XiaoMi-AI文件搜索系统
World File Search System特征识别
癌症研究的基因特征：25
AU：请确认所有标题级别均正确显示：在过去二十年中，大量研究，尤其是通过大型数据集（如癌症基因组图谱 (TCGA)）进行的癌症分析，旨在改善患者疗法和精准医疗。然而，不同队列之间基因特征的有限重叠和不一致带来了挑战。转录组的动态性质涵盖了基因和异构体水平上的各种 RNA 物种和功能复杂性，引入了复杂性，并且由于每个患者独特的转录组景观，当前的基因特征面临可重复性问题。在这种情况下，来自不同测序技术、数据分析算法和软件工具的差异进一步阻碍了一致性。虽然精心的实验设计、分析策略和标准化协议可以提高可重复性，但未来的前景在于多组学数据集成、机器学习技术、开放科学实践和协作努力。标准化指标、质量控制措施和单细胞 RNA 测序的进步将有助于无偏基因特征识别。在这篇观点文章中，我们概述了一些应对挑战的想法和见解、标准化实践和先进方法，以提高疾病转录组研究中基因特征的可靠性。
堪萨斯州水务公用事业数据标准
堪萨斯州水务公用事业数据标准目录 1.简介 1 1.1 堪萨斯州水务公用事业数据标准的使命和目标 1 1.2 标准需求 1 1.3 与现有标准的关系 2 1.4 标准描述 2 1.5 标准的适用性和预期用途 3 1.6 标准制定程序 3 1.7 标准的维护 3 2.堪萨斯州水务公用事业数据标准主体 4 2.1 技术/操作背景 4 2.1.1 数据可访问性和维护 4 2.1.2 参考系统 4 2.1.3 全球定位系统数据收集 4 2.1.4 主题集成 4 2.1.5 编码 5 2.1.6 分辨率 6 2.1.7 准确性 7 2.1.8 边缘匹配 7 2.1.9 特征识别 7 2.1.10 属性 7 2.1.11 事务更新 7 2.1.12 记录管理 8 2.1.13 元数据 8 2.1.14 地图制作 8 2.2 数据特征 8 2.2.1 最低要求的水务公用事业地理空间特征 9 2.2.2 最低要求的水务公用事业属性元素 9 2.2.3 可选的水务公用事业地理空间特征 9 2.2.4 可选的水务公用事业属性元素 9 附录 A – 水务公用事业特征的最低要求 10 附录 B – 综合供水数据模型 15
PEO IEW&S 2024 更新
AIDP – 陆军情报数据平台 ALE – 空射效应 ABIS – 自动生物特征识别系统 BAT-A – 生物特征识别自动化工具集 – 陆军 BCT – 旅战斗队 CIRCM – 通用红外对抗 CMOSS – 指挥、控制、通信、计算机、网络、情报、监视、侦察（C5ISR）/电子战模块化开放标准套件 CMWS – 通用导弹预警系统 EAB – 旅以上梯队 EW – 电磁战 EWPMT – 电子战规划与管理工具 FLOT – 部队前线 GLE – 地面发射效应 HADES – 高精度检测与利用系统 ITDS – 改进型威胁检测系统 JCAP – 联合通用接入平台 LDS – 激光探测系统 LIMWS – 有限临时导弹预警系统 MEMSS – 模块化电磁波谱系统 MFEW – 多功能电子战 MRL – 多管火箭发射器 NESO – NAVWAR电子战系统高架 PNT – 位置导航授时 RWR – 雷达预警接收器 S2AS – 频谱态势感知系统 SAM – 地对空导弹 TITAN – 战术情报目标访问节点 TCE – 战术网络设备 TLS – 地面层系统 TRAC – 战术射频应用底盘 UAV – 无人驾驶飞行器
人工智能辅助恶意软件分析
使用人工智能 (AI) 和机器学习 (ML) 解决网络安全问题在业界和学术界越来越受欢迎，部分原因是为了应对针对关键系统（如云基础设施、政府办公室或医院）及其生成的大量数据的广泛恶意软件攻击。人工智能和机器学习辅助网络安全提供数据驱动的自动化，可使安全系统实时识别和应对网络威胁。然而，目前网络安全领域缺乏接受过人工智能和机器学习培训的专业人员。我们在此通过开发实验室密集型模块来解决这一问题，这些模块使本科生和研究生能够获得将人工智能和机器学习技术应用于真实数据集的基础知识和高级知识，以了解网络威胁情报 (CTI)、恶意软件分析和分类以及网络安全中的其他重要主题。我们在此描述了“人工智能辅助恶意软件分析”中的六个独立且自适应的模块。主题包括：（1）CTI 和恶意软件攻击阶段、（2）恶意软件知识表示和 CTI 共享、（3）恶意软件数据收集和特征识别、（4）AI 辅助恶意软件检测、（5）恶意软件分类和归因，以及（6）高级恶意软件研究主题和案例研究，如对抗性学习和高级持续威胁 (APT) 检测。
通过基于 fNIRS 的大脑功能网络指纹识别个体
基于脑功能网络 (BFN) 的个体识别近年来吸引了大量的研究兴趣，因为它为身份验证提供了一种新颖的生物特征识别，同时也提供了一种在个体层面探索大脑的可行方法。先前的研究表明，可以通过从功能性磁共振成像、脑电图或脑磁图数据估计出的 BFN 指纹来识别个体。功能性近红外光谱 (fNIRS) 是一种新兴的成像技术，通过测量血氧浓度的变化来对大脑活动做出反应；在本文中，我们研究基于 fNIRS 的 BFN 是否可以用作识别个体的“指纹”。具体而言，首先使用 Pearson 相关性根据预处理的 fNIRS 信号计算 BFN，然后使用最近邻方案匹配不同个体之间估计的 BFN。通过在开放的 fNIRS 数据集上进行实验，我们有两个主要发现：（1）在交叉任务（即休息、右撇子、左撇子手指敲击和脚敲击）的情况下，BFN 指纹通常可以很好地进行个人识别，更有趣的是，（2）交叉任务下的准确率远高于交叉视图（即氧合血红蛋白和脱氧血红蛋白）下的准确率。这些发现表明，基于 fNIRS 的 BFN 指纹是一种潜在的个人识别生物特征。
人工智能不受监管的负面影响：对欧盟人工智能法案提案反馈的混合方法分析
人工智能的负面影响越来越明显，监管机构面临着平衡人工智能带来的机遇和风险的挑战。欧盟委员会的《人工智能法案》提案承担了这一艰巨的任务。使用拟议的混合方法分析了对该提案的 266 条反馈意见，以解决监管机构未能解决的人工智能的主要负面影响是什么的问题。该研究通过提供跨部门影响的映射并指出其不同特征，为有关人工智能负面影响的文献做出了贡献。通过主题建模发现，人工智能的主要负面影响集中在操纵、生物特征识别系统的使用、对工人和儿童群体的不利影响以及总体上潜在的侵犯人权行为上。引导式仔细阅读已确定影响群体最具代表性的反馈回应，表明影响既是个人的也是社会的，强调了缺乏针对社会层面影响的保护措施的问题。仔细阅读还提供了算法影响描述的用例，举例说明了 Smuha (2021a) 和 Tufekci (2015) 概述的负面 AI 影响的特质。建议通过制定针对社会影响的保护措施并建立补救机制来解决已确定的个人和社会影响，以寻求个人、社区和社会补救措施。在调查的回应中达成一致后，建议建立一个独立的机构，负责测量和监控人工智能系统，以增加有关负面 AI 影响程度及其产生机制的知识库。
CDK4 磷酸化状态以及 CDK4/6 与 BRAF/MEK 抑制在晚期甲状腺癌中的合理应用
尽管甲状腺癌 (TC) 的总体预后良好，但低分化癌 (PDTC) 和间变性癌 (ATC，最致命的人类恶性肿瘤之一) 代表着重大的临床挑战。我们已经证明，活性 T172 磷酸化 CDK4 的存在预示着对 CDK4/6 抑制药物 (CDK4/6i) 包括 palbociclib 的敏感性。这里，在所有分化良好的 TC (n=29)、19/20 PDTC、16/23 ATC 和 18/21 TC 细胞系（包括 11 个 ATC 衍生的细胞系）中检测到了 CDK4 磷酸化。缺乏 CDK4 磷酸化的细胞系对 CDK4/6i 不敏感。RNA 测序和免疫组织化学显示，没有磷酸化 CDK4 的肿瘤和细胞系呈现出非常高的 p16 CDKN2A 水平，这与增殖活性有关。在这 7 个肿瘤中，有 5 个未发现 RB1 突变。p16/KI67 免疫组织化学和先前开发的 11 基因特征识别出可能不敏感的肿瘤，这些肿瘤缺乏 CDK4 磷酸化。在细胞系中，哌柏西利与达拉非尼/曲美替尼协同作用，完全且不可逆地抑制了增殖。联合用药可预防哌柏西利诱导的耐药机制，最显著的是 Cyclin E1-CDK2 激活和磷酸化 CDK4 复合物的矛盾稳定。我们的研究支持评估 CDK4/6i 用于 ATC/PDTC 治疗，包括与 MEK/BRAF 抑制剂联合使用。
航空航天科学进展 - CERES 研究资料库
航空业正面临越来越大的压力，需要通过长期战略来减少排放，以满足不断增长的飞行乘客数量。目前运行的飞机通常是在设计时将机身与推进系统分开考虑的。这样一来，传统的航空发动机架构在推进效率方面已接近极限，而技术进步带来的收益却越来越少。一种有前途的替代架构可以提高下一代商用飞机的整体性能，它依赖于边界层吸入 (BLI)。这项技术将机身与战略性定位的推进系统在空气动力学上耦合，以有目的地吸入机身的边界层流。尽管如此，对于 BLI 效益的解释和量化仍缺乏共识。这主要是因为传统的性能核算方法在强气动耦合的情况下失效。随后，定义适当的性能指标以提供一致测量和潜在效益比较是一项重大挑战。本评论研究了用于评估 BLI 性能的各种会计方法和指标。这些内容在数值和实验模型的背景下进行了讨论和批评。从数值上讲，几何、空气动力学和推进模型按保真度顺序排序，同时使用大量方法进行流动特征识别，从而实现对 BLI 的现象学理解。然后特别关注具有不同设置、方法和相关限制和不确定性的实验 BLI 模型。最后，参考其相关的设计探索和优化研究，对众多非常规 BLI 飞机概念进行了分类、比较和批评。
ODM：文本图像进一步的对齐预训练方法，用于场景文本检测和发现
近年来，文本图像联合预训练技术在各种任务中显示出令人鼓舞的结果。然而，在光学特征识别（OCR）任务中，将文本实例与图像中的相应文本区域对齐是一个挑战，因为它需要在文本和OCR文本之间有效地对齐（将图像中的文本称为ocr-文本以与自然语言中的文本区分开来），而不是对整体图像内容的全面理解。在本文中，我们提出了一种新的预训练方法，称为o cr-text d估计化m odeling（ODM），该方法根据文本提示将图像中的文本样式传输到统一样式中。使用ODM，我们在文本和OCR文本之间实现了更好的对齐方式，并启用预训练的模型以适应场景文本的复杂和多样化的样式。此外，我们为ODM设计了一种新的标签生成方法，并将其与我们提出的文本控制器模块相结合，以应对OCR任务中注释成本的挑战，并以大量未标记的数据参与预培训。在多个Pub-LIC数据集上进行的广泛实验表明，我们的方法显着地证明了性能，并且在场景文本检测和发现任务中的当前预训练方法优于当前的预训练方法。代码在ODM上可用。
利用多个不同的脑电图训练课程来改善基于光谱的生物特征验证结果
摘要：大多数基于脑电图的生物特征识别研究报告的结果都是基于信号数据库的，记录的脑电图会话数量有限，使用相同的单个脑电图记录来训练和测试所提出的模型。然而，脑电图信号极易受到干扰、电极放置和临时条件的影响，这可能导致对所考虑方法的评估被高估。我们的研究考察了用作训练会话的不同记录会话数量将如何影响基于脑电图的验证。我们分析了 29 名参与者的原始数据，每人有 20 个不同的记录会话，以及 23 名额外的冒名顶替者，每人只有一个会话。我们将功率谱密度估计的原始系数和转换为分贝刻度的功率谱密度估计系数作为浅层神经网络的输入。我们的研究表明，多个记录会话引入的方差会影响灵敏度。我们还表明，在我们的条件下，将会话数量增加到 8 个以上并不能改善结果。对于 15 次训练，实现的准确率为 96.7 ± 4.2%，对于 8 次训练和 12 次测试，实现的准确率为 94.9 ± 4.6%。对于 15 次训练，在所有攻击尝试中，成功冒名顶替攻击的概率为 3.1 ± 2.2%，但这个数字与使用 6 次记录会话进行训练没有显著差异。我们的研究结果表明，需要将来自多个记录会话的数据纳入基于 EEG 的识别训练中，并且增加测试会话的数量不会显著影响获得的结果。虽然呈现的结果针对的是静息状态，但它们可以作为其他范例的基线。