XiaoMi-AI文件搜索系统
World File Search System模仿
检查点抑制剂相关的硬皮病和硬皮病模仿
摘要：免疫检查点抑制剂（ICI）是各种恶性肿瘤的护理标准，并且与表型类似于原发性自身免疫性疾病的广泛并发症有关。尽管有关这些毒性的文献正在增长，但有关ICI相关性硬皮病的数据很少，这些数据可以带来显着的发病率，并限制了继续有效的ICI治疗的能力。我们的评论旨在分析有关ICI相关的系统性硬皮病（ICI-SSC）和关键硬皮病模仿的当前文献。ICI-SSC的病例与原代SSC有明显的差异，例如较少的血管特征和较少的血清阳性率（例如硬皮病特异性抗体和抗核抗体）。我们发现，在ICI开始之前诊断为SSC的患者在用于癌症的ICI治疗后也可能会经历曾经存在的疾病的浮标。关于硬皮病模仿，还描述了几例ICI嗜酸性筋膜炎病例，并具有可变的临床表现和课程。我们没有发现硬皮病模仿的病例：ICI-Scleromyxedema或ICI-Scleroedema。迫切需要多机构的努力来合作开发患者数据库并对ICI-SCLERODERMA进行强大的前瞻性研究。这最终将促进ICI-Scleroderma的更有效的临床评估和管理。
通过模仿抑制突变 RAS- RAF 相互作用...
1 土耳其伊斯坦布尔美迪波尔大学工程与自然科学研究生院；2 土耳其伊斯坦布尔美迪波尔大学健康科学研究生院医学生物学与遗传学项目；3 土耳其伊斯坦布尔美迪波尔大学健康科学与技术研究所 (SABITA) 癌症研究中心；4 土耳其伊斯坦布尔萨班哲大学工程与自然科学学院；5 土耳其伊斯坦布尔美迪波尔大学国际医学院医学生物学系；6 土耳其伊斯坦布尔美迪波尔大学工程与自然科学学院计算机工程系；7 土耳其伊斯坦布尔美迪波尔大学健康科学与技术研究所 (SABITA) 再生与修复医学研究中心 (REMER)
alan图灵的模仿游戏的策略和解释
哲学与图灵（Turing）提出的历史模仿测试（1948-1952）的哲学最佳联系。我将研究图灵的模仿游戏或测试的各种版本的历史和认识论根源，并表明它们是在对话中发出的，实际上是科学的争议，最著名的是与物理学家和计算机先驱者道格拉斯·哈特里（Douglas Hartree），化学家和哲学家Michael Polanyi，Michael Polanyi和Neurosurgeon Geoffrey Jeffery Jeffers。将图灵的观点放在
模仿织物的虹彩：紫外线/可见光谱研究
摘要：将五种不同尺寸（170、190、210、230和250 nm）的聚（苯乙烯甲基丙烯酸酯 - 丙烯酸丙烯酸）光子晶体（PCS）（PCS）应用于三种普通织物，即多酰胺，聚酯和棉花。使用扫描电子显微镜和两种UV/VIS反射分光光度计技术（集成球体和散射测量法）分析了PC涂层的织物，以评估PC的自组装以及获得的光谱和颜色特性。结果表明，织物的表面粗糙度对PC产生的颜色产生了重大影响。聚酰胺涂层的织物是唯一具有虹彩效果的样品，比聚酯和棉样品产生更加生动和鲜艳的色彩。观察到，随着入射光角的增加，随着新反射峰的形成，反射峰的高营养偏移发生。此外，用照明剂的光源在聚酰胺样品上进行了颜色行为模拟。照明剂A模拟显示出比用D50照明的模拟颜色更绿色和黄色的结构色。使用散射法对聚酯和棉花样品进行分析以检查虹彩是否在眼检查后看不见，然后证明存在于这些样品中。这项工作可以更好地理解结构颜色及其虹彩如何受到纺织底物形态和纤维类型的影响。
与保守世界模型有效的模仿学习
我们从专家演示中解决了政策学习的问题，而无需奖励。在这个领域的一个核心挑战是，由于分配转移，环境随机性或复杂错误的问题，这些政策在部署后失败。对抗性模仿学习可以减轻此问题，但需要额外的固定培训样本以进行稳定，这由于学习效率低下和较高的样本复杂性而在现实领域提出了挑战。解决这个问题的一种方法是学习环境的世界模型，并使用综合数据进行政策培训。尽管在先前的工作中取得了成功，但我们认为这是由于学习模型和真实环境之间的其他分布变化而是最佳的。相反，我们将模仿学习作为一个微调问题，而不是纯粹的加固学习。将理论连接到离线RL和微调算法，我们认为标准的在线世界模型算法不太适合模仿学习问题。我们得出了一种原则上的保守优化，并从经验上证明了它从高维原始像素观测值中的两个非常有挑战性的操纵环境中提高了性能。我们从图像中设置了弗兰加厨房环境上的最新性能，在没有奖励标签上只需要10个演示，并解决了复杂的敏捷性ma-nipulation任务。关键字：模仿学习，基于模型的学习，世界模型，微调
抗DPPX脑炎模仿Creutzfeldt-Jakob病
抗DPPX（二肽基 - 肽酶样蛋白-6）在2013年发现的脑炎是一种罕见的影响中枢神经系统（CNS）的自身免疫性疾病，其特征是一系列神经系统和胃肠道症状。该疾病是由针对DPPX的抗体引起的，DPPX是KV4.2钾通道的调节亚基，这对于控制神经元兴奋性至关重要。dppx在包括海马和小脑以及胃肠道系统的骨髓丛中的各个大脑区域表达。受体的广泛分布解释了多灶性疾病的表现。通过抗DPPX抗体破坏了这些通道，导致一系列症状，它们本质上是神经系统和胃肠道的[1，2]。抗DPPX脑炎的早期迹象通常包括无法解释的体重减轻和胃肠道障碍，尤其是严重的腹泻。这些症状通常随后是一系列神经系统问题，包括认知功能障碍，躁动，幻觉和夸张的惊吓反应。除了这些神经精神症状外，患者还会出现运动障碍，例如静止震颤，僵硬，肌阵挛，甚至癫痫发作。睡眠迷惑（例如REM睡眠行为障碍）也很常见。大多数患者是中年患者，出现了C.52岁的中位年龄，男性似乎比女性更频繁。通过鉴定患者血液或CSF中的抗DPPX自身抗体来确认诊断[1，2]。
通过模仿果蝇记忆创造真正的人工智能（AI）
研究生毕业后，1992年担任美国希望之城研究所人类前沿科学项目长期研究员，2000年担任美国麻省理工学院研究员，2006年担任实验室主任在马萨诸塞大学医学院。 2013年担任麻省理工学院客座教授后，他于2014年加入NICT。他一直致力于利用遗传学进行神经生理学研究。博士学位（理学）。
人还是模仿人类的机器人？ AI对道德地位的影响
11 Nick Bostrom和Eliezer Yudkowsky，“人工智能的伦理学”，剑桥人工智能手册，2018年7月27日，1-20，https：//doi.org/10.1201/9781351251251251389-4，6; Walter Sinnott-Armstrong和Vincent Conitzer，“人工智能可以实现多少道德地位？”，重新思考道德地位，2021年8月5日，269 - 89年，https://doi.org/10.1093/oso/978019280192894076.003.003.003.003.003.0016，273，273。
情感模仿、情感信息空间和元宇宙
摘要 当前的技术设计追求将类似人类的特征应用于人工智能技术。由于人类思维的本质复杂性，这些尝试面临许多挑战。认知模仿是一种在设计智能技术时模仿人类信息过程的设计方法。重点是模仿认知、人类知识结构和所代表的心理信息内容，这解决了技术设计中的一个基本问题。然而，认知是人类思维中信息处理的一个方面。情感信息处理在解决认知过程的意义方面也起着至关重要的作用。本文讨论了情感模仿（从概念工程的认知模仿扩展而来）作为一种设计人工智能技术智能和类人实体的设计方法。情感模仿的自然框架来源是情感信息空间，指的是人周围具有情感意义的物体。情感模仿和情感信息空间在指导元宇宙设计方面的潜力被用作一个说明性示例。
模仿生物学计算系统中的时空行为
摘要对应对“大数据”的需求不断增长（基于或在人工智能的协助下），以及对更完全理解大脑的运作的兴趣，刺激了欧特的启用，以构建来自廉价的常规组件的生物学模拟计算系统，并构建neurol od eare die earo earo earo neuro-neuro-morphic systems）计算系统。在一侧，这些系统需要异常数量的处理器，这引入了性能限制和非局部缩放。在另一侧，神经元操作与常规工作负载差异很大。The conduction time (transfer time) is ignored in both in conventional computing and ”spatiotemporal” compu- tational models of neural networks, although von Neu- mann warned: ” In the human nervous system the con- duction times along the lines (axons) can be longer than the synaptic delays, hence our above procedure of ne- glecting them aside of τ [the processing time] would be unsound ” [1], section 6.3。仅这种区别就可以模仿技术实施中的生物学行为。此外，计算中最近的问题引起了人们对时间行为的关注，即时间行为也是计算系统的一般特征。已经注意到了他们在生物系统和技术系统中的某些影响。在这里建议的转移时间正确处理，而不是引入一些“外观”模型。基于Minkowski变换引入时间逻辑，给出了定量洞察