摘要:多药耐药性 (MDR),包括先天性和获得性,是治疗肿瘤疾病的主要问题之一,并且成功率很高。在这篇综述中,我们研究了核因子 κB (NF- κ B) 在三种肿瘤模型中诱导 MDR 的关键作用,这些肿瘤模型的特点是先天性或获得性 MDR,特别是三阴性乳腺癌 (TNBC)、肝细胞癌 (HCC) 和急性髓系白血病 (AML)。我们还介绍了我们小组采用的不同药理学方法来降低这种转录因子的表达/激活,从而恢复化学敏感性。最后,我们研究了其他小组发现的最新科学证据、关于 NF- κ B 的最重要的临床试验,以及将这种转录因子视为肿瘤疾病有效药物靶点的可能性的新观点。
被视为销售协议的证据,那么实际后果将是,在每种情况下,未登记的销售契约都将成为强制执行销售本身或至少要求因违反协议而赔偿损失的诉讼依据。我看不出接下来的情况有什么坏处,因为很明显,如果一个人同意将其财产转让给另一个人,那么没有理由不强迫他这样做,而且没有遵守某些形式这一事实,可能足以回答交易已完成的指控,但无法回答销售协议已被违反以及由此造成的损害的申诉。因此,在我看来,本案的正确观点是,上诉原告有权根据未登记的销售契约证明存在向他出售相关土地的协议。上诉原告已成功证明了这一点。违反协议已被承认,不再存在争议。损害赔偿的数额也不容置疑。在这种情况下,原告上诉人有权获得判决,因此,我将允许上诉人上诉,撤销地区法院的判决,恢复初审法院授予上诉人的判决,并承担全部费用。
PC12 是同类飞机中制造最精良、飞行最安全的飞机之一。对吗?作者:John Morris 绝对正确!但既然如此,那么为什么在过去一年(2008 年 9 月至 2009 年 8 月)期间,[报告的] 事件(1)/ 事故(4 起致命)不幸增加?当局对所有 PC12 事故(视为已结案)以及美国大多数航空事故给出的主要原因是人为因素或空间定向障碍,通常意味着这是飞行员的错。无论使用何种措辞,将其归咎于飞行员,有时似乎是一个过于简单的借口,而且不公平,尽管将其归咎于其他人(或事物)已成为一种全国性的消遣。然而,与所有其他指责者不同,在提到人为因素的情况下,飞机事故调查的范围及其结论确实指向某种判断或决策错误,而这种错误至少可能导致最终结果。我们都应该意识到导致这一结果的事件“链”,飞行员的行为或不作为可以形成联系或打破这一链条。所以我们又一次在这里讨论决策和风险管理。为什么?在我看来,我们需要另一次审查,也许还需要一个不同的视角。FAA [风险管理手册 - 2009 年 5 月]、AOPA 和其他来源提供了风险管理工具。它们非常有用,至少应该定期参考。但本文将重点关注从不同角度看到的决策和风险管理,即对 PC12 能力可能过度自信,导致决策失误和风险增加。在我多年的教学中,我通常会提到 Pilatus 如何出色地“确保”PC12 的飞行员安全,这意味着消除了许多飞行员可能导致事故/意外的经典方式。但没有人可以完全消除人为因素或消除破坏系统的手段。最终,重力总是占上风。因此,我们希望努力涵盖所有有形因素,并为无形因素做好准备。我很好奇,驾驶员是否会对 PC12 及其功能过于自信。让我们谈谈有形因素。技术是否助长了这种过度自信?当今的技术比以往任何时候都更加神奇,而且变化/改进的速度不是几年,而是几个月。因此,我确实相信,这会产生问题,成为链条中的一个环节,直到飞行员适应更新的可用技术。这方面的例子包括改进的下载天气信息、WAAS 升级的航空电子设备-自动驾驶仪接口,甚至 PC12NG 与 Apex 系统。我所说的调整是指正确理解和利用这些新信息,因为它适用于增强 PC12 的飞行。这也意味着了解这项新技术不那么明显的局限性,从而知道何时使用标准、基本的飞行判断,如果有疑问。另一个有形的是飞行员驾驶 PC12 的一般熟练程度,而不仅仅是仪表熟练程度。FAA 通过改变方法提供了一些帮助
第 9 章 巴甫洛夫、斯金纳和其他行为主义者对人工智能的贡献 *** Witold Kosinski 和 Dominika Zaczek-Chrzanowska 波兰-日本信息技术研究所,波兰-日本计算机技术研究中心 ul. Koszykowa 86, 02-008 Warszawa wkos@pjwstk.edu.pl mado@pjwstk.edu.pl 摘要 将在真实和人工系统的背景下提供一种智能行为的定义。将简要介绍学习原理,从巴甫洛夫的经典条件作用开始,到桑代克和斯金纳的强化反应和操作性条件作用,最后到托尔曼和班杜拉的认知学习。本文将描述行为主义中最重要的人物,尤其是那些对人工智能做出贡献的人物。本文将介绍一些根据这些原理行事的人工智能工具。本文将尝试说明何时一些简单的行为修改规则可以导致复杂的智能行为。 1. 智能:描述 毫无疑问,行为主义者对人工智能的发展做出了巨大贡献。动物学习理论的证据,尤其是行为主义者发现的学习规律,多年来吸引了人工智能领域的研究人员,许多模型都以此为基础。智能是一个复杂而有争议的概念,因此很难用一个简单的定义来概括它。根据 Jordan 和 Jordan [1] 的说法,将智能视为我们用来描述具有一定质量的行为的概念是恰当的。在这方面应该使用两个标准,即速度(即代理执行需要智力的特定任务的速度)和能力(即代理可以执行的任务的难度)。另一方面,我们可以找到另一种智能定义,即执行认知过程的能力。有三个基本的认知过程:1) 抽象,2) 学习,3) 处理新颖性。该领域的杰出研究人员对智力给出了许多定义,例如,它被定义为: