XiaoMi-AI文件搜索系统
World File Search System自下而上
生物神经网络的独特特性以及自下而上的方法的最新进展，以更好地生物学上合理的神经网络
尽管它看起来不可行且不切实际，但使用基于对神经科学的理解的自下而上的方法来构建人工智能（AI）是简单的。缺乏生物神经网络（BNNS）的普遍管理原理，迫使我们通过将有关神经元，突触和神经回路的各种特征转换为AI的各种特征来解决这个问题。在这篇综述中，我们描述了通过遵循神经科学相似的神经网络优化策略或植入优化结果，例如单个计算单元的属性和网络结构的特征，以构建生物学上合理的神经网络。此外，我们提出了神经网络试图实现的目标集与神经网络类别之间的关系形式主义，而神经网络类别则按照其架构特征与BNN的建筑特征相似。这种形式主义有望定义自上而下和自下而上的方法在建立生物学上合理的神经网络的潜在作用，并获得一张地图，以帮助导航神经科学与AI工程之间的差距。
用于住宅自下而上能量模拟的能源使用和人类行为建模
我们引入了一种概率建模，用于分解住宅能源使用的自下而上模拟。参数概率分布的建模，其参数在用法和设备功率方面具有自然解释。人类行为（例如睡眠和家庭占用变量）也被视为其相应训练的概率模型。模型参数是通过最小化Kullback -Leibler差异与已知设备和行为使用数据的最小化调整的。自生发射的光伏能量包含在模拟中，并使用用于存储和电动车辆使用的电池。仿真匹配欧洲重塑和意大利负载数据集中的个体和汇总使用负载程序。获得的模型对于住宅分类的模拟很有用，允许单个设备从房屋变为房屋。概率分布可以用作能源管理系统，风险管理和电网故障预测的先验知识，并且可以根据非平稳的实时房屋行为和设备使用来调整。2022 Elsevier B.V.保留所有权利。
标题 利用精准基因组编辑技术自下而上开发诱导性多能干细胞衍生的实体肿瘤模型
摘要 基因组和组织工程的进步推动了癌症建模的重大进展和创新机会。人类诱导多能干细胞 (iPSC) 是一种成熟而强大的工具，可用于研究疾病特异性遗传背景下的细胞过程；然而，由于许多转化细胞无法成功进行重编程，它们在癌症中的应用受到了限制。在这里，我们回顾了人类 iPSC 在基因工程背景下对实体肿瘤进行建模的现状，包括如何将基础和主要编辑纳入“自下而上”的癌症建模中，这是我们为使用基因工程诱导转化的基于 iPSC 的癌症模型创造的一个术语。这种方法避免了对癌细胞进行重编程的需要，同时允许以高精度和可控性剖析转化、进展和转移背后的遗传机制。我们还讨论了各个工程方法的优势和局限性，并概述了建立未来模型的实验考虑因素。
使用精确的基因组编辑技术开发自下而上的多能干细胞衍生的实体瘤模型
基因组和组织工程的抽象进步刺激了癌症建模创新的显着进步和机会。人类诱导的多能干细胞（IPSC）是在特定于疾病的遗传背景下研究细胞过程的已建立且强大的工具；然而，它们在癌症上的应用受到许多转化细胞对成功重编程的阻力的限制。在这里，我们在基因工程的背景下回顾了实体瘤的人IPSC建模的状态，包括如何将基础和主要编辑纳入“自下而上”的癌症建模中，这是我们使用基因工程来诱导转化的基于IPSC的癌症模型创造的术语。这种方法规定了对癌细胞进行重编程的需求，同时允许解剖具有高度的精度和对照的转化，进展和转移的遗传机制。我们还讨论了建立未来模型的重大工程方法的优势和局限性。
自下而上制造和表征用于电子应用的自对准栅极堆叠_最终版
1 S. Datta、S. Dutta、B. Grisafe、J. Smith、S. Srinivasa 和 H. Ye，IEEE Micro 39，8 (2019)。2 T. Bryllert、L.-E. Wernersson、T. Löwgren 和 L. Samuelson，Nanotechnology 17，S227 (2006)。3 D. Akinwande、N. Petrone 和 J. Hone，Nat Commun 5，5678 (2014)。4 R. Chen、H. Kim、PC McIntyre、DW Porter 和 SF Bent，Applied Physics Letters 86 (2005)。5 R. Chen、H. Kim、PC McIntyre 和 SF Bent，Applied Physics Letters 84，4017 (2004)。 6 S. Seo、BC Yeo、SS Han、CM Yoon、JY Yang、J. Yoon、C. Yoo、HJ Kim、YB Lee、SJ Lee、JM Myoung、HB Lee、WH Kim、IK Oh 和 H. Kim，ACS Appl Mater Interfaces 9，41607 (2017)。7 KJ Park、JM Doub、T. Gougousi 和 GN Parsons，Applied Physics Letters 86 (2005)。8 FS Minaye Hashemi、C. Prasittichai 和 SF Bent，ACS Nano 9，8710 (2015)。9 WH Kim、HBR Lee、K. Heo、YK Lee、TM Chung、CG Kim、S. Hong、J. Heo 和 H. Kim，Journal of the Electrochemical Society 158，D1 (2011)。 10 H. Kim，ECS Transactions 16, 219 (2008)。11 R. Wojtecki、J. Ma、I. Cordova、N. Arellano、K. Lionti、T. Magbitang、TG Pattison、X. Zhao、E. Delenia 和 N. Lanzillo，ACS applied materials & interface 13, 9081 (2021)。12 E. Färm、M. Kemell、M. Ritala 和 M. Leskelä，The Journal of Physical Chemistry C 112, 15791 (2008)。13 E. Färm、M. Kemell、E. Santala、M. Ritala 和 M. Leskelä，Journal of The Electrochemical Society 157 (2010)。 14 A. Sinha、DW Hess 和 CL Henderson，《真空科学与技术杂志 B：微电子学和纳米结构》24（2006 年）。15 V. Suresh、MS Huang、MP Srinivasan、C. Guan、HJ Fan 和 S. Krishnamoorthy，《物理化学杂志 C 116，23729》（2012 年）。16 A. Sinha、DW Hess 和 CL Henderson，《真空科学与技术杂志 B：微电子学和纳米结构》25（2007 年）。17 TG Pattison、AE Hess、N. Arellano、N. Lanzillo、S. Nguyen、H. Bui、C. Rettner、H. Truong、A. Friz 和 T. Topuria，《ACS nano 14，4276》（2020 年）。 18 M. Fang 和 JC Ho，ACS Nano 9，8651（2015）。19 AJ Mackus、AA Bol 和 WM Kessels，Nanoscale 6，10941（2014）。20 MJ Biercuk、DJ Monsma、CM Marcus、JS Becker 和 RG Gordon，Applied Physics Letters 83，2405（2003）。21 AT Mohabir、G. Tutuncuoglu、T. Weiss、EM Vogel 和 MA Filler，ACS nano（2019）。22 E. Bassous 和 A. Lamberti，Microelectronic Engineering 9，167（1989）。23 C. Ton-That、A. Shard、D. Teare 和 R. Bradley，Polymer 42，1121（2001）。 24 P. Louette、F. Bodino 和 J.-J. Pireaux，表面科学光谱 12，69 (2005)。25 A. Richard，法拉第讨论 98，219 (1994)。
自下而上的估计值高 - ...
摘要：我们报告了上限和下限的高温工业过程热量的水平成本，该热量由太阳能电动汽车（PV）（PV）和风力涡轮机产生，并使用每小时的典型气象年份（TMY）数据（TMY）数据（TMY）数据（在澳大利亚北部的100％和100％的热量范围内供应）。选择该系统作为在1000℃的温度下作为传热介质提供高温空气，这是氧化铝或石灰钙化厂的典型温度。使用真实PV和Wind Systems的性能特征以及可再生能源资源的TMY数据开发了电源厂的简化模型。这用于模拟大量可能的系统配置样本，并发现可再生资源和存储系统的最佳组合，以提供可再生股份（RES）的年度需求的80％至100％。这允许根据两种情况下倾倒多余能量（上限）或以平均发电成本出口到电网（下限）的两种情况下的热量成本。用于使用热存储的系统的水平成本（LCOE L）的下限估计范围从10/gj美元到80％至100％的24/gj。相应的上限（LCOE U），也使用热存储估算的系统，在16/GJ和31/GJ之间，RES在80％至100％之间。发现电池存储而不是热存储的利用可将LCOE值增加2至4倍，具体取决于可再生能源的份额。与当前的澳大利亚天然气成本相比，没有评估配置的系统是经济的，没有CO 2排放成本或低碳产品的溢价。还提出了与当前澳大利亚当前天然气价格达到均衡的CO 2排放成本。
软件错误检测导致从自下而上到自上而下的转变，涉及错误监控网络内的岛叶的有效连接
过去几年，软件编程技能的神经关联已成为越来越多研究的目标。这些研究侧重于软件代码检查过程中的错误监控。其他研究则研究了通过不同的神经生理学测量来衡量的任务相关认知负荷。大多数研究仅涉及语法错误（浅层代码监控）。然而，最近的一项功能性磁共振成像 (fMRI) 研究表明，当需要对代码检查进行具有挑战性的深层分析时，岛叶在错误监控过程中起着关键作用。这提出了岛叶与深度错误监控有因果关系的假设。为了证实这一假设，我们进行了一项新的 fMRI 研究，其中参与者执行了一项深度源代码理解任务，其中包括错误监控以检测代码中的错误。与与文本阅读和无错误源代码理解相关的各种任务相比，我们的范式的通用性得到了增强。健康的成年程序员（N = 21）参加了这项 3T fMRI 实验。错误相关事件引起的激活图证实了岛叶的显著激活 [p (Bonferroni) < 0.05]。重要的是，我们观察到了岛叶作用的后向前因果关系转变：在没有错误的情况下，因果方向主要是自下而上的，而当存在错误时，我们观察到了来自额叶区域（尤其是前扣带皮层）的强烈的自上而下的因果影响。
自下而上进行救援！非政府组织，社会运动和...
，在所谓的发达国家中的许多现代经济体在诸如国内生产总值（GDP）等指标方面相当先进，但这些措施并不能充分考虑社会和环境外部性的社会和健康成本（例如在生物多样性崩溃，气候变化，不可持续的食品系统中丧失的价值）。大多数经济体还在努力纳入对新内在的影响和措施，例如个人幸福或社会心理健康，正如OECD通过引入巴黎指标所建议的那样。2相反，许多经济体决定使用代理测量或依靠数据集来刺激或控制其财务和商业系统的演变，并间接地是健康和社会保护系统。代理的挑战当然是他们不是非常准确的措施。，这种见解通常会在此过程中迷失。‘‘
适用于可持续岛屿的自下而上的能源系统模型
本文回顾了在岛一级应用的现有自下而上的能源系统模型。本文的目的是回答以下研究问题：i）哪些能源系统模型主要在岛一级使用？ii）国家规模模型还用于岛屿应用吗？如果是，则实施哪种类型的其他约束或改编？iii）本文将提供这些约束的分类。iv）哪些是在岛上应用的能源系统模型的主要挑战？大多数使用的自下而上的能源系统模型是能量计划，单位承诺模型和本垒打。几乎37％的分析研究介绍了专门为岛屿应用设计的模型。其余部分利用最初为国家 /地区设计的模型（47％）或微网格（16％）级别的应用程序。已确定岛上应用所需的其他约束是：电网的可靠性和鲁棒性，水的脱盐，电网的车辆，需求响应和海上运输。结果表明，已确定的其他约束更常见于专门为Insular应用程序设计的模型实现。尤其是单位承诺模型能够直接考虑电网范围的可靠性和鲁棒性，而诸如Energy Pllan，Homer和H 2 Res之类的模型必须根据使用指标来考虑它们的替代方法。