XiaoMi-AI文件搜索系统
World File Search System数据评估
通过广义相位锁定分析揭示神经回路的组织
抽象的尖峰耦合耦合表征了在两个不同尺度上观察到的神经生理活性之间的关系：一方面，神经元产生的动作电位，另一方面是介绍性的“轨道”信号，反映了subthreshold活性。这提供了有关特定单元在网络动力学中的作用的见解。但是，基于多元数据评估神经回路的5个整体组织需要超越成对方法，并且在很大程度上没有解决。我们开发了广义相位锁定分析（GPLA），作为单变量尖峰耦合的多通道扩展。GPLA估计了场活性和神经合奏的主要时空分布以及它们之间的耦合强度。我们证明了在各种生物物理神经元网络模型和犹他州阵列记录中，这10种方法的统计益处和可解释性。特别是，我们表明GPLA与神经场建模相结合，有助于解开复发相互作用对在多渠道记录中观察到的时空动力学的贡献。
核数据服务
2020 年 1 月 13 日至 17 日，在维也纳国际原子能机构总部，日本原子能机构、洛斯阿拉莫斯国家实验室和国际原子能机构核数据部门共同召开了一次特别会议，重点讨论了 Hauser-Feshbach 理论在裂变产物产量 (FPY) 评估和裂变建模中的应用。这次会议是为各研究所计划建立新的 FPY 数据库所做的准备工作。我们讨论了 Hauser-Feshbach 统计衰变模型的实施情况，以计算裂变碎片的去激发，并对各研究所可用的三个代码进行了相互比较——CCONE（日本原子能机构）、CoH/BeoH（洛斯阿拉莫斯国家实验室）和 TALYS（国际原子能机构）。讨论包括我们可以通过模型生成的裂变可观测量类型、初始碎片配置的估计（裂变后和瞬时粒子发射前），以及这些代码的未来开发，以使其适用于 FPY 数据评估。
Vision Transformers和Bi-LSTM用于3D MRI
摘要 - 阿尔茨海默氏症是一种随着时间的流逝而恶化并影响记忆，思维和行为的脑部疾病。阿尔茨海默氏病（AD）如果被诊断出来，可以治疗和治疗，从而减慢症状的进展并改善生活质量。在这项研究中，我们建议使用视觉变压器（VIT）和BI-LSTM处理MRI图像以诊断阿尔茨海默氏病。我们使用VIT从MRI提取特征，然后将其映射到特征序列。然后，我们使用BI-LSTM序列建模来保持相关特征之间的相互依赖性。此外，我们使用阿尔茨海默氏病神经成像倡议（ADNI）的数据评估了AD患者二元分类模型的性能。最后，我们对文献中其他深度学习模型进行了评估。所提出的方法在准确性，精度，F得分和回忆方面表现良好，以诊断AD。
肼-修订-达到-2020 年的位置-...
因此，在欧洲空间局 (ESA) 的协调下，一个面向欧洲空间工业中所有肼用户的工作组于 2011 年 10 月成立，目的是确定要遵循的路线：授权还是豁免。2011 年 11 月，欧洲空间局向所有已知的实际或潜在使用肼的欧洲经济区公司以及国家航天局（法国的 CNES 和德国的 DLR）分发了一份数据评估调查问卷，以便全面了解不同的处理步骤和使用条件，并评估 REACH 授权豁免条款的适用性。3 与此同时，工作组成员之一空中客车防务及航天公司英国分公司（前身为英国阿斯特里姆卫星公司）在所有主要欧洲卫星集成商的支持下，进行了一项范围相似的豁免可行性研究。 4 此外，各公司逐步按照流程绘制了其在欧洲经济区肼供应链中的活动（见本文附录 5-7）。
第573部分安全召回报告24V-726
补救程序的描述：最终的补救措施将是安装高级诊断软件，该软件将检测与电池模块性能变化有关的潜在问题，并在出现问题之前警告驾驶员。该软件有望在CY 2025的第一季度上市。对于可在线数据的车辆（931a），可以通过在线数据评估（带有注册车辆的客户）对车辆进行密切监控。在线数据显示潜在的关键电池模块的地方，将与客户联系，并建议仅以80％的充电能力为车辆充电，直到可以在授权的奥迪经销商处更换受影响的模块为止。对于不可用的在线数据（931b）的车辆，作为临时措施，经销商将执行诊断程序，并在必要时执行诊断程序，并无需向所有者替换电池模块组件。这些车辆的所有者还将仅向其车辆充电高达80％的充电能力，并且在软件可用之前必须重复检查。奥迪将根据此召回提供报销计划。
Nova Energy Lab工作表答案页面2答案键
Evolution Lab是一种互动资源，专为中学和高中生设计。它提供了将科学学习整合到教学中的一系列选项，包括家庭作业，科学博览会项目和为期一周的课程模块。实验室的一个组成部分是研究挑战，学生在该挑战中设计自己的可再生能源系统来产生动力。这涉及使用地理，图和天气数据评估不同地理位置的能源潜力，然后根据实际的历史和实时天气和太阳能数据测试和优化系统。为了在这项挑战中支持学生学习，教师可以使用诸如要求学生计划和设计自己的系统，讨论要考虑的重要变量，分配团队相互竞争的策略，或者比较不同城市和地区使用可再生能源的挑战和好处。使用我们的交互式视频库解锁能源世界！这些大小的视频涵盖了基本主题，提供了有关它们为什么对您和社会重要的背景。
boters-pitarch_etal_2024_ecologicalInformatics.pdf
森林大火对环境，经济和人类的生命产生了毁灭性的后果。因此，了解它们的动态对于计划分配的资源以有效与它们作战至关重要。在一个每年这种现象的发生率增加的世界中，对高效和准确的计算模型的需求变得越来越必要。在这项研究中，我们对基于细胞自动机（2D-CA）的二维传播模型（2D-CA）进行了修订，该建议旨在了解这些现象的动力学。我们确定了关键的理论弱点并提出改进以解决这些局限性。我们还通过使用真实的森林火灾数据评估改进（Beneixama，Alicante，2019年）来评估模型的有效性和准确性。此外，由于进行了理论修改，我们引入了一种新颖的智能体系结构，该结构旨在从数据中捕获系统单元之间的重新处理。这种新的体系结构能够提高我们在森林火灾动态的地位，既有助于对现有协议的评估和更有效的消防资源管理。
使用超声心动图的可解释的机器学习来改善慢性冠状动脉综合征患者的风险预测
如果连续CC患者在2015年至2017年间参加AMC AMC的门诊诊所，并对LV功能进行了TTE评估，则将其回顾性收集。对极端梯度提升（XGBoost）模型进行了训练，以预测全因5年死亡率。使用来自阿姆斯特丹UMC位置VUMC的数据评估了该ML模型的性能，并将其与传统风险评分的参考标准进行了比较。包括1253例患者（775例培训组和478次测试集），其中176例患者（105例培训组和71次测试集）在5年的随访期内死亡。与传统的风险分层工具（AUC 0.62-0.76）相比，ML模型表现出卓越的性能[接收器操作特征曲线（AUC）0.79]的表现出色，并且表现出良好的外部性能。ML模型中包含的最重要的TTE风险预测因子是LV功能障碍和明显的三尖端反流。
使用超声心动图的可解释的机器学习来改善慢性冠状动脉综合征患者的风险预测
如果连续CC患者在2015年至2017年间参加AMC AMC的门诊诊所，并对LV功能进行了TTE评估，则将其回顾性收集。对极端梯度提升（XGBoost）模型进行了训练，以预测全因5年死亡率。使用来自阿姆斯特丹UMC位置VUMC的数据评估了该ML模型的性能，并将其与传统风险评分的参考标准进行了比较。包括1253例患者（775例培训组和478次测试集），其中176例患者（105例培训组和71次测试集）在5年的随访期内死亡。与传统的风险分层工具（AUC 0.62-0.76）相比，ML模型表现出卓越的性能[接收器操作特征曲线（AUC）0.79]的表现出色，并且表现出良好的外部性能。ML模型中包含的最重要的TTE风险预测因子是LV功能障碍和明显的三尖端反流。
![arxiv：2404.01676v1 [cs.lg] 2024年4月2日](/simg/g:\will\search\icon\source\5\54ec0d07d0fe8da986eded1fca56ca40136804af.webp)
arxiv：2404.01676v1 [cs.lg] 2024年4月2日
协作机器学习涉及来自多方数据的培训模型，但必须激励他们的参与。现有的数据评估方法相当价值并根据共享数据或模型参数奖励每个方，但忽略了所涉及的隐私风险。为了解决这个问题，我们将差异隐私（DP）作为激励。双方可以相应地选择其所需的DP保证并驱逐其足够的统计量。介体通过它引起的模型参数的贝叶斯惊喜对扰动的SS值进行了值。由于我们的估值职能执行了隐私评估权衡权衡，因此当事方被阻止选择过多的DP保证，以减少大联盟模型的效用。最后，调解员会以模型参数的不同后验样本奖励各方。这样的奖励仍然满足现有的激励措施，例如公平，但还保留了DP和与大联盟后部相似的高度相似之处。我们从经验上证明了我们方法对合成和现实数据集的有效性和实用性。