XiaoMi-AI文件搜索系统
World File Search System活动的
对Spondias Pinnata（L.F.）Kurz的植物化学成分，传统用途和药理学活动的评论：重要的药用
Spondias Pinnata（L.F.）Kurz，通常称为野芒果或猪李子，是属于Anacardiaceae家族的药用树，在印度次大陆和东南亚的传统系统和编纂的药物系统中广泛使用。植物零件在内，包括根，树皮，叶子，水果和种子用于药物目的治疗各种疾病。植物化学分析表明，存在各种生物活性化合物，例如类黄酮，单宁，酚酸，皂苷和精油，这有助于其药理活性。精油富含单苯乙烯和倍半萜烯化合物，例如α-丁烯，牛角烯和geraniol。此外，还从植物的不同部位鉴定出了其他植物构成，包括β-甲酸，食道酸，咖啡酸和烷酸酯。最近的研究强调了其抗氧化剂，抗炎，抗菌和抗糖尿病特性，进一步验证了其传统用途，并暗示了开发新型治疗剂的潜力。本综述提供了S. pinnata的植物化学特性的全面概述，提供了可能对未来研究和建立有效天然药物的见解。
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
对卫生政策/实践/研究/医学教育的影响：本研究报告了Yacon抗糖尿病活动的潜力（Smallan
简介：糖尿病（DM）是一种慢性疾病，具有自由基和碳水化合物 - 水解酶在其进展中起关键作用。Yacon或Smallanthus sonchifolius（poepp。）H.ROB是一种低糖作物，已显示出有希望的生物活性。这项研究旨在探索Yacon Tuber提取物（YTE）的抗糖尿病和抗氧化潜力。Methods: YTE's antioxidant and enzyme inhibitory activities were assessed using 2,2-diphenyl- 1-picrylhydrazyl (DPPH) at concentrations of 6.25, 12.5, 25, 50, 100, 200 µg/mL, hydrogen peroxide (H₂O₂) scavenging activity at 12.5, 25, 50, 100, 200, 400 µg/mL, 3-乙基苯甲噻唑啉-6-磺酸（ABT）和铁降低抗氧化能力（FRAP），在1.56、3.13、6.25、12.5、25、25、50 µg/ml。抑制α-淀粉酶，α-葡萄糖苷酶（6.25、12.5、25、50、100、100、200 µg/ml）和葡萄糖6-磷酸酶（G6Pase）（5.51，11.03，22.6，22.6，22.6，44.12，44.12，844.12，88.24，176.47 g/ml）。植物化学分析确定了关键的生物活性化合物，并确定了IC₅₀值以量化YTE的抗氧化剂和抗糖尿病电位。结果：YTE包含类黄酮，萜类，三萜和酚类化合物。与其他浓度相比，它在200、50、400和50 µg/ml的DPPH，ABTS，H₂O₂和FRAP测定中显示出最高的抗氧化活性（P <0.05）。在DPPH，H₂O₂和ABTS分析中，IC₅₀值分别为105.77μg/ml，726.64μg/ml和61.03μg/ml。以50 µg/ml的速度为338.68μm/μgfe（II）。yte还抑制了174.95μg/ml，222.17μg/ml和112.51μg/mL的IC₅₀值的α-淀粉酶，α-葡萄糖苷酶和G6Pase。结论：YTE表现出显着的抗氧化特性，并抑制了碳水化合物 - 水解酶，表明其作为抗糖尿病剂的潜力。
生成式人工智能对软件工程活动的影响
代码重构（速度提高 20-30%）- 研究还发现，如果使用多个 GenAI 工具（具有不同的 Focii），这些生产率的提高会被放大 另一份麦肯锡报告发现，GenAI 可以对软件工程功能的当前支出产生 20-45% 的影响 Launch Consulting 的 Joe Walsh 报告说，将 GitHub Copilot 合并到 Visual Studio 中，程序员能够将十分钟的任务（例如，将编写一个小函数的时间缩短到编写提示所需的 30 秒内）缩短。 GenAI 通过自动执行重复和繁琐的任务，提供了提高生产率的可能性 我们应该谨慎明智地使用这些信息——一些软件工程活动仍然需要人类的思考和背景——因此生产率的提高不会涉及整个项目！！
“邀请朋友”促销活动的法律基础
▪ 与有意成为 BBVA 客户的朋友分享个性化促销代码，始终遵守用于传达个性化促销代码的手段的使用条款和条件，并且个性化促销代码的使用次数不得超过第 6 节中规定的“使用次数”。作为“BBVA 教父”，您必须勤勉行事，仅在有意成为 BBVA 客户的朋友和家人的环境中分享个性化促销代码。如果您以大量欺诈方式发送个性化促销代码，或者在有意成为 BBVA 客户的好友圈之外创建集体“垃圾邮件”（如第 16 和 18 条所示），则促销活动将自动取消，但不影响本法律条款和条件中规定的参与促销活动的任何其他条件。同样，您不得使用群发消息工具或冒充或模拟使用非本人身份的其他人发送个性化促销代码。
2 型糖尿病患者一生中体力活动的性别差异：系统评价和荟萃分析
1 明尼苏达大学护理学院，明尼苏达州明尼阿波利斯 2 科罗拉多大学安舒茨医学院医学系普通内科分部，科罗拉多州奥罗拉 3 科罗拉多大学安舒茨医学院卢德曼家庭妇女健康研究中心，科罗拉多州奥罗拉 4 科罗拉多大学安舒茨医学院医学系内分泌、代谢和糖尿病分部，科罗拉多州奥罗拉 5 科罗拉多大学安舒茨医学院安舒茨健康与保健中心，科罗拉多州奥罗拉 6 贝勒医学院心血管研究科，德克萨斯州休斯顿 7 法国国家科学研究院和斯特拉斯堡大学 Hubert Curien 多学科研究所 UMR7178，斯特拉斯堡 8 科罗拉多大学丹佛分校心理学系临床健康心理学，科罗拉多州丹佛 9 科罗拉多大学安舒茨医学院儿科内分泌学分部，科罗拉多州奥罗拉 10 科罗拉多儿童医院、科罗拉多大学安舒茨医学院，科罗拉多州奥罗拉 11 落基山地区退伍军人医疗中心，科罗拉多州奥罗拉
澳大利亚太空活动的可持续性政策
探索技术解决方案以保护黑暗和安静的天空：技术解决方案在保护澳大利亚黑暗和安静的天空中起着重要作用。然而，受访者提出了应注意不要将监管负担放在该行业上。正式要求应考虑解决方案的技术和经济可行性，以及该行业如何建立和维持竞争优势，意识到潜在的合规成本。该部门确定的解决方案包括：
探测器开发活动的最新进展
大视场探测器，BM05（20 厘米）、BM18（40 厘米） 紧凑型白光束显微镜，BM05 XRI 热负荷，温度高达 300ºC，ID19 探测器系统，高收集效率，抗辐射，蓝色橡皮擦，1x、2x、4x 放大倍数，BM18 光学元件：薄镜和穿孔镜，铝涂层，BM18
核桃对大脑活动的有益影响
古生物学家说，胡桃属（坚果）物种的出现可以追溯到中生代白垩纪中期（约1亿年前），在此期间地球的植物群发生了变化，出现了开花植物。古植物学家对植物遗骸的研究表明，胡桃果树的发展与古近纪（6700万年前，其持续时间为4200万年）相吻合，特别是在新生代的新近纪（2500万年前，其持续时间为2300万年）被发现广泛分布。自然，根据一些科学家的说法，它们生长在欧洲，亚洲和北美洲。在这个古老的地质时期，地球上为植物的生长和发育创造了有利条件[1-8]。