XiaoMi-AI文件搜索系统
World File Search System法会
最优功率流导出的稀疏线性求解器基准
由于电网的变化性质，能够在大型电网中求解高保真最优潮流模型变得越来越重要。这种高保真问题称为交流最优潮流 (ACOPF)，是一个非线性、非凸优化问题。解决此类问题的少数可靠方法之一是内点法。这些方法会产生稀疏线性系统，其中系数矩阵是对称的、不确定的并且通常是病态的。因此，它们对于稀疏线性求解器来说尤其具有挑战性，并且代表了求解 ACOPF 问题时相当大的计算瓶颈。在本文中，我们介绍了一个线性系统存储库，该存储库由开源优化器 IPOPT 求解 ACOPF 问题时捕获。这些矩阵旨在用作稀疏线性求解器开发的测试套件。
2022 年秋季 FLEX 更新议程 - RCC
专为有色人种成人学生设计。不公平的政策和做法会无意中向这些学生传达一个信息，即他们不属于高等教育，也不受欢迎。RCC 已与全国 160 所社区学院（包括 25 所加州社区学院）联手，参与高等教育成人资格种族平等 (REACH) 网络。作为我们指导路径努力的补充，RCC 已开始努力实现增加在 RCC 就读、完成高价值非学位资格和副学士学位并继续赚取生活工资的有色人种成人学习者的数量的目标。在本次研讨会上，RCC REACH 团队将分享我们在更好地服务有色人种成人学习者方面取得的进展，并将探索教师增加对这一重要学生群体的参与度和支持的实用方法。
通过使用薄 MoS2 纳米片和与钙钛矿结合的分子的组合进行界面改性，实现高效、弯曲耐用的柔性钙钛矿太阳能电池
在本研究中，通过用 1-十二硫醇 (DT) 改性钙钛矿薄膜表面，然后将预分散的 MoS 2 薄纳米片滴铸，获得了高效、耐弯曲的柔性钙钛矿太阳能电池。我们的结果表明，界面改性后柔性器件的效率有所提高，并表明 DT 和 MoS 2 改性器件在 300 次弯曲循环后完全恢复其初始 PCE 和 FF、电流密度和开路电压值，而标准器件的 PCE 仅为其 PCE 的 50%。按照未封装器件的标准光循环协议，结果显示标准器件的 PCE 明显下降至其最大值的 32%，而改性器件可恢复其最高 PCE 值的 95%。不同的表征方法表明表面改性方法会诱导疏水性并显着降低界面陷阱密度。
情感教练 - 一个教育
概述描述情感教练是一种方法，它使孩子能够通过支持他们的不同情绪来管理自己的行为。它源于以下事实：行为受到情感的影响，并且是一种与孩子互动的特定方式，可以为他们提供情感的语言。该方法是由Gottman（1996）开发的，他探索了不同的育儿风格，发现父母对孩子情绪的看法会影响父母的方式。没有机会与主要照顾者建立安全的纽带的孩子有时是由于创伤性的早期经历，通常无法调节压力，并且需要一个能够与他们共同调节的成年人。共同调节是当成年人与孩子互动以提供养育和安全的关系（孩子经常尚未经历）并建模自我调节技能时。情感教练是当下处理行为的实用方法。它涉及：
交互式学习应用程序对EFL学生偏好和学术成就的影响
摘要 - 本研究旨在调查英语作为外语（EFL）学生对使用交互式学习应用的看法。研究方法是定量的，使用问卷收集有关学生对交互式学习应用程序及其在这方面的偏好的看法的数据。此外，还包括学术绩效数据。研究人群包括印度尼西亚北苏门答腊的教师培训和教育科学学院（Stkip）Al Maksum的所有学生。该样本由2021/2022学年的英语系学习计划中的20名学生组成。研究结果表明，学生对互动学习应用的看法会影响他们对学习应用的选择，最终影响他们的学习成果。根据学生对学习应用的看法的总分，学生更倾向于选择Kahoot供EFL使用。这是因为，在有效性，享受和感知到的学习方面，此应用程序在quizizz方面表现出色。
人工智能与临床医生：深度学习研究的设计、报告标准和主张的系统评价
研究选择标准 随机试验注册和非随机研究，比较深度学习算法在医学成像中的表现与当代一位或多位专家临床医生组的表现。医学成像对深度学习研究的兴趣日益浓厚。深度学习中卷积神经网络 (CNN) 的主要特征是，当 CNN 输入原始数据时，它们会开发出模式识别所需的自身表示。算法会自行学习对分类很重要的图像特征，而不是由人类告诉使用哪些特征。选定的研究旨在利用医学成像预测现有疾病的绝对风险或将其分类为诊断组（例如疾病或非疾病）。例如，原始胸部 X 光片上标有气胸或无气胸等标签，CNN 会学习哪些像素模式表明有气胸。
深部脑刺激自动轨迹规划的帕累托前沿与加权和
摘要。深部脑刺激 (DBS) 的术前路径规划是一个多目标优化问题，即在多个放置约束之间寻找最佳折衷点。它的自动化通常通过使用聚合方法将问题转变为单目标来解决。然而，尽管这种方法很直观，但它以无法找到所有最优解而闻名。在本文中，我们引入了一种基于多目标优势的 DBS 路径规划方法。我们将它与经典的多个约束的聚合加权和以及由神经外科医生对 14 个 DBS 病例进行的回顾性研究的手动规划进行了比较。结果表明，基于优势的方法优于手动规划，并且与传统的加权和方法相比，它涵盖了更多相关的最佳切入点选择，因为传统的加权和方法会丢弃外科医生可能喜欢的有趣解决方案。
社会规范方法：预防青少年危险行为的健康促进策略
已经开展了关于在各种环境中（例如大学、高中、初中）减少高风险行为的社会规范方法的研究，但大多数研究都是在大学校园进行的，重点是减少高风险饮酒。在初中和高中环境中的青少年中开展的社会规范营销活动已导致总体烟草使用率（Schmidt 等人，2009 年）、酒精使用率和性冒险行为（Haines 等人，2005 年；Messer 等人，2011 年）显著下降。可以在国家社会规范中心找到其他评估数据。最终，使用社会规范方法的目标是通过关注健康的行为和态度来防止冒险行为。宣传大多数年轻人没有参与冒险行为的说法会鼓励年轻人保持健康的行为。
暂停一下：如果没有有效的公众监督，学校的人工智能将弊大于利。
人工智能的倡导者声称，它将使教学变得更好。但是，如果将人工智能融入学校教学法会降低师生关系，那么这种说法就不会发生。如果人工智能强加了一种僵化的机械教学模式，用错误信息破坏了课程，并使有关学生表现的重大决策产生偏差，那么这种说法就不会发生。如果将人工智能融入学校的管理流程，会将学校和学区锁定在昂贵的企业技术系统“堆栈”中，导致可用于其他用途的资金（包括可以与全国学生建立深厚联系的教师）越来越多地转移到企业供应商手中，那么这种说法就不会发生。如果人工智能加剧了对学生隐私的侵犯、增加了监控，并进一步降低了教育决策的透明度和问责制，那么这种说法就不会发生。
一种无需基因组关系矩阵直接逆的有效基因组预测方法
GBLUP 是应用最广泛的基因组预测 (GP) 方法，由于需要求基因组关系矩阵 (GRM) 的逆，因此随着训练群体规模的增加，该方法会消耗大量且不断增加的计算资源。因此，在本研究中，我们结合随机 Haseman - Elston (HE) 回归 (RHE-reg) 和预条件共轭梯度 (PCG)，开发了一种新的基因组预测方法 (RHEPCG)，该方法避免了直接求 GRM 的逆。模拟结果表明，在大多数情况下，RHEPCG 不仅能达到与 GBLUP 相似的预测精度，而且还能显著减少计算时间。对于实际数据，与 GBLUP 相比，RHEPCG 对拟南芥 F2 群体的 7 个性状和高粱双色 RIL 群体的 4 个性状表现出相似或更好的预测精度。这表明 RHEPCG 是 GBLUP 的一个实用替代方案，并且具有更好的计算效率。