XiaoMi-AI文件搜索系统
World File Search System输入系统
尼日利亚贸易政策审查秘书处的报告
AFEM： 自主外汇市场 ALSCON： 尼日利亚铝冶炼公司 AP： 管理定价 ASYCUDA： 海关数据自动输入系统 B/d： 桶/天 CBN： 尼日利亚中央银行 CCCL： 卡拉巴尔水泥有限公司 cf/d： 立方英尺/天 cm/d： 立方米/天 DCP： 债务转换计划 DPGs： 国内禁运商品 ECOWAS： 西非国家经济共同体 FEAP： 家庭经济进步计划 FEC： 联邦经济委员会 FEMMP： 外汇（监测和杂项规定）法令第 17 号 FMCT： 联邦商业和旅游部 GSP： 普惠制 GSTP： 全球贸易优惠制 ICP： 工业核心项目 IDCC： 工业发展协调委员会 IPR： 知识产权 IR： 外国投资限制 ISO： 国际标准化组织 JV： 合资企业 KSRM：卡齐纳轧钢厂 LI：进口许可证 LNG：液化天然气 LPG：液化石油气 ML 进口许可 MQ：进口配额 MP：进口禁令 NACCIMA：尼日利亚工商矿业农业协会 NAFDAC：国家食品药品监督管理局 NDIC：尼日利亚存款保险公司 NEPA：国家电力管理局 NEPC：尼日利亚出口促进委员会 NEPZA：尼日利亚出口加工区管理局 NEXIM：尼日利亚出口信用担保保险公司 NGL：Na
COVID-19 疫苗分发追踪系统 (VDTS) ...
简介及时准确地跟踪 COVID-19 疫苗产品对于卫生部监督和监测 COVID-19 疫苗库存至关重要。目的本政策和用户指南将为社区药剂师提供一种一致的方法来利用 COVID-19 疫苗分发跟踪系统 (VDTS) 跟踪和记录疫苗库存。背景：卫生部和所有参与 COVID-19 疫苗分发和管理的组织都有责任确保疫苗从交付到接种都有记录。为了确保对 COVID-19 疫苗保持适当的问责制和责任制，开发了一种快速录入工具来每天捕获疫苗库存。在许多情况下，COVID-19 疫苗将直接从制造商运送到疫苗中心。从中心，疫苗将被重新分配到全省的小型诊所或其他中心。COVID-19 VDTS 是一款易于使用的应用程序，可跟踪 COVID-19 疫苗的运输、分发和使用情况。它是一个独立系统，不与省级疫苗库存库 (Panorama) 交互。政策从 2022 年 10 月 1 日开始，所有接收 COVID-19 疫苗的社区药房都将使用 VDTS。那些已被其组织确定在 VDTS 中输入信息的人，将需要填写申请表，提交给药物计划和扩展福利部门以获得批准。请参阅疫苗分发跟踪系统工作标准的配置访问权限流程。每个用户都应在将数据输入系统之前完成培训。作为批准用户，您：
HyGNN：通过超图神经网络预测药物间相互作用
摘要 — 药物间相互作用 (DDI) 可能会妨碍药物的功能，在最坏的情况下，它们可能导致药物不良反应 (ADR)。预测所有 DDI 是一个具有挑战性且至关重要的问题。大多数现有的计算模型整合了来自不同来源的以药物为中心的信息，并将它们作为机器学习分类器中的特征来预测 DDI。然而，这些模型失败的可能性很高，尤其是对于所有信息都不可用的新药。本文提出了一种新的超图神经网络 (HyGNN) 模型，该模型仅基于适用于任何药物的简化分子输入线输入系统 (SMILES) 药物串来解决 DDI 预测问题。为了捕捉药物化学结构的相似性，我们从从 SMILES 字符串中提取的药物化学子结构创建了一个超图。然后，我们开发了 HyGNN，它由一个基于注意力机制的新型超图边缘编码器组成，以获得药物作为超边的表示，以及一个解码器来预测药物对之间的相互作用。此外，我们进行了大量实验来评估我们的模型，并将其与几种最先进的方法进行比较。实验结果表明，我们提出的 HyGNN 模型可以有效预测 DDI，并且令人印象深刻地超越基线，最大 F1 得分、ROC-AUC 和 PR-AUC 分别为 94.61%、98.69% 和 98.68%。最后，我们表明我们的模型也适用于新药。索引术语 — 药物-药物相互作用、图神经网络、超图、超图神经网络、超图边缘编码器
ICAN：可解释的交叉注意力网络，用于识别药物和靶蛋白的相互作用
药物-靶蛋白相互作用 (DTI) 识别对于药物发现和药物重新定位至关重要，因为治疗药物会作用于致病蛋白。然而，DTI 识别过程通常需要昂贵且耗时的任务，包括涉及大量候选化合物的生物实验。因此，已经开发了各种计算方法。在众多可用方法中，基于化学基因组学特征的方法引起了广泛关注。这些方法计算药物和蛋白质的特征描述符作为输入数据来训练机器和深度学习模型，以便准确预测未知的 DTI。此外，已经提出了基于注意力的学习方法来识别和解释 DTI 机制。然而，需要改进以增强预测性能和 DTI 机制阐明。为了解决这些问题，我们开发了一种基于注意力的方法，称为可解释交叉注意力网络 (ICAN)，它使用药物和靶蛋白氨基酸序列的简化分子输入行输入系统来预测 DTI。我们通过探索交叉注意力或自注意力、注意力层深度以及注意力机制中上下文矩阵的选择来优化注意力机制架构。我们发现，一种解码药物相关蛋白质上下文特征而无需任何蛋白质相关药物上下文特征的简单注意力机制有效地实现了高性能。ICAN 在多个方面优于最先进的方法，并以统计意义揭示了交叉注意力权重中的一些加权位点代表实验结合位点，从而证明了结果的高度可解释性。
BERT 模型微调以准确预测药物……
摘要：在药物发现过程中，确定最佳候选药物非常重要。生物学和计算科学领域的研究人员一直试图利用机器学习 (ML) 来有效预测药物-靶标相互作用 (DTI)。近年来，根据预训练模型在自然语言处理 (NLP) 中的新兴用途，人们正在为化合物和靶蛋白开发预训练模型。本研究试图使用 Transformers (BERT) 预训练模型 ChemBERTa 来改进化合物的 DTI 预测模型。预训练的特点是使用简化的分子输入线路输入系统 (SMILES)。我们还使用预训练的 ProBERT 来预测靶蛋白（预训练使用氨基酸序列）。BIOSNAP、DAVIS 和 BindingDB 数据库 (DB) 被用于（单独或一起）学习。最终模型由 ChemBERTa 和 ProtBert 以及集成的 DB 共同教授，与之前的模型相比，根据受试者工作特征曲线下面积 (AUC) 和精确召回率-AUC 值，提供了迄今为止最佳的 DTI 预测性能。使用对 13 对底物和代谢酶细胞色素 P450 (CYP) 的特定案例研究验证了最终模型的性能。最终模型提供了出色的 DTI 预测。由于药物和靶蛋白之间的现实世界相互作用预计会表现出特定的模式，因此使用 ChemBERTa 和 ProtBert 进行预训练可以教授此类模式。如果学习采用涵盖药物和靶蛋白之间所有关系的大型、均衡的数据集，学习此类相互作用的模式将提高 DTI 准确性。
基于SMILES的分子生成模型在新药设计中的应用
在人类与疾病的长期斗争中，药物发挥着越来越重要的作用。药物发现是识别潜在的新治疗实体的过程，而药物设计是基于对生物靶标的了解寻找新药物的过程，涉及分子的设计（Zhou and Zhong，2017）。药物发现和设计一直面临障碍，因为需要大量的人力、物力和财力。随着人工智能在图像处理、模式识别和自然语言处理等领域的成功（Xie et al.，2022），深度生成模型在药物发现领域引起了广泛关注，同时在分子设计优化领域也展现出良好的应用前景。当使用生成模型生成分子时，其实质是学习训练集中分子的分布，然后生成与训练集中分子相似但不同的分子。结合进化算法或强化学习，可以进一步优化生成分子的性质（Tong et al.，2021；Tan et al.，2022a）。生成模型中的分子表示可以有多种形式，包括简化的分子输入行输入系统（SMILES）、分子图等。生成模型大致可分为五类，包括循环神经网络（RNN）、自编码器（AE）、生成攻击网络（GAN）、Transformer和结合强化学习（RL）的生成模型（Bhisetti and Fang，2022），如图1A所示。其中基于文本序列的分子生成模型（SMILES）应用最为广泛。本文简单介绍基于最新的文本序列分子设计（SMILES）的深度生成模型的基本原理及应用，以便读者了解深度生成模型并将其更好地运用在药物分子设计中。
用于同步多模式记录的实验室流媒体层
摘要——准确记录人类或其他生物与其环境或其他媒介的相互作用需要通过多种仪器同步数据访问，这些仪器通常使用不同的时钟独立运行。主动的硬件介导解决方案通常不可行或成本过高，无法在任意输入系统集合中构建和运行。实验室流层 (LSL) 提供了一种基于软件的方法，用于根据每个样本的时间戳和跨公共 LAN 的时间同步来同步数据流。LSL 专为神经生理应用而构建，设计可靠，提供零配置功能并考虑网络延迟和抖动，从而实现连接恢复、偏移校正和抖动补偿。这些功能可确保精确、连续的数据记录，即使在遇到中断的情况下也是如此。截至 2024 年 2 月，LSL 生态系统已发展到支持 150 多个数据采集设备类，并与使用多种编程语言编写的客户端软件建立了互操作性，包括 C/C++、Python、MATLAB、Java、C#、JavaScript、Rust 和 Julia。 LSL 的弹性和多功能性使其成为多模态人类神经行为记录的主要数据同步平台，现在它得到了各种软件包的支持，包括主要的刺激呈现工具、实时分析包和脑机接口。除了基础科学、研究和开发之外，LSL 还被用作从艺术装置到舞台表演、互动体验和商业部署等场景中的弹性和透明后端。在神经行为研究和其他神经科学应用中，LSL 促进了使用公共时间基上的多个数据流捕获生物动态和环境变化的复杂任务，同时捕获每个数据帧的时间细节。
默塞德灌溉区光伏 (PV) 应用
申请说明 购买者信息 提供系统购买者的姓名和白天电话号码。提供系统安装地点的街道地址以及该位置的公用事业帐号。 销售者信息 提供系统零售商（销售者）的姓名、地址、公司电话号码和公司转售号码。如果零售商也是安装者，请提供加州许可证等级（A、B、C-10、C-46）和许可证号码。 安装者信息 如果安装者姓名与零售商不同，请提供安装承包商的加州许可证等级（A、B、C-10、C-46）和许可证号码。 发电系统 输入 PV 制造商的名称、PV 模块型号和模块的 PVUSA 测试条件 (PTC) 等级。可从下面列出的每个模块的网站获得 PTC 等级。 https://solarequipment.energy.ca.gov/Home/PVModuleList - 输入总阵列输出（WattsAC），它等于模块数量乘以 PTC 模块额定功率。 - 输入系统中逆变器的制造商、型号和峰值逆变器效率。逆变器必须经过国家认可的测试实验室认证，符合 UL 1741 的要求。可从 CEC 网站获取认证逆变器列表：https://solarequipment.energy.ca.gov/Home/InverterSolarList 系统额定输出 将总阵列输出（WattsDC-PTC）乘以峰值逆变器效率以确定系统额定输出（WattsAC），然后在提供的框中输入输出。输入用于测量 PV 系统千瓦时产量的仪表的相关信息。签名并提交 • 审查条款和条件以及纳税责任 • 购买者必须在填写完整的申请表上签名并注明日期。 • 购买者必须在申请中附上光伏系统提案的副本。Merced ID 的批准 在收到并审核您的申请后，Merced ID 将发出正式通知，批准继续安装。如有必要，将与指定安装人员安排现场施工前会议。
人工智能在政府治理中的应用
Rahmat Salam 1 , Marja Sinurat 2 , Izzatussolekha 3 , Akhmad Yasin 4 , Rian Sacipto 5 1 Universitas Muhammadiyah Jakarta 2 Institut Pemerintahan Dalam Negeri 3 Universitas Muhammadiyah Jakarta 4,5 印度尼西亚共和国国家研究与创新机构rahmat.salam@umj.ac.id 学术编辑：Nguyen Ngoc Anh 版权所有 © 2023 Antonio Rafael da Riga。这是一篇根据知识共享署名许可分发的开放获取文章，允许在任何媒体上不受限制地使用、分发和复制，前提是正确引用了原始作品。摘要。政府部门是在其运营中使用基于人工智能的技术的行业之一。在政府环境中应用人工智能可以提供重大机遇，但这样做会面临一些必须首先克服的障碍。尽管存在这些障碍，但人工智能在政府环境中的应用可以提供了大量的可能性。本文讨论了将人工智能融入政府的潜力和挑战，并提出了解决这些挑战的想法。该报告还提供了一些有关人工智能的背景信息。本研究采用定性技术结合描述性方法。根据本研究的结果，人工智能在政府环境中的应用具有很大的可能性提高公共服务质量，改善决策质量，提高政府运作的透明度和问责制。A.然而，一些障碍需要克服，例如对保护个人隐私和数据的担忧，以及对做出不公平决定的担忧。关键词：实施、人工智能、治理、公共服务。简介 “人工智能”（AI）一词是指一种使机器或计算机能够执行传统上需要人类思维或智能的任务的技术。这些任务的一些示例包括处理自然语言、识别面部特征和做出决策。AI 包括机器学习、深度学习和神经网络等方法，使机器能够从数据中学习，并随着越来越多的数据被处理而产生越来越准确的输出。设备可以在数据输入系统时从数据中学习（Winston，1984）
材料管理 - NIILM 大学
物料管理概述 物料管理的定义及其范围；供应链管理与物料管理的关系；质量保证；物料管理中的 MIS；物料功能的组织；物料计划；物料需求计划概述。采购程序 采购程序；采购源选择；价格预测；季节性商品的采购；不确定情况下的采购；采购资本设备；国际采购；准备采购文件；采购道德；谈判；供应商管理；电子商务与采购管理 店铺管理 店铺管理的定义；店铺程序；来料控制；库存核算和验证；物料处理；废料处理；先进先出；店铺管理中的 MIS 系统；店铺管理中的文档；店铺管理中的 TQM 程序 库存控制 库存控制的重要性；库存分类；库存估价；营运资本需求和库存控制；经济订货量模型；编纂；目录分析；价值工程；标准化；ABC 分析；XYZ 分析；Maruti Udyog 和 Asian Paints 案例研究库存管理输入系统物料管理术语表；ABC 库存控制；抽样计划；验收情况；管理价格；基于活动的成本核算；会计制度；等式成本；收购成本；预付款；空运单；外汇规定。物料管理的重要性物料管理演变为一门精确的科学；物料管理中的知识管理；物料管理和材料科学；刚进刚出；物料管理中的进出口文件；后向一体化和物料管理；消费税文件；材料的关税退税。电子商务的重要性电子采购的定义；电子采购的组成部分；电子采购的优势；通过电子采购提高利润；电子采购的实施；评估电子采购方案；选择电子采购方案的经济学；电子商务所需的专业知识 ERP 及其实施 ERP 的定义；ERP 的重要性；全球化和 ERP；文档和 ERP；ERP 的演变；ERP 发展成为一门精确的科学；选择软件；实施成本