XiaoMi-AI文件搜索系统
World File Search System近十年
色素生成，基因组混乱的机制
染色体碎裂、染色体合成和染色体复合等现象被称为染色体再生，它们构成了新型的复杂重排，包括许多仅位于少数染色体区域的基因组改变。近十年来，这些现象的发现改变了我们对染色体异常的形成及其病因的认识。尽管这些新的灾难性机制各有特点，但它们通常发生在单个细胞周期内，并且它们的出现与基因组不稳定性密切相关。人们已经提出了各种能够产生染色体再生的非排他性外源性或细胞机制。然而，最近的实验数据揭示了两个主要过程，这两个过程在染色体有丝分裂分离出现缺陷后，可产生一系列细胞事件，从而导致染色体再生。这些机制包括整合分离染色体物质的微核的形成，以及由于端粒融合而导致染色体物质周围出现染色质桥。在这两种情况下，受损染色体物质的碎裂、修复和传递的细胞和分子机制与染色体再生相关的复杂染色体重排的特征一致。在本综述中，我们介绍了每种类型的染色体再生，并描述了实验模型，这些模型可用于验证染色体再生事件的存在，并更好地了解其形成和传递的细胞机制，以及它们对基因组稳定性和可塑性的影响。21
天气和气候中的机器学习和深度学习应用
由于天气预报对人类生存的影响，它已成为来自不同研究领域的众多学者的兴趣所在。近十年来，随着海量天气和气候数据集的广泛普及以及计算技术的出现，人工智能 (AI) 框架取得了长足进步。这促使许多研究人员研究大量数据集中隐藏的分层模式，以进行天气和气候预报。这篇全面的评论论文从机器学习 (ML) 和深度学习 (DL) 方法的视角重点介绍了天气和气候研究的不断发展。随着人工智能不断重新定义科学研究，利用 ML 和 DL 获得气象和气候见解的最新进展、应用和挑战已被记录下来。通过调查广泛的研究，该评论概括了这些智能系统对短期天气预报、极端事件预测、气候预报以及天气和气候模型改进的变革性影响。作为当前知识的汇编，它为研究人员、从业人员和政策制定者提供了指导资源，帮助他们探索气候科学和机器学习的动态交叉点，为未来人工智能框架在天气和气候预测中的应用奠定了基础。关键词：人工智能；机器学习；深度学习；天气；气候；LULC；城市气象学；空气污染；热带气旋 1. 简介
网络物理微电网系统中的网络攻击 - MDPI
摘要：近十年来，网络安全的重要性和需求不断增加。由于缺乏有效的安全措施，以信息物理系统 (CPS) 为模型的国家关键基础设施正变得脆弱。攻击者变得越来越创新，攻击变得无法检测，从而给这些系统带来巨大风险。在这种情况下，应该引入智能和不断发展的检测方法来取代基本和过时的方法。人工智能 (AI) 分析数据和预测结果的能力为研究人员探索人工智能在网络安全中的力量创造了机会。本文讨论了新时代智能和智能技术，例如模式识别模型、深度神经网络、生成对抗网络和强化学习，用于 CPS 中的网络安全。分析了信息技术中使用的传统安全方法与 CPS 中使用的安全方法之间的差异，并详细讨论了向智能方法过渡的必要性。设计了一种用于微电网系统的基于深度神经网络的控制器，用于检测和缓解网络攻击。作为案例研究，对一种克服现有微电网保护的隐秘局部隐蔽攻击进行了建模。观察到 DNN 控制器检测和缓解 SLCA 的能力。实验以模拟和实时方式进行，以分析人工智能在网络安全中的有效性。
区块链技术与人工智能的结合
摘要：不可否认，基于区块链和人工智能 (AI) 的范式正在以闪电般的速度被采用。这两种范式都为市场提供了新的东西，但每种范式的新颖性和复杂程度都不同。在数字货币时代，区块链可以自动分期付款，从而实现个人数据、信息和日志的安全、分散交换。人工智能和区块链是目前最受关注的两种技术。使用分散、安全和可信赖的系统，区块链技术可以自动化比特币支付，并为用户提供对记录、交易和数据的共享分类账的访问。通过使用智能合约，区块链还可以在不需要中央权威的情况下规范用户交互。作为替代方案，人工智能为机器人提供了推理和决策的能力以及人类水平的智力。这一发现促使我们对 2012 年至 2022 年期间创建的 AI 和区块链组合进行了全面评估。这篇评论包含近十年来的 121 篇文章，探讨了 AI 和区块链组合的现状和基本原理。这种集成的实际应用是本概述最重要部分的重点。此外，还研究了相关文献中这种组合的差距和问题，重点关注了限制因素。
业务年度：卡塔尔 2022 - HKA
《商业年鉴：卡塔尔 2022》世界杯特别版记录了卡塔尔近十年的经济进程，包括其自赢得 2022 年 FIFA 世界杯主办权以来的每一项发展。作为首个主办世界杯的中东国家，卡塔尔投入了大量精力，确保不仅能举办一场精彩的比赛，而且其遗产还能延续到未来。正是在这种氛围中，我们为这本出版物《商业年鉴：卡塔尔 2022》世界杯特别版进行了研究。卡塔尔于 2010 年 12 月 2 日获得世界杯主办权。从那时起，卡塔尔发生了许多变化，包括 2013 年权力的和平过渡，从谢赫哈马德·本·哈利法·阿勒萨尼到他的儿子谢赫塔米姆·本·哈马德·阿勒萨尼。该国还经历了稳健的经济增长。事实上，在解除区域经济封锁后，该国实际上获得了更大的自给自足资格，尤其是在粮食生产方面。在其他方面，人口从 2010 年的 180 万增加到 2022 年的 280 万，基础设施、医疗保健和教育以及制造业、建筑业和金融服务业的扩张都有了显著改善。为了伴随所有这些变化，数字化已成为关键
都灵理工大学信息库 - CORE
摘要：现代航空业迎来了新关键要素的大规模传播，包括最初仅用于军事目的的遥控飞机系统 (RPAS)。近十年来，RPAS 已准备好成为各种民用应用中的新空域用户。尽管由于国家和国际飞行航空管理局 (FAA) 的限制，RPAS 目前只能飞入隔离空域，但它们在航空发展和经济投资方面具有显著的潜在增长。只有当获准飞入非隔离空域时，才能全面开发 RPAS，就像有人驾驶的民用和军用飞机一样。向 RPAS 披露空域的初步要求是为每个航空运营商实施国际民用航空组织规定的临时安全管理系统 (SMS)。根据欧洲的 SESAR-JU 和美国的 NextGen，这一问题出现在正在进行的空域管理重组背景下（SESAR-JU 已定义应如何在 SESAR 2020 中开展 RPAS 研究，所有这些都符合 2015 年欧洲 ATM 总体规划）。本文根据欧洲航空安全局 (EASA) 定义的操作场景，为实施风险模型和一般程序/方法以调查 RPAS 安全性提供了基础。该研究基于在 RAID（RPAS-ATM 集成演示）项目中进行的多次 RPAS 实验飞行所取得的结果。
网络物理微电网系统中的网络攻击 - MDPI
摘要：近十年来，网络安全的重要性和需求不断增加。由于缺乏有效的安全措施，以信息物理系统 (CPS) 为模型的国家关键基础设施正变得脆弱。攻击者变得越来越创新，攻击变得无法检测，从而给这些系统带来巨大风险。在这种情况下，应该引入智能和不断发展的检测方法来取代基本和过时的方法。人工智能 (AI) 分析数据和预测结果的能力为研究人员探索人工智能在网络安全中的力量创造了机会。本文讨论了新时代智能和智能技术，例如模式识别模型、深度神经网络、生成对抗网络和强化学习，用于 CPS 中的网络安全。分析了信息技术中使用的传统安全方法与 CPS 中使用的安全方法之间的差异，并详细讨论了向智能方法过渡的必要性。设计了一种用于微电网系统的基于深度神经网络的控制器，用于检测和缓解网络攻击。作为案例研究，对一种克服现有微电网保护的隐秘局部隐蔽攻击进行了建模。观察到 DNN 控制器检测和缓解 SLCA 的能力。实验以模拟和实时方式进行，以分析人工智能在网络安全中的有效性。
使用 fMRI 数据和机器学习的自闭症谱系障碍研究：综述
近十年来，机器学习方法频繁应用于认知神经科学领域。将机器学习方法引入自闭症谱系障碍 (ASD) 的研究以找出其神经生理基础引起了极大的关注。本文全面回顾了自 2011 年以来应用机器学习方法分析自闭症患者和典型对照 (TC) 功能磁共振成像 (fMRI) 数据的研究。涵盖了全方位的过程，包括从原始 fMRI 数据构建特征、特征选择方法、机器学习方法、高分类准确率的因素和关键结论。应用不同的机器学习方法和从不同部位获取的 fMRI 数据，获得了从 48.3% 到 97% 不等的分类准确率，并定位了重要的大脑区域和网络。通过深入分析，我们发现，在涉及基于任务的 fMRI 数据、用于某些选择原则的单一数据集、有效的特征选择方法或高级机器学习方法的研究中，通常会出现较高的分类准确率。高级深度学习与多站点自闭症脑成像数据交换 (ABIDE) 数据集一起成为研究趋势，尤其是在最近 4 年。在未来，高级特征选择和机器学习方法与多站点数据集或易于操作的基于任务的 fMRI 数据相结合，似乎有可能成为 ASD 的有前途的诊断工具。
巴西司机和送货工人的案例
近十年来，巴西劳动力市场经历了一段深度危机时期，失业和非正规就业不断增加。在这种大背景下，2016 年左右出现的平台工作以无与伦比的活力创造了就业机会。然而，由于巴西和全球范围内缺乏合适的测量工具，迄今为止很难量化和定性这一现象。工作性质及其质量在很大程度上是未知的。因此，本研究有双重目标。在方法论方面，它旨在为可靠地衡量这种新型工作规模和特征所需的概念和统计工具的辩论做出贡献。实证研究主要基于对巴西劳动力调查 (PNAD Continua) 微观数据的深入处理。通过分析观察到的长期各种工作特征的变化为该方法的相关性提供了评估。在分析方面，我们建议从不同维度（工作结构和工人特点、工作条件和收入、职业发展轨迹、对家庭经济的贡献）绘制一幅尽可能可靠的巴西平台就业全景图，重点关注其中最“明显”的领域：司机和送货员。我们表明，运输行业的这些平台工作代表着真正的机会。所创造的绝大多数工作都是永久性的，对家庭经济做出了重大贡献。它们不仅仅是补充收入的临时工作，也不是正式就业的垫脚石。然而，这些工作质量较低：就工作条件而言，它们介于非正式和正式工人之间，但更接近前者。此外，应该强调的是，他们的处境往往会随着时间的推移而恶化，变得越来越不稳定。
数据驱动的老年糖尿病患者健康状况分类：糖尿病与衰老研究
为患有糖尿病的老年患者制定数据驱动的实用健康状况分类方案将有助于个性化和优先化护理。尽管健康状况分类方案具有临床重要性，但护理指南中的健康状况分类方案主要基于专家的临床意见。6,7 近十年来，多个糖尿病和老年医学协会建议糖尿病治疗应基于个人的健康状况，而健康状况则由包括合并症、功能状态、认知功能和虚弱症在内的综合老年医学评估确定。例如，美国糖尿病协会 (ADA) 建议对“健康”老年人设定强化血糖控制目标（例如 A1C <7.0%），对“复杂”老年人设定宽松目标（例如 A1C <8.0%），但这些等级仍然定义不清。 8 这些分层建议基于英国前瞻性糖尿病研究 (UKPDS) 中观察到的强化血糖控制 (A1C <7.0% vs. <7.9%) 的 9 - 10 年获益时间。9 2000 年代后期发表的试验结果支持了根据健康状况调整血糖控制强度的呼吁 10 - 12 这些结果表明，非常强化的血糖控制 (例如，A1C <6.5%) 仅产生适度的临床益处，并且在一项试验中，死亡率增加。10 在过去十年中，一系列心血管结果试验进一步改变了糖尿病管理方法，这些试验揭示了与安慰剂相比，SGLT-2 抑制剂和 GLP-1 受体激动剂等新型降糖药物的益处。13,14