XiaoMi-AI文件搜索系统
World File Search System解缠
高层建筑用玻璃棉和 XPS 保温材料的热和热解动力学分析
摘要：本研究使用系统框架研究了包层系统中使用的玻璃棉 (GW) 和挤塑聚苯乙烯 (XPS) 隔热材料的动力学数据。确定适当的动力学特性（例如指数前因子、活化能和反应级数）对于准确模拟隔热材料的全尺寸防火性能至关重要。本研究的主要目的是提取高层建筑中使用的 XPS 和 GW 隔热材料的热和动力学数据。为了获得这些特性，以四种不同的加热速率进行热重分析 (TGA)：5、10、15 和 20 K/min。TGA 结果作为使用无模型和基于模型的方法组合确定动力学特性的基础。本研究的结果有望对定义热解反应步骤和提取此类隔热材料火灾建模的动力学数据大有裨益。这些信息将增进对这些材料在火灾事故中的火灾行为和性能的了解，有助于开发更精确的火灾模型并改进高层建筑覆层系统的消防安全策略。
发作间期脑电图源定位的线性分布逆解
目的：比较 6 种线性分布逆解对癫痫发作间期放电源定位的空间精度：最小范数、加权最小范数、低分辨率电磁断层扫描 (LORETA)、局部自回归平均值 (LAURA)、标准化 LORETA 和精确 LORETA。方法：通过回顾性比较 30 名成功接受癫痫手术的患者中平均发作间期放电的最大源与切除的脑区，基于 204 通道脑电图，对空间精度进行了临床评估。此外，在计算机模拟中评估了逆解的定位误差，在传感器空间和源空间的信号中添加了不同程度的噪声。结果：在临床评估中，使用 LORETA 或 LAURA 时，50-57% 的患者源最大值位于切除的脑区内，而所有其他逆向解决方案的表现都明显较差（17-30%；校正 p < 0.01）。在模拟研究中，当噪声水平超过 10% 时，LORETA 和 LAURA 的定位误差明显小于其他逆向解决方案。结论：LORETA 和 LAURA 在临床和模拟数据中均提供了最高的空间精度，同时对噪声具有相当高的鲁棒性。意义：在测试的不同线性逆解算法中，LORETA 和 LAURA 可能是发作间期 EEG 源定位的首选。2021 年国际临床神经生理学联合会。由 Elsevier BV 出版这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
L-CoDe：使用颜色对象解耦条件的基于语言的着色
对灰度图像进行着色本质上是一个具有多模态不确定性的病态问题。基于语言的着色提供了一种自然的交互方式，即通过用户提供的标题来减少这种不确定性。然而，颜色-物体耦合和不匹配问题使得从单词到颜色的映射变得困难。在本文中，我们提出了一种使用颜色-物体解耦条件的基于语言的着色网络 L-CoDe。引入了物体-颜色对应矩阵预测器 (OCCM) 和新颖的注意力转移模块 (ATM) 来解决颜色-物体耦合问题。为了处理导致颜色-物体对应不正确的颜色-物体不匹配问题，我们采用了软门控注入模块 (SIM)。我们进一步提出了一个包含带注释的颜色-物体对的新数据集，以提供用于解决耦合问题的监督信号。实验结果表明，我们的方法优于基于标题的最先进的方法。
使用主动学习和超参数优化的图像切解分解
图像切解分析检测数字图像中隐藏的数据，对于增强数字安全性至关重要。传统的切解方法通常依赖于大型预先标记的图像数据集，这些数据集很困难且昂贵。为了解决这个问题，本文介绍了一种创新的方法，该方法结合了积极的学习和非政策深度强化学习（DRL），以使用最小标记的数据来改善图像ste缩。主动学习允许模型智能选择应注释哪些未标记的图像，从而减少有效培训所需的标记数据量。传统的主动学习策略通常使用限制灵活性且不能很好地适应动态环境的静态选择方法。为了克服这一点，我们的方法结合了用于战略数据选择的非政策DRL。DRL中的非政策可以提高样本效率，并显着提高学习成果。我们还使用差分进化（DE）算法来微调模型的超参数，从而降低了其对不同设置的敏感性并确保更稳定的结果。我们对广泛的BossBase 1.01和BOWS-2数据集进行了测试，证明了该方法区分未更改和隐形图像的强大能力，在BossBase 1.01和BOSS-2数据集对BossBase 1.01和91.834％的平均F量表达到93.152％。总而言之，这项研究通过采用先进的图像切解分析来检测隐藏数据，从而增强了数字安全性，从而通过最小的标记数据显着提高了检测准确性。
利用脑信号更好地理解人类的阅读理解
阅读理解是一个复杂的认知过程，涉及许多人的大脑活动。然而，人们对阅读理解过程中人脑中发生了什么以及这些认知活动如何影响信息检索过程知之甚少。此外，随着脑电图（EEG）等脑成像技术的进步，可以几乎实时地收集脑信号并探索是否可以将其用作反馈以促进信息获取。在本文中，我们精心设计了一项基于实验室的用户研究，以调查阅读理解过程中的大脑活动。我们的研究结果表明，神经反应因不同类型的阅读内容而异，即可以满足用户信息需求的内容和不能满足用户信息需求的内容。我们认为，在阅读理解的微观时间尺度上，各种认知活动（例如认知负荷、语义主题理解和推理处理）支撑着这些神经反应。从这些发现中，我们为信息检索任务阐明了一些见解，例如排名模型构建和界面设计。此外，随着便携式EEG应用的出现，我们提出了为主动现实世界系统检测阅读理解状态的可能性。为此，我们提出了一个基于EEG的阅读理解建模统一框架（UERCM）。为了验证其有效性，我们基于EEG特征对两个阅读理解任务进行了广泛的实验：答案句子分类和答案提取。结果表明，利用脑信号提高这两项任务的表现是可行的。这些发现意味着脑信号是增强阅读理解过程中人机交互的宝贵反馈。
普瑞巴林中毒性表皮坏死松解症
中毒性表皮坏死松解症 (TEN) 和 Stevens-Johnson 综合征 (SJS) 具有共同的生物学机制，可以看作是一个连续体，其中 TEN 处于严重性和致死性的极端位置。普瑞巴林是一种 γ-氨基丁酸 (GABA) 类似物，可与中枢神经系统中的辅助电压依赖性钙通道亚基结合。它于 2004 年首次在欧盟获得批准，目前以大量商标名称上市。普瑞巴林适用于治疗成人患者的中枢和周围神经性疼痛、癫痫（作为伴有或不伴有继发性全身性发作的部分危机的辅助治疗）以及广泛性焦虑症。SJS 于 2007 年被列入含有普瑞巴林的原始药品的 SmPC 中。从那时起，已经报告了严重皮肤不良反应 (SCAR) 病例，例如 TEN，包括危及生命和致命的情况。 TEN 是一种真正的医疗紧急情况；因此，应立即停用疑似药物并开始治疗。早期诊断对于预后至关重要。在 2022 年 1 月完成的欧洲范围的安全信号评估中，审查了临床前和临床研究、文献和欧洲药物不良反应数据库 EudraVigilance 的所有可用数据。此外，还对上市后的 TEN、SJS/TEN 和类似反应病例进行了累积分析。鉴于 TEN 的病理生理机制和临床特征，TEN 是一种比之前列出的 SJS 更严重的 SCAR，因此得出结论，需要更新含普瑞巴林药品的信息。欧洲药品管理局已决定修改 SmPC 文本以包括以下内容：
BETO 2021 同行评审：热解蒸汽催化升级 2.3.1.314
催化快速热解是一种通用的技术途径，用于直接液化生物质和废弃碳源 • 有可能为燃料混合原料提供高碳产量 • 能够通过气相催化升级控制产品结构 • 有机会利用现有的炼油厂基础设施进行协同处理
利用松木太阳能热解制备碳纳米纤维
摘要 可再生生物质的太阳能热解在活性炭材料的燃料或化学原料可持续生产方面具有巨大潜力。本文，我们报道了一种生产高质量碳纳米纤维 (CNF) 前体以及随后的 CNF 作为低成本且环保的储能材料的方法。具体而言，利用太阳能热解松木以生成富含苯酚的生物液体前体，该前体被发现为通过静电纺丝合成无粘合剂柔性电极材料的有力候选者。用 30% 太阳能驱动的生物液体和 70% 聚丙烯腈制备的 CNF 具有高比表面积和丰富的微观结构，这是其在比电容（电流密度为 0.5 A g 1 时为 349 F g 1）方面的电化学性能的关键，在 6 M KOH 水性电解质中具有显着的倍率性能、可逆性和循环稳定性。因此，太阳能生物液体是可行的CNF前体，并且此类衍生的CNF具有在储能装置中应用的潜力。