摘要。目标。本研究对开放脑电图数据集进行了广泛的大脑计算机界面(BCI)可重复性分析,旨在评估现有的解决方案并建立开放且可重复的基准测试,以有效比较该领域。对这种基准的需求在于产生未公开的专有解决方案的快速工业进步。此外,科学文献是密集的,通常具有具有挑战性的评估,从而使现有方法之间的比较艰巨。方法。在一个开放式框架中,在36个公开可用的数据集中对30个机器学习管道(分为原始信号:11,Riemannian:13,深度学习:6)进行了精心重新实现和评估,包括汽车图像(14),p300(15)(15)和SSVEP(7)。该分析结合了统计荟萃分析技术,以进行结果评估,包括执行时间和环境影响注意事项。主要结果。该研究产生了适用于各种BCI范式的原则和鲁棒结果,强调运动图像,P300和SSVEP。值得注意的是,利用空间协方差矩阵的Riemannian方法表现出卓越的性能,强调了大量数据量的必要性,以通过深度学习技术实现竞争成果。全面的结果是公开访问的,为将来的研究铺平了道路,以进一步提高BCI领域的可重复性。意义。这项研究的重要性在于它在建立严格和透明的基准的BCI研究中做出的贡献,为最佳方法论提供了见解,并强调了可重复性在推动该领域进步方面的重要性。
复制和建设性的争议对于科学进步至关重要。本文回顾了 2010 年至 2020 年期间在《美国经济评论》上发表的所有复制评论的影响。我们调查了评论的引用率以及评论是否会影响其原始论文的引用率。我们发现大多数评论几乎没有被引用,它们对原始论文的后续引用没有影响。这一发现适用于评论诊断出实质性问题的原始论文。我们从这些引用模式中得出结论,复制并不能更新经济学文献。在一项在线意见调查中,我们征求了评论作者和原始作者的观点,发现在大多数情况下,对于复制的成功以及原始论文的贡献在多大程度上能够持续并没有达成共识。这与传统观点产生了共鸣,即稳健性和可复制性在经济学中很难定义。
抽象的经常性事件,其特征是在个人研究中反复发生同一事件,是医学研究中的一种常见数据。是出于癌症的促进,我们旨在估算有效减轻此类复发事件的最佳个性化治疗方案(ITR)。ITR是一项决策规则,它根据个性化信息将最佳治疗方法分配给每个患者,以最大程度地提高整体治疗益处。但是,现有的估计ITR的研究主要集中于初次事件,而不是经常发生的事件。要解决重复事件的最佳ITR的问题,我们提出了经常性的C-学习方法(RECL)方法,以从两个或多个处理选项中识别最佳ITR。所提出的方法将优化问题重新定义为加权分类问题。我们介绍了三个错误分类成本的估计器:结果回归估计器,逆概率加权估计器以及增强的反概率加权估计器。RECL方法利用分类技术来生成针对经常性事件数据量身定制的可解释的最佳ITR。在各种情况下通过模拟证明了RECL方法的优点。此外,基于关于结直肠癌治疗的实际数据,我们采用了这种新颖的方法来得出结直肠癌的可解释的树木治疗方案,从而为增强治疗策略提供了实用的框架。
1:柏林夏里特医学院病毒学研究所,柏林自由大学、柏林洪堡大学和柏林健康研究所的企业成员,德国柏林 10117。 2:德国感染研究中心(DZIF),合作站点 Charité,德国柏林 10117。 3:英国剑桥大学动物学系病原体进化中心,唐宁街,剑桥,CB2 3EJ,4:Vivantes Auguste-Victoria-Klinikum 内科系 - 传染病,Rubensstr。 125, 12157,柏林,德国 5:柏林夏里特医学院传染病和呼吸医学系,柏林自由大学、柏林洪堡大学和柏林健康研究所的企业成员,13353,柏林,德国。 6:德国柏林夏里特医学院皮肤病学、性病学和过敏症系循证医学分部(dEBM),柏林自由大学、柏林洪堡大学和柏林卫生研究所的企业成员 7:柏林劳动医学中心 - Charité Vivantes GmbH,德国柏林 13353。
清理WorldCat中的重复记录是我们可以采取的最有影响力的措施之一,以提高WorldCat的质量并改善图书馆及其用户的体验,这是我们合作努力保持准确和有用数据的关键组成部分。虽然OCLC专家和图书馆社区的成员最适合从事这项工作,但我们知道,使用人类将其扩展到整个世界猫,这根本不是一个可行或可持续的解决方案。因此,我们已经开发了一个AI机器学习模型,以识别WorldCat中的重复记录。那是您进来的地方。我们需要您验证和增强模型对重复记录的理解以扩展工作,从而最终提高了整个合作社和图书馆社区的WorldCat质量。
(物理科学)介绍在设计研究,分析数据并报告结果时,重要的是要考虑发现的可重复性。可再现的工作为科学界提供了可靠的基础,可以在其中建立未来的工作。在多个样品/设备上执行适当的测量类型和数量,可为实验中存在的可变性程度提供信息。了解存在多少随机变化,可以做出更有意义和准确的解释。对于物理研究,我们可以定义三种主要类型的可重复性标准:样本/设备可重复性,测量可重复性和分析可重复性。
SYC1004 NCTC11168 Δ recA :: cat 本研究 SYC1006 NCTC11168 cj1426 :: astA Δ flaA :: kan 本研究 SYC1007 NCTC11168 cj1426 ON :: astA Δ flaA :: cat 本研究 SYC1008 NCTC11168 cj1426 OFF :: astA Δ flaA :: kan 本研究 SYC1P000K NCTC11168 Δ flaA :: kan cj1139 OFF cj1144 OFF cj1420 OFF cj1421 OFF cj1422 OFF cj1426 OFF cj1429 OFF cj1437 OFF
在本篇综述中,我们讨论了非平衡状态下能量涨落的统计描述,这种涨落源于量子系统与测量仪器之间的相互作用,该相互作用应用了一系列重复的量子测量。为了正确量化有关能量涨落的信息,我们推导并解释了交换热概率密度函数和相应的特征函数。然后,我们讨论了 Jarzynski 形式涨落定理 ⟨ e − βQ ⟩ = 1 的有效性条件,从而表明涨落关系对于测量时间间隔内的随机性具有鲁棒性。此外,我们还分析了热特征函数在许多中间量子测量的热力学极限下的后期渐近性质。在这样的极限下,除非系统的哈密顿量和中间测量可观测量共享一个共同的不变子空间,否则量子系统趋向于最大混合状态(因此对应于具有无限温度的热状态)。然后,在此背景下,我们还讨论了当系统在量子芝诺机制下运行时,能量涨落关系如何变化。最后,针对目前在量子应用和技术中普遍存在的二能级和三能级量子系统的特殊情况,说明了理论结果。
背景:生活方式行为,包括身体上的不活动,久坐行为,睡眠不良和不健康的饮食,会对全球人口健康产生重大影响。可穿戴活动跟踪器(WATS)已成为增强健康行为的工具;但是,它们的有效性和继续使用取决于他们的用户体验。目的:本研究旨在探索2016年至2023年WAT的用户体验,偏好和感知影响的变化。方法:我们在国际成年人队列中进行了横断面的在线调查(n = 475,包括387个当前和88个以前的WAT用户)。使用描述性统计和卡方检验将2016年横截面在线调查(n = 237,包括200个当前和37个以前的WAT用户)进行了比较。调查检查了品牌偏好,特征有用,动机,感知到的健康行为改变,社交共享行为和技术问题。结果:在2023年,苹果(210/475,44%)和Fitbit(101/475,21%)是最常用的设备,与2016年的调查相比,Fitbit(160/237,68%)和Garmin设备(39/237,17%)是最常见的。2023年的中位使用时间持续时间为18个月,比2016年报告的7个月长大,大多数用户计划持续使用。在这两个调查年份中,尽管2023年的体育活动改善与2016年相比,但与饮食或睡眠的改善相比,体育活动的改善要比饮食或睡眠的进步较大,与饮食和睡眠的感知改善相比更大。社交媒体共享WAT数据的共享显着上升到2023年的73%(283/387),从2016年的35%(70/200)上升。但是,关于技术问题和不适的报告增加了,而总体积极经验的减少也有所下降。终止原因也有明显的转变,从2016年学习一切可能到2023年的不满。结论:该研究强调了WAT使用情况的显着转变,包括扩展使用和对品牌和功能的偏好。社交媒体共享的增长表明,WATS更深入地整合到日常生活中。但是,尽管有技术进步,用户反馈指出了增强设计和功能的需求。这些发现说明了WAT在健康促进方面的潜力,强调了对不同人群中以用户为中心的设计的需求,以充分实现它们在增强健康行为方面的好处。
在可靠性研究中,当使用阈值电压 (V th ) 作为指标时,阈值电压 (V th ) 的不稳定性会造成问题,因为它会完全模糊由于实际器件老化而导致的最终漂移。这种不稳定性是在电气特性测量期间观察到的,与晶体管的“偏置历史”有关,这会在结构的不同层中引入载流子捕获/去捕获。因此,需要新的方法来克服这种与捕获相关的不稳定性问题,以便准确监控器件老化。为了解决阈值电压测量的可重复性问题,我们研究了其在 GaN 晶体管上的不稳定性。研究了在实际 V th 测量之前应用的预处理步骤。所提出的预处理方法基于在栅极端子上应用专用的 V GS (t) 偏置,从而导致 V th 的稳定和可重复值。通过分析预处理的 V th 测量后的漏极泄漏测量,可以确定实现观察到的 V th 稳定性的机制。它展示了空穴注入结构的作用。提出预处理 V th 测量方法作为补充测量,以便在未来的可靠性研究中正确跟踪 pGaN HEMT 的老化。