深度预测很困难。因此，作为代替昂贵的模型的替代品，本研究建立了一个由长期短期存储网络（LSTM）的创新系列时间框架以及完全连接的层构成的模型。第一个LSTM层采用了辍学方法。使用14年（2000- 2013年）在中国Hetao灌溉区的北部沙漠的五个辅助领域的数据（2000- 2013年）的数据测试和评估了建议的模型。建议的模型可以根据蒸发，水转移，温度，时间和降水的转移来预测地下水位深度。实验将14年的数据划分为培训和验证数据集。传统的喂养神经网络（FFNN）在相对较低（0.004–0.495）R2分数中获得了建议的框架在深度预测的深度（0.789–0.952）中获得了较高的R2评分，这表明建议的框架可以弥补和获得过去的数据，并获得了过去的数据。进一步探索了辍学方法的有效性，以及建议模型的设计。实验的结果表明，使用辍学策略可以大大减少过度拟合。此外，提出的模型的R2分数与双LSTM框架的R2分数的比较范围为0.170-0.864，它描述了建议的体系结构的适当性，这有助于在系列时间的数据中进行高度学习能力。因此，建议的模型可以用于预测地下水位的深度，以替代水文地质数据，尤其是在水文学数据稀缺的地方。
验证中和抗体滴度，用于估计Omicron SARS-COV-2变体的疫苗有效性，BA.1
*应与之解决的对应：wjgytc14@gmail.com，akilpatr@ucsc.edu摘要背景：新病毒变体的出现，包括SARS-COV-2的Omicron变体（B.1.1.529），可以导致免疫逃生和疫苗有效性。中和抗体滴度可用于快速估计疫苗有效性（VE），因为它们可以在出现新病毒变体后轻松测量，并已证明是SARS-COV-2和其他病原体的保护相关的。然而，很少有研究检查了与多种病毒变体的VE抗体滴度关系，并且没有一个验证了免疫反射变体的关系。方法：我们利用疫苗和病毒变体之间的变化来估计54倍的抗体滴度关系，用于54倍的Covid-19端点的中和抗体滴度范围：症状性疾病和住院。我们预测了第一个中和抗体滴度三天后的Omicron VES。我们使用随后收集的观察性VE数据测试了这些预测。发现：对于两种mRNA疫苗（mRNA-1273，BNT162B2），拟合模型预测，与Delta变体相比，Omicron变体的感染将增加Omicron变体的感染。但是，预计第三次疫苗剂量可以恢复保护。样本验证数据表明，模型预测非常准确，所有预测都在观察到的VE估计值的10％以内，所有经验估计值都落在模型预测间隔内。解释：这些分析表明，使用中和抗体滴度的模型可以提供快速的VE估计值，从而可以为疫苗设计和选择提供信息。资助加利福尼亚州卫生局，国家科学基金会
调查应用聊天机器人（人工智能）的接受度
摘要 聊天机器人作为一种（AI）技术近年来受到了极大的关注，尤其是在教育领域。在应用这种新技术之前。了解影响学生在高等教育中接受或拒绝这项技术的行为意图的决定因素至关重要，为了了解这种行为的内涵，当前的研究应用了技术接受和使用统一理论（UTAUT），从原始模型中排除了两个调节器，即经验和使用自愿性。此外，本研究排除了便利条件和行为使用，因为它旨在仅调查学生的内涵行为。本研究还旨在研究人口统计因素（性别和年龄）对模型研究独立变量和行为内涵变量的影响。因此，研究人员将研究目标定为，为埃及高等教育学生接受聊天机器人技术的行为内涵制定一个框架。为了实现这些目标，研究人员通过制作问卷调查来收集所需变量的数据。这份问卷针对的是阿拉伯科学技术与海上运输学院 (AASTMT) 的学生。之所以选择 AASTMT，是因为它是埃及最古老的私立大学之一，在其教育系统中应用了人工智能技术。最终样本包含 385 份回复。通过数据测试、描述分析、相关性、回归和结构方程模型 (SEM) 分析数据。结果表明，绩效期望、努力期望和社会影响对埃及学生在高等教育中接受聊天机器人技术的行为意图有显著影响。此外，结果表明，人口因素（性别和年龄）在绩效期望、努力期望、社会影响和行为意图之间的关系中没有被证明具有调节作用。通讯作者：Ahmed Hatata 通讯作者的电子邮件地址：ahmedhatata.ah@gmail.com 收到第一次提交：2021 年 8 月 28 日 收到修订提交：2021 年 9 月 20 日 接受：2021 年 11 月 22 日 简介
识别静息态神经振荡功率与特质焦虑之间具有最大关联的空间模式
摘要 焦虑影响着全球大约 5-10% 的成年人口，给卫生系统带来了沉重的负担。尽管焦虑无处不在，并且对身心健康产生影响，但大多数受焦虑影响的人都没有得到适当的治疗。精神病学领域的当前研究强调需要识别和验证与这种疾病相关的生物标记。神经生理学临床前研究是一种确定大脑节律的主要方法，可以作为焦虑主要特征的可靠标记。然而，虽然神经影像学研究一致表明前额叶皮层和皮层下结构（如杏仁核和海马）与焦虑有关，但对于导致这种疾病的潜在神经生理过程仍缺乏共识。允许非侵入性记录和评估皮质处理的方法可能有助于识别可用作干预目标的焦虑特征。在本研究中，我们将源功率共调节 (SPoC) 应用于具有不同程度焦虑特质的参与者样本的脑电图 (EEG) 记录。 SPoC 的开发是为了寻找空间滤波器和模式，这些滤波器和模式的功率与个体参与者的外部变量共同调节。所获得的模式可以从神经生理学角度进行解释。在这里，我们将 SPoC 的使用扩展到多受试者环境，并使用具有真实头部模型的模拟数据测试其有效性。接下来，我们将 SPoC 框架应用于 43 名人类参与者的静息状态脑电图，这些参与者的特质焦虑评分可用。SPoC 对窄频带数据的受试者间分析揭示了具有神经生理学意义的 θ 波段（4-7 Hz）空间模式，这些模式与焦虑呈负相关。结果特定于 θ 波段，在 alpha（8-12 Hz）或 beta（13-30 Hz）频率范围内未观察到。θ 波段空间模式主要位于额上回。我们讨论了我们的空间模式结果对于寻找焦虑生物标志物的相关性及其在神经反馈研究中的应用。
识别静息态神经振荡功率与特质焦虑之间具有最大关联的空间模式
摘要 焦虑影响着全球大约 5-10% 的成年人口，给卫生系统带来了沉重的负担。尽管焦虑无处不在，并且对身心健康产生影响，但大多数受焦虑影响的人都没有得到适当的治疗。精神病学领域的当前研究强调需要识别和验证与这种疾病相关的生物标记。神经生理学临床前研究是一种确定大脑节律的主要方法，可以作为焦虑主要特征的可靠标记。然而，虽然神经影像学研究一致表明前额叶皮层和皮层下结构（如杏仁核和海马）与焦虑有关，但对于导致这种疾病的潜在神经生理过程仍缺乏共识。允许非侵入性记录和评估皮质处理的方法可能有助于识别可用作干预目标的焦虑特征。在本研究中，我们将源功率共调节 (SPoC) 应用于具有不同程度焦虑特质的参与者样本的脑电图 (EEG) 记录。 SPoC 的开发是为了寻找空间滤波器和模式，这些滤波器和模式的功率与个体参与者的外部变量共同调节。所获得的模式可以从神经生理学角度进行解释。在这里，我们将 SPoC 的使用扩展到多受试者环境，并使用具有真实头部模型的模拟数据测试其有效性。接下来，我们将 SPoC 框架应用于 43 名人类参与者的静息状态脑电图，这些参与者的特质焦虑评分可用。SPoC 对窄频带数据的受试者间分析揭示了具有神经生理学意义的 θ 波段（4-7 Hz）空间模式，这些模式与焦虑呈负相关。结果特定于 θ 波段，在 alpha（8-12 Hz）或 beta（13-30 Hz）频率范围内未观察到。θ 波段空间模式主要位于额上回。我们讨论了我们的空间模式结果对于寻找焦虑生物标志物的相关性及其在神经反馈研究中的应用。
归一化的关联，非差异表达
交叉数据测试对于检查机器学习（ML）模型的性能至关重要。但是，大多数关于转录组和临床数据建模的研究仅进行了数据内测试。还不清楚归一化和非差异表达基因（NDEG）是否可以改善ML的跨数据库建模性能。因此，我们旨在了解归一化，NDEG和数据源是否与ML在跨数据库测试中的性能有关。使用了TCGA和ONCOSG中肺腺癌病例共享的转录组和临床数据。仅使用转录组数据就达到了最佳的跨数据库ML性能，并且在统计学上比使用转录组和临床数据更好。最佳平衡精度（BA），曲线下的面积（AUC）和在TCGA上的ML算法培训中的精度明显高于ONCOSG的测试，而在ONCOSG上进行了测试并在TCGA上进行了测试（所有人的P <0.05）。归一化和NDEG在两个数据集中大大改善了数据集中的ML性能，但在跨数据库测试中却没有。引人注目的是，单独对ONCOSG的转录组数据进行建模优于建模转录组和临床数据，而TCGA中包括临床数据的转录组和临床数据并没有显着影响ML性能，这表明TCGA中转录量数据的临床数据值有限或转录量的倒数影响。在数据内测试中的性能提高更为明显。在比较的六个ML模型中，支持矢量机是在数据集和跨数据库测试中最常见的表现最常见的。因此，我们的数据显示了数据源，归一化和NDEG在建模转录组和临床数据中与数据集和跨数据库ML性能相关。