XiaoMi-AI文件搜索系统
World File Search System陈词
人群神经科学的纵向资源
Xue-Ru Fan ( 范 雪 如 ) 1,2,3,† , Yin-Shan Wang ( 王 银 山 ) 1,3,4,† , Da Chang ( 常 达 ) 1,3,† , Ning Yang ( 杨 3 宁 ) 1,2,3,4 , Meng-Jie Rong ( 荣 孟 杰 ) 1,2,3,4 , Zhe Zhang ( 张 吉吉 ) 5 , Ye He ( 何 叶 ) 6 , Xiaohui Hou ( 侯 4 晓晖 ) 7 , Quan Zhou ( 周 荃 ) 1,2,3 , Zhu-Qing Gong ( 宫 竹 青 ) 1,2,3 , Li-Zhi Cao ( 曹 立 智 ) 2,4 , Hao-Ming 5 Dong ( 董 昊 铭 ) 1,4,8,9 , Jing-Jing Nie ( 聂 晶晶 ) 1,3 , Li-Zhen Chen ( 陈 丽 珍 ) 1,3 , Qing Zhang ( 张 6 青 ) 2,4 , Jia-Xin Zhang ( 张 家 鑫 ) 2,4 , Hui-Jie Li ( 李 会 杰 ) 2,4 , Min Bao ( 鲍 敏 ) 2,4 , Antao Chen ( 陈 安 7 涛 ) 10,11 , Jing Chen ( 陈 静 ) 12,13 , Xu Chen ( 陈 旭 ) 11 , Jinfeng Ding ( 丁 金 丰 ) 2,4 , Xue Dong ( 董 雪 ) 2,4 , 8 Yi Du ( 杜 忆 ) 2,4 , Chen Feng ( 冯 臣 ) 2,4 , Tingyong Feng ( 冯 廷 勇 ) 11 , Xiaolan Fu ( 傅 小 兰 ) 2,14 , 9 Li-Kun Ge ( 盖 力 锟 ) 2,4 , Bao Hong ( 洪 宝 ) 12,15 , Xiaomeng Hu ( 胡 晓 檬 ) 16 , Wenjun Huang ( 黄 文 10 君 ) 12,15 , Chao Jiang ( 蒋 超 ) 17 , Li Li ( 李 黎 ) 12,13 , Qi Li ( 李 琦 ) 17 , Su Li ( 李 苏 ) 2,4 , Xun Liu ( 刘勋 ) 2,4 , 11 Fan Mo ( 莫 凡 ) 2,14 , Jiang Qiu ( 邱 江 ) 11 , Xue-Quan Su ( 苏 学 权 ) 7 , Gao-Xia Wei ( 魏 高 峡 ) 2,4 , 12 Yiyang Wu ( 吴 伊 扬 ) 2,4 , Haishuo Xia ( 夏 海 硕 ) 11 , Chao-Gan Yan ( 严 超赣 ) 2,4 , Zhi-Xiong Yan ( 颜 13 志 雄 ) 7 , Xiaohong Yang ( 杨 晓 虹 ) 16 , Wenfang Zhang ( 张 文 芳 ) 2,4 , Ke Zhao ( 赵 科 ) 2,14 , Liqi Zhu 14 ( 朱 莉 琪 ) 2,4 , Lifespan Brain Chart Consortium (LBCC) * , Chinese Color Nest Consortium 15 (CCNP) ** , and Xi-Nian Zuo ( 左 西 年 ) 1,2,3,4,7,18,*** 16
立法会FC164/2024号文件立法会财务委员会会议纪要日期...
李惟宏议员李梓敬议员李镇强议员, JP 狄志远议员, SBS, JP 吴秋北议员, SBS, JP 吴杰庄议员, MH, JP 周小松议员周文港议员, JP 林振升议员林素蔚议员林琳议员林筱鲁议员, SBS, JP 姚柏良议员, MH, JP 洪雯议员梁子颖议员, MH 梁文广议员, MH 梁熙议员梁毓伟议员, JP 陈月明议员, MH 陈仲尼议员, SBS, JP 陈沛良议员陈勇议员, SBS, JP 陈祖恒议员陈家珮议员, MH, JP 陈绍雄议员, JP 陈凯欣议员陈颖欣议员陈学锋议员, MH, JP 张欣宇议员郭玲丽议员陆瀚民议员黄英豪议员, BBS, JP 黄俊硕议员黄国议员, BBS, JP 杨永杰议员管浩鸣议员, BBS, JP 邓飞议员, MH 邓家彪议员, BBS, JP 黎栋国议员, GBS, IDSM, JP 刘智鹏议员, BBS, JP
Dom2Vec - 通过词嵌入和 AI/ML 驱动的词典分析检测 DGA 域
摘要 — 及时识别对域生成算法 (DGA) 域的 DNS 查询在减轻恶意软件传播及其潜在影响方面起着至关重要的作用，尤其是在阻止协调的僵尸网络活动方面。我们推出了 Dom2Vec，这是一种创新方法，通过利用仅从 DNS 查询中观察到的域名中派生的词典特征来快速检测 DGA 生成的域。Dom2Vec 利用词嵌入将从域名中提取的标记映射到高度富有表现力的表示中。然后将这些表示与基于声誉的域名评分系统相结合，该系统利用 n-gram 与白名单域列表相关的共现频率。域嵌入、声誉分数和从域名派生的其他有意义的词典特征的融合为 AI/ML 驱动的 DGA 检测提供了强大的域名表示。通过对包含 25 个不同 DGA 域系列的数据集进行实验评估，我们证明 Dom2Vec 明显优于当前最先进的 DGA 检测和分析方法，将我们之前基于信誉评分的检测系统提高了至少 30%，误报率低于 1%。索引术语 —DGA 检测、Word2Vec、TF-IDF、n-gram、词典分析、DNS、机器学习。
利用卷积神经网络识别脑电信号中的想象词语法类别
在本文中，我们提出了一个使用多通道卷积神经网络 (MC-CNN) 的框架，用于从脑电图 (EEG) 信号中识别隐性口语单词的语法类别（动词或名词）。我们提出的网络通过考虑 EEG 信号的空间、时间和频谱特性来提取特征。此外，从大脑不同区域获取的信号集在所提出的框架内分别处理，然后在分类阶段组合。这种方法使网络能够有效地从处理想象语音的大脑位置学习判别特征。我们的网络经过了具有挑战性的实验测试，包括测试对象未参与系统训练的情况。在我们的主要应用场景中，训练期间未使用任何特定名词或动词的实例，我们的方法实现了 85.7% 的识别率。此外，我们提出的方法在公开可用的 EEG 数据集上进行了评估，并在二元分类中实现了 93.8% 的识别率。这些结果证明了我们方法的潜力。 2021 作者。由 Elsevier BV 出版 这是一篇根据 CC BY 许可 (http://creativecommons.org/licenses/by/4.0/) 开放获取的文章。
苯基丙烷的定量NMR光谱法，包括草药，香料和精油中的等词
摘要：国际癌症研究机构（IARC）（IARC），最近已将isoeugenol（2-甲氧基-4-（1-丙基）苯酚）归类为人类（第2B组）。这项研究使用1 h核磁共振（NMR）光谱法对普通草药和香料（包括罗勒，肉桂，姜和肉豆蔻）进行了共同的香料和香料进行了分析。此外，通过1 H-NMR分析了1300多个咖啡样品的等词，但在任何分析的样品中均未检测到。检查了各种精油，包括肉豆蔻，罗勒，丁香，甜旗和Ylang-ylang油，以了解异烯醇含量。在测试的十二种肉豆蔻油中，其中四种含有异烯醇，浓度范围从3.68±0.09 g/kg到11.2±0.10 g/kg。然而，使用NMR光谱法在鱿鱼，罗勒，Ylang-ylang的精油中未检测到异烯醇。这些发现值得对先前文献进行批判性评估，鉴于其中一些矩阵中的同类水平高。毒理学评估已经确定，通过肉豆蔻精油暴露于同烯醇的情况下，人类健康没有风险。
慢性淋巴细胞性白血病中的机器学习和多词数据：精密医学的未来？
在过去的十年中，下一代测序（NGS）的突破导致全基因组中的OMICS数据的体积和复杂性增加（Bulk）（Bulk）（Lander等，2001; Venter等，2001），并且在单细胞水平上更深。NGS allowed the scienti fi c community to study various biological mechanisms such as genetics (whole- genome sequencing), gene expression (RNA-seq), and epigenetics [DNA methylation (e.g., whole-genome bisul fi te sequencing), chromatin accessibility (ATAC-seq), chromatin immunoprecipitation assays with sequencing (e.g., ChIP-seq对于组蛋白标记）]导致高维度数据（Reuter等，2015）。除了基因组范围的方法外，单细胞技术还提供了研究不同模态（例如基因表达（SCRNA-SEQ）和染色质可及性（SCATAC-SEQ））的机会（Heumos等人，2023年）。这项技术比大量数据显示出不同的优势，尤其是在捕获肿瘤微环境的克隆结构和细胞类型组成方面。此外，全球科学社区和财团，例如癌症基因组图集（TCGA）（TOMCZAK等人，2015年），国际癌症基因组联盟（ICGC）（国际癌症基因组等，2010），，Martens和Blueprint（Martens and Stunnenberg，2013），人类Cell Atlas（HCA）（HCA）（HCA）（LINDEN）（LIND），综合。每个人都可以通过发布OMICS数据和元数据提供相关的结果，从而为进一步的探索和数据集成提供了机会。但是，可以通过机器学习（ML）算法来分析大量复杂的OMIC数据，以发现生物标志物或预测性特征，以更好地患者分层和治疗选择。
靶向基因编辑技术在秀丽隐杆线虫中的应用
引用格式 : 陈向阳 , 冯雪竹 , 光寿红 .靶向基因编辑技术在秀丽隐杆线虫中的应用 .中国科学 : 生命科学 , 2018, 48: 266–277 Chen X Y, Feng X Z, Guang S H. Application of targeted genome-editing technologies in Caenorhabditis elegans (in Chinese).Sci Sin Vitae, 2018, 48: 266–277, doi: 10.1360/N052017-00250
使用来自 PubMed 的词嵌入进行监督学习可以捕获有关蛋白激酶和癌症的潜在知识。
多年来，抑制导致癌症的蛋白激酶 (PK) 一直是癌症治疗的重要课题。到目前为止，FDA 批准的药物已经针对了 530 多种 PK 中的近 8%，大约 150 种蛋白激酶抑制剂 (PKI) 已经在临床试验中进行了测试。我们提出了一种基于自然语言处理和机器学习的方法来研究 PK 和癌症之间的关系，预测抑制哪些 PK 可以有效治疗某种癌症。我们的方法根据 PubMed 摘要中的单词和概念邻域将 PK 和癌症表示为具有语义意义的 100 维向量。我们使用 ClinicalTrials.gov 中有关 I-IV 期试验的信息来构建随机森林分类的训练集。我们使用历史数据的结果显示，可以提前数年准确预测 PK 与特定癌症之间的关联。我们的工具可用于预测抑制 PK 对特定癌症的相关性，并支持设计有针对性的临床试验，以发现用于癌症治疗的新型 PKI。
对种族主义词的定量分析，指的是意大利人及其在电影字幕中的翻译：wop，eyetie和goombah
摘要：在过去的200年中，英语文化与其他种族有着广泛的接触，几乎总是来自主导地位（Filmer，2012年）。在英语中，几乎每个种族或族裔都有种族诽谤，而发誓单词通常在英语电视对话中使用。在电影字幕中翻译誓言构成了翻译挑战，由Soler Pardo（2015），Ávila-Cabrera（2016），Beseghi（2016）和Díaz-Pérez（2020）等学者进行了研究。本文分析了三个种族主义的称呼，分析了英语向意大利语，Eyetie和Goombah的翻译，用于指代意大利人或意大利人的人。分析的数据取自OpenSubtitles的英语 - 意大利平行语料库（Lison＆Tiedemann，2016年），这是由翻译的电影字幕组成的平行语料库集。使用平行的一致性检索了包括这些种族主义词的各种电影的英文字幕，以及相应的意大利翻译。进行分析，目的是确定使用和翻译这些种族诽谤的一般趋势。此外，根据节制变量（例如电影中使用的语言，电影发行日期，电影拍摄的国家和电影类型）来测试这些变量是否对翻译选择有重大影响。关键字：种族诽谤；翻译;字幕；英语;意大利人。1。简介
2024年侦查科技与鉴识科学研讨会议程表(草案)
海报論文发表林韦志杨筑安杨筑安赖欣宜易哲安陈国豪邓珮琳徐培文侯儒君胡瑄耘王乔立苏正宪苏志文黄兆清洪翊芸Wee Beng Lim 陈淯圣郭哲玮吴昀轩林柏廷宋泓葰柯虹瑩林政宏林奕全张馨呂宗谚林弘杰陈家维蔡奇男陈瑜轩孙德娟林子桓邱景徽陈祺蔡世国谢立伟翁颖信苏柏豪陈韦佑王升钧洪孟君胡家豪陈羽蓁林炜翔胡政嘉胡政嘉林文元许倬宪藍锦龍余滋雅褚祥蕴洪晨玮许嘉峻陈冠玮葉怡伶吴家森慧麗Mintra Phochanamanee 吴宗原