XiaoMi-AI文件搜索系统
World File Search System结论性
在人类原代 B 细胞中高效 CRISPR-Cas9 介导基因敲除，用于 Epstein-Barr 病毒感染的功能遗传学研究
基因编辑现在已成为所有原核和后生动物细胞的常规技术，但在不到十年前 CRISPR-Cas9 技术被引入哺乳动物细胞生物学领域时，它在免疫细胞中并未受到太多关注。这种多功能技术已成功应用于人类髓系细胞和 T 细胞等的基因修饰，但应用于人类原代 B 细胞的情况很少，且仅限于活化的 B 细胞。这一限制阻碍了对这种细胞类型的细胞活化、分化或细胞周期控制的结论性研究。我们报告了在原代静息人类 B 细胞中进行高效、简单和快速的基因组工程，使用 Cas9 核糖核蛋白复合物的核转染，然后在 CD40 配体饲养细胞上进行 EBV 感染或培养以驱动体外 B 细胞存活。我们提供了使用两个模型基因在静止人类 B 细胞中进行基因编辑的原理证明：CD46 和 CDKN2A。后者编码细胞周期调节因子 p16 INK4a
对电池电池性能预测和电动汽车管理的常用机器学习方法的比较分析
摘要：锂离子电池（LIB）在电动汽车（EV）中的重要作用强调了它们在能量密度，轻巧和环境可持续性方面的优势。尽管存在障碍，例如成本，安全问题和回收挑战，但在电动汽车的普及方面至关重要。电动汽车中LIB的准确预测和管理至关重要，并且已经探索了基于机器学习的方法，以估算诸如电荷状态（SOC），健康状况（SOH）和权力状态（SOP）之类的参数。已采用各种机器学习技术，包括支持向量机，决策树和深度学习，用于预测LIB国家。本研究提出了一种比较分析的方法，重点是经典和深度学习方法，并讨论了LSTM（长期短期记忆）和BI-LSTM（双向长期短期记忆）方法的增强。评估指标（例如MSE，MAE，RMSE和R平方）用于评估所提出的方法的性能。该研究旨在通过预测LIB的性能来促进电动汽车行业的技术进步。概述了其余研究的结构，涵盖了材料和方法，LIB数据准备，分析，机器学习模型的建议，评估和结论性评论，并提出了未来研究的建议。
什么是人工智能？- 中心工作人员指南
中心应该注意的潜在指标摘要：指标默认/不一致地使用美式拼写、货币、术语和其他本地化内容默认使用可能不适合资格水平的语言或词汇*缺少直接引用和/或使用需要/期望的参考文献~包含无法找到或验证的参考文献缺少对某个日期之后发生的事件的参考文献不正确/不一致地使用第一人称和第三人称视角的情况语言风格、质量和复杂性存在差异缺少通常需要的图表/数据表/视觉辅助工具缺乏特定的本地或主题知识学习者无意中包含人工智能制作的警告或附文在整个文本中不寻常地使用几个结论性陈述，或在一篇冗长的文章中多次重复一个总体文章结构在其他有凝聚力的内容中包含强烈陈述的非连续性或肯定错误的陈述过于冗长或夸张的语言可能不符合学习者的风格 文本主体/标题/等的格式不一致（请注意，这些内容与我们的 Navigating AI for Assessment: VQ Guidance (International & Higher Education) 文档共享）
国际贸易和绿色经济
摘要。全球经济向后工业化阶段的转变加剧了全球范围内的挑战，这些挑战要求遵守绿色经济原则来解决。这种经济模式旨在实现可持续发展和与自然系统的协调互动。本文探讨了宏观经济战略及其与国际商业在倡导绿色经济方面的相互作用。它审视了全球经济领域的现状，并强调了绿色技术对企业结构和战略的影响。该研究侧重于国际企业家精神在实现可持续发展目标、资源效率和减少碳排放方面的关键作用。它详细介绍了企业家在制定符合绿色经济要求的企业战略时必须考虑的进步趋势和创新。认识到深度生态创新作为生态可持续发展道路上的障碍的重要性，并强调将其融入企业文化和运营实践的必要性。结论性见解提出了建议，旨在帮助国际商业实体优化生态创新的使用，以增强面对现代环境挑战的竞争力和韧性。关键词：可再生能源、绿色经济、绿色金融、宏观经济发展理论、国际商务、环境管理、跨国公司、可持续发展、能源效率。
东部社区重新分区和区域规划
州 CEQA 指南第 15088.5 节要求，在 EIR 草案发布后但在认证之前，如果 EIR 中添加了“重大新信息”，则必须重新发布 EIR。指南指出，如果“EIR 的更改方式剥夺了公众对项目的重大不利环境影响或项目发起人拒绝实施的缓解或避免此类影响的可行方法（包括可行的项目替代方案）发表评论的有意义机会”，则信息为“重大”。第 15088.5 节进一步定义了触发重新发布要求的“重大新信息”，包括但不限于确定新的重大影响、影响严重程度的大幅增加（除非采取缓解措施将影响降低到不显著的水平），或确定项目发起人不愿采用的可减轻项目环境影响的新可行替代方案或缓解措施。此外，如果认定 DEIR“从根本上和根本上来说不充分，并且具有结论性，以至于无法进行有意义的公开审查和评论”，则也构成“重大新信息”。第 15088.5(d) 节规定，如果“添加到 EIR 中的新信息只是对充分的 EIR 进行了澄清或扩充，或进行了微不足道的修改”，则无需重新发布。
技术探索增强现实Mathcitymap ...
这项研究的目的是研究将发现模型与MathCityMap（MCM）媒体整合到增强学生数学水平的影响，尤其是在表面积和体积领域。采用准预测试框架采用准实验设计，这项研究评估了这些创新的教学工具在四个课程中的有效性，包括对学生的理解的初步评估，使用数学城市地图进行了两个教学会议，以及一项结论性的教学课程，以衡量学习量的结论。通过SPSS的数据分析揭示了学生数学水平的统计学显着提高。研究结果验证了将发现学习与MathCityMap媒体相结合的有效性，以改善数学理解和技能，强调创新教学和技术在教育中的重要性。这项研究表明，通过使用技术增强工具，实用应用和差异化的指导，更深入的概念理解，以及可容纳多种学习风格的方式，可以显着增强学习经验。对教育工作者的建议包括采用此类工具和策略来培养适应性，引人入胜且注重概念的教育环境，强调需要进一步研究教学方法和影响数学学习的因素的各种影响。
我们的业务，而不是机器人的：关于与社会机器人隐私的家庭对话
有针对性地使用社会机器人对家庭的使用需要更好地了解多个利益相关者的隐私问题，包括父母和孩子的隐私问题。通过共同学习研讨会，向家庭介绍了家庭中社会机器人的功能和假设使用，我们提供了来自6个家庭的初步证据，这些证据表现出父母和孩子如何在不同使用环境中收集和共享信息的机器人如何具有不同的舒适水平。的对话和小册子答案表明，父母在他们期望孩子拥有更多代理的情况下采用了孩子的决定，例如在完成作业或清理玩具的情况下，以及当孩子提出父母发现他们的决定是可接受的推理时。家庭在做出结论性决定时共享相同的推理时表示宽慰，表示机器人与家庭之间的边界管理协议。如果父母和子女不同意，他们拒绝了二进制的决定，并选择了第三种反应，反映了怀疑，不确定性和/或妥协。我们的工作强调了让父母和子女以子女和家庭为中心的研究的好处，包括父母为孩子提供认知脚手架和个性化假设情景的父母能力。
全球战略收集：跨国公司和绩效
在国际业务中很少有与跨国公司（或国际化）与绩效（M-P关系）之间的关系所研究的很多主题。的确，人们可能会说，全球业务战略的基本推理基于这样的假设，即国际参与市场，运营和采购对公司的业绩固有的有价值。也许简单的方法提出，既然我们可以观察到大多数公司倾向于随着时间的流逝而增加其跨国公司（跨境操作的规模和范围），则经理必须评估将国际多元化对公司绩效提高的影响的影响，否则他们将不会继续这样做。已应用许多理论方法来支持和证明M-P关系是合理的，包括工业组织和交易成本经济学，基于资源的观点，组织学习，信号理论和真实期权理论。这些关于M-P关系的许多观点已在真正的研究行业中以相当长的时间进行了经验测试。首先是这种情况，因为对国际商业和全球战略的索赔的重要性，其次，因为关于跨国公司程度以及多国企业绩效水平的数据在许多国家都很容易获得。不幸的是，正如我们将看到的那样，这项广泛的研究并未导致结论性和广泛接受的发现。混合和不确定的结果导致学者遵循不同的途径。一组学者强调，问题主要是一种方法论和经验
外层空间和网络攻击
外层空间和网络攻击在国际空间法下的责任归属 Ishita Das * 摘要 随着外层空间的商业化以及越来越多的卫星部署，提供通信、导航和军事服务，外层空间和网络空间两个领域之间的联系正在加深。然而，这种关系所导致的脆弱性尚未得到全面解决。虽然没有专门针对这一界面的政策，但国际空间法可以处理在这方面出现的问题。《外层空间条约》第六条涉及“国际责任”。然而，早在 20 世纪 60 年代起草条约时，并没有考虑到这种关系。网络攻击可能会通过干扰 (a)“飞行控制”和 (b)“有效载荷控制”来影响太空资产。虽然对于前一种情况，发射国可能要对造成地球表面损害的活动负责，但对于后一种情况，《外层空间条约》和《责任公约》的规定实际上不能被援引。本研究论文的目的主要有四个：（1）介绍外层空间和网络空间接口的背景，特别是考虑到商业化的兴起；（2）讨论如何根据《外层空间条约》和《责任公约》处理影响太空资产的网络攻击；（3）探讨在太空资产生命周期和多方参与的背景下确定责任的挑战；最后，（4）提供结论性意见和建议。关键词：外层空间、网络攻击、责任、国际空间法
原创文章 一项利用人工智能驱动的乳腺癌医学图像分析的初步研究
摘要：本研究探索了如何建立一种深度学习模型，以准确判断乳房 X 光检查结果中的病变是良性还是恶性。数据来源于一家大型三级医院乳腺中心接受活检的女性的筛查乳房 X 光检查结果。从 215 张乳房 X 光检查中获取的 900 张乳房图像用于训练和建立基于深度学习的模型，该模型能够准确预测病变的良性还是恶性。与癌症诊断的金标准（即手术病理学）相比，所建立模型的敏感性为 95.7%，特异性为 87%，总体准确率为 90.7%，AUROC 为 0.76。放射科医生对这组患者的读数敏感性为 86%，特异性为 46%，总体准确率为 79%。基于深度学习的模型通过提高特异性和减少假阳性读数，显著提高了诊断准确率。该模型还可以对放射科医生报告中被归类为 BI-RADS 0 的乳房 X 光检查结果提供结论性解读，从而减少在做出最终诊断之前进行进一步影像学研究的需要。关键词：乳腺癌；计算机辅助诊断；深度学习；乳房 X 光检查解读