XiaoMi-AI文件搜索系统
World File Search System管理工作
基于自导向学习的云资源管理工作负载预测模型
工作负载预测在智能资源扩展和负载平衡中起着至关重要的作用，可最大限度地提高云服务提供商的经济增长以及用户的体验质量 (QoE)。人们发现了多种方法来估计未来的工作负载，并且机器学习被广泛用于提高预测准确性。本文提出了一种自导向工作负载预测方法 (SDWF)，该方法通过计算最近预测中的偏差来捕捉预测误差趋势，并将其应用于提高进一步预测的准确性。该模型采用基于黑洞现象的改进启发式方法来训练神经元。通过六种不同的真实世界数据轨迹评估了所提出方法的有效性。将该模型的准确性与使用不同最先进方法（包括深度学习、差分进化和反向传播）的现有模型进行了比较。与现有方法相比，均方预测误差的最大相对减少量高达 99.99%。此外，还采用 Friedman 和 Wilcoxon 符号秩检验进行统计分析，以验证所提出的预测模型的有效性。2020 Elsevier Inc. 保留所有权利。
管理与免疫检查点抑制剂相关的毒性：癌症免疫疗法协会的共识建议（SITC）毒性管理工作组
癌症免疫疗法改变了癌症的治疗方法。然而，越来越多的免疫疗法的使用，包括广泛使用的药物类药物，称为免疫检查点抑制剂，已经暴露了一组离散的免疫相关不良事件（IRAE）。其中许多是由负责药物治疗作用的相同免疫机制驱动的，即阻断抑制免疫系统并保护人体组织免受不受限制的急性或慢性免疫反应的抑制作用。皮肤，肠道，内分泌，肺和肌肉骨骼伊拉斯相对常见，而心血管，血液学，肾脏，神经系统和眼科IRAES的发生频率要低得多。大多数伊拉斯的严重程度是轻度至中度；然而，文献中报道了严重的，偶尔威胁生命的伊拉斯，与治疗相关的死亡发生在多达2％的患者中，ICI有所不同。与化学疗法的不良事件相比，与免疫疗法相关的IRAE相关的免疫疗法相关的IRAS通常会延迟发作和持续时间，而有效的管理取决于早期识别和迅速干预，并采用免疫抑制和/或免疫调节策略。迫切需要多学科指导，反映了如何识别，报告和管理器官特异性毒性的基于广泛的观点，直到有证据基于证据的数据可为临床决策提供信息。癌症免疫疗法协会（SITC）建立了一个多学科的毒性管理工作组，该工作组满足了全天的研讨会，以制定建议以标准化伊拉斯的管理。在这里，我们提出了有关管理与免疫检查点抑制剂治疗相关的毒性的共识建议。
管理工作场所压力的风险：健康和安全隐患
在压力环境中工作不仅会增加身体疾病或痛苦的风险，还会增加工作场所事故的可能性。虽然立法为物理危害的风险评估提供了一些指导方针，但对于职业压力等心理社会危害的风险指导仍然有限。《管理工作场所压力风险》采用风险管理方法评估工作场所的压力，为审计、评估和缓解工作场所压力源提供实用指南。它基于原创研究结果，为学生和从业者提供了全面的理论和实践信息来源。本书包括以下章节：