XiaoMi-AI文件搜索系统
World File Search System选择的
NSGA-II 目标对运动想象相关脑电图特征选择的影响
选择与运动想象 (MI) 具有功能相关性的脑电图 (EEG) 特征是基于脑机接口 (BCI) 的运动康复成功的关键任务。MI 期间的个体 EEG 模式需要基于受试者的特征选择，由于特征的复杂性和数量庞大，这是一项艰巨的任务。一种解决方案是使用元启发式算法，例如遗传算法 (GA)，以避免不切实际的穷举搜索。在本研究中，使用最广泛使用的 GA 之一 NSGA-II 和分层个体表示来排除与 MI 无关的 EEG 通道。本质上，在先前记录的 MI EEG 数据集上评估了 NSGA-II 中不同目标的性能。实证结果表明，k-最近邻（k-NN）与皮尔逊相关系数（PCFS）相结合作为目标函数，与其他目标组合相比，分类准确率更高（73% vs. 69%）。线性判别分析（LDA）与特征减少（FR）相结合作为目标函数，最大程度地减少了特征（99.6%），但降低了分类性能（65.6%）。所有与 PCFS 相结合的分类器目标都根据 MI 期间的预期活动模式选择了类似的特征。总之，PCFS 和分类器作为目标函数构成了 MI 数据的良好权衡解决方案。
免疫疗法治疗肝细胞癌：当前和未来选择的回顾
过去 20 年里，肝癌死亡率翻了一番，发病率呈上升趋势，已成为男性第五大常见癌症和女性第七大常见癌症。肝细胞癌 (HCC) 约占所有原发性肝癌的 90%，是全球主要的健康问题。如果在早期诊断，HCC 患者可以通过手术切除或肝移植进行治愈性治疗。不幸的是，大多数 HCC 患者处于疾病晚期并有潜在的肝功能障碍，这使得只有 15% 的患者有资格接受治愈性治疗。有几种不同的治疗方式可供选择，包括局部区域治疗射频消融、微波消融、经皮乙醇注射、经动脉化学栓塞、经动脉放射栓塞、冷冻消融、放射治疗、立体定向放射治疗、全身化疗、分子靶向治疗和免疫治疗。免疫疗法最近已成为抑制 HCC 肿瘤进展、复发和转移的一种有前途的方法。术语“免疫疗法”是一个总称，涵盖了广泛的应用和目标，包括 HCC 疫苗、过继细胞疗法、免疫检查点抑制剂和使用溶瘤病毒治疗 HCC。在美国，对于无法接受索拉非尼/仑伐替尼治疗或治疗失败的晚期患者，免疫疗法是一种相对安全的选择，因此可能为这些患者带来额外的生存益处。本综述旨在详细介绍免疫疗法的一些最新进展。本文引用：Ghavimi S、Apfel T、Azimi H、Persaud A、Pyrsopoulos NT。用免疫疗法管理和治疗肝细胞癌：对当前和未来选择的回顾。 J Clin Transl Hepatol 2020；8 (2):168 – 176. doi: 10.14218/JCTH.2020.00001。
一种自主重新选择的智能表面的深入强化学习方法
摘要 - 可重新配置的智能表面（RIS）是一种可提高无线通道质量的潜在无线技术。RIS通常配备了被动元素，并为无线通信系统的覆盖范围提供了成本和功率良好的解决方案。没有任何射频（RF）链或计算资源，RIS需要从外部单元（例如基站（BS））发送控制信息。控制信息可以通过有线或无线通道传递，并且BS必须了解RIS和与RIS相关的通道条件，以有效地配置其行为。最近的作品引入了混合RIS结构，具有一些可以感知和数字化处理数据的活性元素。在这里，我们提出了一个完全自主的RI的操作，该操作在RIS和BS之间没有控制链接的情况下运行。使用一些感应元素，自主RIS基于强化学习采用了深Q网络（DQN），以提高网络的总和。我们的结果说明了在没有网络开销的无线网络中部署自动riss的潜力。索引术语 - 自主RIS，DQN，深度学习，Mu- miso，速率最大化，无线通信。
用于热带乳制牛基因组选择的胚胎活检
基因组选择改变了牲畜行业，从而使动物的早期选择。自1968年以来已经描述了植入前胚胎的活检抽样。然而，直到2010年之后，随着分子生物学技术（例如整个基因组扩增和SNP芯片）的发展，下一代测序才成为牛胚胎的商业上。现在可以决定哪种胚胎不仅基于接受者的可用性或胚胎形态来转移，而且还基于基因组估计。该技术可以针对牲畜中的广泛应用实施。在这篇评论中，我们讨论了胚胎活检对基因组选择的使用，并与GIR和Girando Brazilian育种计划分享我们的经验，以及在巴西牛在体外胚胎生产实践中实施它的未来目标。
遗传和分子诊断 - 癌症诊断，预后和治疗选择的测试
（恒河猴）RH系统包括RBC上发现的100多个抗原品种。RHD是最常见和最免疫原性的。当人们在RBC上具有RHD抗原时，它们被认为是RHD阳性的；如果他们的RBC缺乏抗原，则将其视为RHD-负。RHD抗原是以常染色体主导的方式遗传的，一个人可能是杂合（DD）（占Rh阳性的人的60％）或纯合（DD）（大约40％的RH阳性人）。纯合子总是将RHD抗原传递到其后代，而杂合子有50％的机会将抗原传递到其后代。RHD阴性的人没有RH抗原。尽管命名法是指rhd阴性为DD，但没有小的D抗原（即，它们缺乏RHD基因和相应的RHD抗原）。
评估基因组分析对唾液腺癌临床试验治疗选择的价值
1 英国曼彻斯特 M20 4BX 克里斯蒂医院 NHS 基金会肿瘤内科部；sam.rack@nhs.net（SR）；h.adderley@nhs.net（HA）；laura.woodhouse3@nhs.net（LW）2 北爱尔兰癌症中心，贝尔法斯特市医院，利斯本路，贝尔法斯特 BT9 7AB，英国；laura.feeney@nhs.net 3 谢菲尔德教学医院 NHS 基金会，Glossop Road, Broomhall, 谢菲尔德 S10 2JF，英国；sonal.hapuarachi@nhs.net 4 曼彻斯特大学 NHS 基金会成人组织病理学部，牛津路，曼彻斯特 M13 9WL，英国； guy.betts@mft.nhs.uk 5 西北基因组实验室中心，曼彻斯特基因组医学中心，曼彻斯特大学 NHS 基金会信托，牛津路，曼彻斯特 M13 9WL，英国；george.burghel@mft.nhs.uk 6 皇家马斯登 NHS 基金会信托，富勒姆路，伦敦 SW3 6JJ，英国；kevin.harrington@icr.ac.uk * 通信地址：robert.metcalf1@nhs.net
使用量子设备实现非确定性控制动作选择的安全性
我们之前的工作（Nieman 等人 (2022)）是对量子计算机上控制器实现的初步研究，重点研究量子计算机的独特操作如何影响过程操作和安全性。我们专门研究了基于 Lyapunov 的经济模型预测控制 (LEMPC) 的理论（请注意，可以考虑许多其他控制框架，我们选择 LEMPC 作为本主题的初步研究，因为它在存在干扰的情况下具有闭环稳定性保证）。LEMPC 是一种解决优化问题的控制律，受过程模型和约束的制约（Heidarinejad 等人 (2012)）。在 Nieman 等人 (2022) 中，我们证明了在存在由舍入引入的离散化的情况下（在充分条件下），可以确保闭环稳定性，这可能是由于现代量子计算机的规模有限而引入的。
为Piacenza Expo选择的新日期：2026年10月7日至10日。
有利于公司Piacenza Expo的定位已在新版本的Geofluid上工作，Geofluid是国际技术和设备展览，用于探索地下流体的探索，提取和运输，这是欧洲的钻探和基金会参考点。第二版在2023年标志着记录数字的下一版将于2026年10月10日在Piacenza展览中心 - 意大利 - 意大利举行。水和新能量的主题将继续是下一个地理流体的主要特征。通过技术机队的技术变化，将通过对现场流程应用的人工智能采用更大的数字化来进一步增强。该领域的绿色革命将由欧盟资金再次支持环境和投资，能源跨国公司可以鼓励大规模作品和守时干预措施上的新建筑工地，并对环境保护，水理学不稳定和替代来源产生更大的影响。可以实施的项目涉及可再生能源的干预措施，寻找诸如锂之类的稀土，打击水文地质不稳定性，有效利用水和大型基础设施用于能源运输。再次，对道路网络的地热能，土壤修复和隧道维护将是岩土经营者的参考干预措施。
通过深钢筋学习辅助操作员选择的受约束多目标优化
摘要 - 分解有限的多目标优化问题，其进化算法引起了相当大的关注。使用不同的算法策略，进化运算符和约束处理技术，已经开发出各种受约束的多目标优化算法（CMOEAS）。CMOEA的性能可能很大程度上取决于所使用的操作员，但是，通常很难为当前的问题选择合适的操作员。因此，改善操作员的选择是有希望的，对于CMOEAS来说是必要的。这项工作提出了一个在线操作员的选择框架，并在深入的强化学习中有助于。人口的动态，包括融合，多样性和可行性，被视为国家；候选运营商被视为行动；人口状态的改善被视为奖励。通过使用Q-Network学习策略来估计所有动作的Q值，建议的方法可以适应地选择一个操作员，该操作员根据当前状态最大程度地提高人口的改善，从而改善算法性能。该框架嵌入了四个流行的CMOEAS中，并在42个基准问题上进行了评估。实验结果表明，与九个最先进的CMOEA相比，提出的深钢筋学习辅助操作员的选择显着提高了这些CMOEAS的性能，并且所得算法获得了更好的多功能性。
技术组合选择的混合定量-定性方法：以伊朗航天工业为例
摘要：众所周知，航天工业是许多世界经济体的经济驱动力。在伊朗，卫星技术知识的获取是该国近年来科技指标的成就之一，但伊朗忽视了对该行业进行最佳投资的地位和重要性。最佳技术组合是可以弥补这一差距并帮助决策者做出更好决策的工具之一。本文采用定量和定性混合方法，在两个短期和中期确定伊朗航天工业的最佳技术组合，包括其目标、属性和挑战。我们制定了一个具有以下多目标函数的技术组合选择模型：最大化使用不同技术的收益，包括短期和中期组合，最大化所有技术的技术就绪水平 (TRL) 的总和，最大化技术的获取速度，并最小化每个组合中技术的获取风险。在提出的模型中，每种技术的可用性、获取成本和复杂性都得到了细致的考虑。此外，还使用目标规划方法来整合目标函数。本文的另一个新颖之处在于制定了两个不同时期的投资组合，其中它们相应的投入和产出相互影响。这项研究可以极大地帮助指导该国对航天工业的投资、空间生态系统导向、促进太空企业的创建、促进经济增长，并为改善该领域的相关政策提供指导。此外，这项研究可以为其他发展中国家的航天工业提供启发。