XiaoMi-AI文件搜索系统
World File Search System数据测试
核关键性安全工程师培训模块13
横截面集的测量和开发课程目标1）解释创建用于关键性安全性计算的横截面设置所涉及的步骤，包括用于测量横截面数据，处理数据，评估数据集的技术，并释放评估的核数据文件（ENDF）用于计算机代码。2）提供针对各种问题选择正确的代码和横截面设置的一般指南。引言今天的大多数关键性安全分析都利用蒙特卡洛方法。这些计算的结果取决于代码使用的横截面库。也就是说，在其核数据文库中的缺陷被转化为蒙特卡洛计算结果中的缺陷，这些计算的结果预测了测量的关键实验或使用中子倍增材料的拟议操作来预测关键或k eff。批判性安全方法的性能缺陷，例如，蒙特卡洛代码/数据库软件包，由验证确定，即计算一系列基准的关键实验。此数据测试过程可能表明特定核素和反应的核数据中的差异，例如233 U的裂变或PB中的散射，并且可能表明需要更新或重新评估该核素的核数据。此新评估可能仅基于现有的差分截面测量值，但是在某些情况下，对可用数据的重新检查可能表明需要进行新的测量。此评估过程还可以使用核理论模型代码来获得新评估的横截面数据的最佳拟合或形状。可能需要其他横截面数据1）消除现有测量数据中的差异，2）在当前无法使用数据的能量范围内获得测量的数据，或3）减少评估的横截面中的不确定性。该新评估可以由横截面评估工作组（CSEWG）采用，并成为官方ENDF/B文件的一部分。这些新评估的横截面数据然后可以处理到关键安全代码使用的数据库中。该训练模块将描述中子横截面测量的测量以及如何评估和测试，然后最终引入EndF/B库中，以有助于改善关键性预测。流程图显示了核
激光雷达探测热带森林中单棵树的大小 - IGN
热带森林树木的表征仅限于基于现场的技术，该技术侧重于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（例如树的总高度和树冠大小）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 簇的方法，该方法可以估计热带森林的许多生物物理变量，例如树高、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。由于缺乏现场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高度、树冠体积和树冠面积，一种使用激光雷达冠层高度模型在地块水平计算平均树冠高度 (TCH)。结果表明，所有基于 ITC 大小和 TCH 的模型的预测能力都随着空间分辨率的降低而增加，从最差模型在 1 公顷时的 16.9% 到最佳模型在 6.25 公顷时的 5.0%。除了在更高的空间尺度（~4 公顷）下以及由于与树冠相关的边缘效应而导致的误差减少外，基于 TCH 的模型表现略好于基于 ITC 的模型。与根据森林类型和结构异速生长而区域性变化的 TCH 模型不同，基于 ITC 的模型是根据单个树木异速生长而得出的，可以扩展到全球所有热带森林。激光雷达检测单个树冠大小的方法克服了地面清查的一些局限性，例如 1) 它能够接触大树的树冠；2) 它能够评估大片和人迹罕至地区的树木密度、树冠结构和森林动态的方向变化，从而支持稳健的热带生态研究。© 2016 Elsevier Inc. 保留所有权利。
利用机器学习检测电力盗窃......
摘要：智能电网具有提高能源效率、减少停电和提高安全性等多种优势，随着电力需求的不断增长，智能电网越来越受欢迎。但智能电网最大的问题之一是电力盗窃，这给公用事业公司带来了大量损失。因此，电力配送公司非常担心电力盗窃。本研究的目的是提供一种基于人工神经网络 (ANN) 的有效技术来识别智能电网电力盗窃。在对可接受的消费模式数据集进行训练后，将根据有关能源盗窃事件的信息对 ANN 模型进行评估。将使用测试数据测试设计，以评估建议策略的有效性。我们建议的基于 ANN 的智能电网电力盗窃检测方法的预期结果是有利的。我们的方法实现了 99% 的训练准确率和 99% 的验证准确率。将采用的性能指标包括 F1 分数、召回率、准确率和精确率。此外，我们创建了所提出的系统，该系统利用 Flask Web 框架使其更易于使用，并提供更好的用户界面以进行结果预测。这项研究可能会产生一种有效的方法，使用 ANN 来识别智能电网中的能源盗窃，公用事业公司可以利用这种方法来增加收入并加强智能电网的安全性。这项研究可能会扩展到其他领域，例如计算机网络中的入侵检测和金融系统中的欺诈检测，这些领域需要在大规模数据集中识别异常。关键词：人工神经网络、Flask Web 框架、智能电网、能源盗窃、大规模。1. 简介人工神经网络 (ANN) 复制了大脑复杂的神经元关联。箭头显示人工神经元之间的输出连接，这些神经元可以是节点。ANN 或连接系统是基于动物大脑神经网络的计算模型。这些结构不是制定特定于项目的策略，而是从样本中“学习”。神经网络 (ANN) 由“人工神经元”组成，这些神经元可以模仿真实的大脑神经元。人工神经元像大脑突触一样发送信号。人工神经元处理信号并将其发送到其他神经元。大多数 ANN 实现处理信号，因为每个人工神经元的输出都是非线性特征
项目详情项目代码 MRCNMH25Ba 病房标题涉及轴突体积和髓鞘形成的大脑生长机制与自闭症谱系障碍相关。
项目详情 项目代码 MRCNMH25Ba 病房标题 涉及轴突体积和髓鞘形成的大脑生长机制与自闭症谱系障碍有关。 研究主题 神经科学与心理健康 摘要 正确的轴突体积和髓鞘形成对神经元功能至关重要。目前对控制轴突体积的机制知之甚少，大脑髓鞘的流失发生在衰老和常见的与年龄相关的神经退行性疾病，如阿尔茨海默病中。越来越多的证据还将髓鞘水平改变与自闭症谱系障碍（ASD；影响全球每 160 人中约 1 人）联系起来。该项目旨在确定一种新型轴突体积和髓鞘形成调节剂的作用机制，该调节剂被认为与 ASD 有联系。描述意义：大约每 160 人中就有 1 人被诊断患有自闭症谱系障碍 (ASD)，通常与多动症、焦虑、抑郁和癫痫等使人衰弱的精神健康疾病有关。几种遗传性疾病及其动物模型将 ASD 与大脑髓鞘形成的变化联系起来。在生长障碍 Silver-Russell 综合征 (SRS) 中，一部分病例与印记的 GRB10 基因有关。这些患者中约有 60% 被诊断患有 ASD 并伴有持续发育迟缓。因此，尽管罕见，SRS 提供了一个独特的机会来深入了解 ASD 和其他常见精神健康障碍的潜在机制。挑战：ASD 及其合并症具有复杂的遗传起源。潜在的细胞和分子机制尚不清楚。原创性：学生将使用独特的 GRB10 SRS 小鼠模型，这些模型表现出与 ASD 特征一致的改变的社会行为。初步数据表明，由于轴突体积发育增大和髓鞘形成变化导致大脑生长改变，这是导致这些行为变化的原因。重要的是，我们对 GRB10 的了解表明这些细胞变化存在可测试的机制，涉及调节胰岛素和 mTOR 信号传导，可能始于早期胚胎发育。项目目标：a) 确定 GRB10 突变体和野生型同窝动物在大脑发育的不同阶段的轴突体积和髓鞘沉积变化。b) 确定细胞机制是否涉及改变的胰岛素受体和 mTOR 信号传导。c) 使用新的家笼视频分析技术评估 GRB10 突变小鼠的社会行为变化。d) 使用大规模全基因组人类群体数据测试 GRB10 与 ASD 或大脑结构特征之间的联系。学生所有权：学生在追求每个目标时都有机会探索自己的想法。他们将：a) 选择各种方法来检查轴突，从基本的组织学到电子扫描显微镜和复杂的 MRI 成像。b) 决定如何最好地将小鼠遗传学与细胞生物学和成像相结合，