XiaoMi-AI文件搜索系统
World File Search System本体
运动皮层 RNN 模型中的内部动态与本体感受反馈在运动执行过程中相互作用
运动皮层通过向下游神经回路发送时间模式来启动运动。运动执行过程中的模式被认为是由运动皮层网络内的内部动态产生的。然而，本体感受等外部输入也会影响运动皮层动态。为了研究内部动态和本体感受反馈对自愿运动执行的贡献，我们构建了几个运动皮层模型，从虚拟手臂接收不同组合的本体感受反馈来执行延迟到达任务。考虑到延迟、噪声和感觉反馈的来源，我们构建了一个感觉估计网络。我们发现抑制稳定网络接收的手部运动学和肌肉力量产生的模式与运动皮层神经元数据中观察到的模式最相似。此外，我们使用了一种破坏策略来剖析内部动态和本体感受反馈的贡献，发现内部动态占主导地位，而本体感受反馈可以微调运动命令。对消融实验的分析表明，本体感受反馈提高了对嘈杂初始条件的鲁棒性。我们的研究结果表明，内在结构和外部输入对于产生类似大脑的神经活动都至关重要。
结合机器学习和本体论：系统文献评论
动机探索了结合归纳和演绎推理的过程，我们对研究机器学习和本体论的整合的文章进行了系统的文献综述。目的是确定纳入归纳推理（通过机器学习执行）和演绎推理（由本体学执行）的多种技术。我们的评论包括对128项研究的分析，使我们能够确定机器学习和本体学之间的三个主要杂交类别：学习增强的本体论，语义数据挖掘以及学习和推理系统。我们对所有这些类别进行了全面的检查，强调了研究中使用的各种机器学习算法。此外，我们将我们的分类与混合AI和神经符号方法领域的最新作品进行了比较。
物理学的现象学本体论
让我们想象一下，尽管缺乏任何包罗万象的图像，但抽象的数学结构可以比以往更有效地指导我们的（技术）活动，可能还会借助一组笨拙、不完整的辅助图像。在这种新情况下，通常的知识层次结构将被颠倒过来。与标准的优先顺序不同，以情境为中心的实践知识将优先于与精心设计的统一表征相关的理论知识；就像在胡塞尔的《欧洲科学的危机》中，生活世界优先于理论“子结构”一样。在这里，人们不会将表征解释为超越原始体现对不断变化的现象模式的适应的知识的完成阶段，而是将表征视为有时用于高度高级体现适应形式的可选工具。至于数学形式主义，它们将不再被视为现实世界的结构图像，而是被理解为我们针对变化的现象景观做出身体行为的最精确可能性的系统清单（与让·皮亚杰的遗传心理学或安德鲁·皮克林的新实用主义一起）。柏拉图式的了解自然形式的梦想将被这样的认识所驱散：数学物理理论是形式化知识的变体。
神经科学本体知识不确定性下的可扩展查询回答：NeuroLang 方法
目前还没有统一的框架来访问这种不确定的、丰富的异构数据集合，因此研究人员不得不依赖临时工具。特别是，当前试图解决这一任务的工具的一个主要弱点是只开发了非常有限的命题查询语言。在本文中，我们介绍了 NeuroLang，这是一种基于一阶逻辑的概率语言，具有存在性规则、概率不确定性、开放世界假设下的本体集成以及内置机制，可保证对非常大的数据集进行可处理的查询回答。NeuroLang 的主要目标是提供一个统一的框架，无缝集成异构数据（如本体），并通过一组正式标准将细粒度认知领域映射到大脑区域，促进可共享和高度可重复的研究。在介绍该语言及其通用查询回答架构之后，我们讨论了现实世界的用例，展示了 NeuroLang 如何应用于实际场景。
扩展了本体化实践的设计空间
摘要 - 我们本文的目的是概述本体化过程的设计空间如何比目前的实践所暗示的更丰富。我们指出，需要设计工程过程以及产品 - 并确定设计的某些组成部分。我们调查了设计一系列彻底新实践的可能性，并使用较为异常的方法Bclearer提供了过去三十年来我们工作的新实践的例子。我们还建议，为本体化设置进化环境有助于人们更好地理解这些新实践的本质，并提供塑造肥沃过程的概念上的脚手架。这种进化观点位置数字化（计算技术的进化出现）是信息转换的长期进化过程中的最新步骤。此将本体解释作为利用数字化提供的新兴机会的战略工具。
第一控制论中的本体论和信息政治
为什么我们应该考虑“21 世纪的控制论”？我可以列举四个原因。首先，也许“21 世纪的控制论”在某种程度上已经存在。很明显，控制论所推广的概念和技术比以往任何时候都更加普及。术语“反馈”和“信息”的传播具有里程碑意义，并且与“控制论”这一符号的使用率下降无关。换句话说，我们正在见证所谓的“没有控制论的控制论”，即其概念和人工制品的传播，但不再是过时的标签。有第一代控制论，与维纳、麦卡洛克和冯·诺依曼等人物有关，还有“第二代控制论”，以自组织为中心，与冯·福斯特和瓦雷拉等人有关。现在，我们可能正处于“第三次控制论”的开端，我们不应该再提及名人的名字，而应该提及谷歌、亚马逊、Facebook 或 OpenAi 等公司的名字。这会不会就是难以捉摸的“21 世纪控制论”，一个没有说出名字的第三次浪潮？
回家：一个新的基因本体学子集，可改善植物基因功能预测
背景：基因功能预测数据集的可用性可帮助研究人员考虑假设生成，候选基因优先次序和许多其他应用的未表征基因的可能功能。许多这样的数据集基于基因本体论（GO）函数图。对于植物而言，这可能是有问题的，因为最具体的GO术语通常是从非植物分类群的生物学中得出的（例如，鉴于植物缺乏神经的神经），似乎不太可能映射到植物生物学过程）。为了平衡功能特异性的需求，同时限制了与植物生物学相关的功能，研究人员通常会限制植物植物子集，但是，通过设计，该子集由非常一般的术语和限制了特定假设产生的实际效用。更糟糕的是，有时研究人员选择与植物生物学无关的术语（而不是遍历GO图以选择与植物生物学兼容的层次结构中最具体的术语）。结果：我们创建了Go Big，一种基因本体学子集类型，以提高分类群特异性生物学应用基因功能预测的生物学相关性。GO大植物子集保留了假设产生的最大功能特异性，同时限制了适用于植物生物学的术语。简要
石油和天然气生产工厂中异常检测的本体学增强深度学习框架
技术进步为提高工业过程工厂的生产率和安全性铺平了道路。由行业4.0带来的智能工厂的特征是它们杰出的剪裁技术使用，其自动化，监视和人工智能在运营效率中发挥了重要作用[1]。这些技术进步不仅适用于传统制造业，还适用于包括石油和天然气部门在内的各种工业过程，这是该提案的重点。这些进步产生的重要改进是安装传感器设备以进行恒定信息监视。尽管有好处，但这些传感器产生的大量数据可能会挑战分析，从而需要对自动化过程进行自动化的需求，以验证持续的信息流以寻找异常[2]，这些信息流[2]可以表明设备故障，安全隐患或生产效率低下。对这些失败的检测对该部门至关重要。失败引起的工厂关闭可能会给公司带来重大的经济问题。此外，由于该行业的危险性质，该行业的安全危害可能会造成灾难性后果，从而对工人安全和环境完整性构成了严重的风险。虽然传统的异常检测模型可以在特定领域带来良好的结果，但他们仍然无法理解石油和天然气生产厂的语义特征，从而产生了错误的结果，这可能使操作员更难解决潜在的问题。之后，将提出以下步骤。这项工作旨在创建一个框架，该框架使用机器学习异常检测方法，并具有一层本体论，以对石油和天然气行业异常进行语义分析。本文以以下方式构成：首先，将对当前的最新研究进行分析，重点关注有关异常检测和本体论方面的工作，然后将指定研究建议，显示研究的改进和潜在的挑战。
RORγT反激动剂表明抑制IL-17a和胸腺细胞凋亡之间的边缘 异质采用气候智能农业实践对埃塞克维尼市小规模城市农作物农民的家庭食品和营养安全的影响 孕产妇心理健康与幼儿发展，营养和儿童疾病之间的关联 研究文章在阿尔茨海默氏病中通过遗传风险进行的患者分层仅在存在表型异质性的情况下有效 gpt，本体论和CAABAC：三方个性化访问控制模型，该模型由合规性，上下文和属性 3D荧光染色和低肠癌的共聚焦成像（肠overods）：所有均可访问的协议 海马子场的体积变化和与长期COVID和ME/CFS的严重程度指标的关联：7T MRI研究 注意力缺陷障碍的病因 多中心随机双盲安慰剂对照跨界研究长期嘈杂的电力前庭刺激对前庭病中姿势或步态的影响 HIV感染的空间生物学 与气候相关的双边官方发展援助（...
多种遗传关联表明编码蛋白质的Th17相关基因（例如IL-17A，IL-23和STAT3）以及牛皮癣之间存在致病关系。对此链接的进一步支持来自于以下发现：针对IL-17A，IL-17RA和IL-23的中和抗体在牛皮癣，牛皮癣关节炎和性脊髓炎等疾病中有效。RORγT是一种驱动Th17极化和细胞分泌的中心位置转录因子，因此RORγT的调节可能会为患者提供额外的好处。然而，RORγT在胸腺中T细胞的正常发育和小鼠中RORγT的遗传破坏中起作用，导致源自胸腺中的淋巴瘤的发展。虽然尚未确定RORγT活性的下调会导致人类的后果，但希望进一步了解胸腺效应，以支持该靶标的进步作为对Th17驱动疾病的潜在治疗方法。在此，我们介绍了最近公开的RORγt逆激动剂的表征，在体外和对TH17终点的体外和体内降低了靶标参与和疗效，但需要更高的体外浓度以影响胸腺细胞凋亡。
本体感受与视觉偏见和自闭症谱系障碍
保留所有权利。未经许可就不允许重复使用。（未经同行评审证明）是作者/资助者，他已授予Medrxiv的许可证，以永久显示预印本。此预印本版的版权持有人于2025年1月12日发布。 https://doi.org/10.1101/2025.01.10.25320221 doi：medrxiv preprint