XiaoMi-AI文件搜索系统
World File Search System降序
基于孟格曲率和LDA理论的P300脑机接口特征选择方法
脑机接口 (BCI) 系统解码脑电信号，建立人脑与外界直接交互的通道，无需肌肉或神经控制。P300 拼写器是最广泛使用的 BCI 应用之一，它向用户呈现字符选择，并通过从 EEG 中识别 P300 事件相关电位来执行字符识别。这种基于 P300 的 BCI 系统可以达到良好的准确度，但由于冗余和噪声信号，在日常生活中难以使用。应该考虑改进的空间。我们为基于 P300 的 BCI 系统提出了一种新的混合特征选择方法，以解决特征冗余问题，该方法结合了孟格曲率和线性判别分析。首先，将选定的策略分别应用于给定的数据集，以估计应用于每个特征的增益。然后，按降序对每个生成的值集进行排序，并根据预定义的标准判断其是否适合分类模型。然后评估两种方法的交集以确定最佳特征子集。使用三个公共数据集（即 BCI 竞赛 III 数据集 II、BNCI Horizon 数据集和 EPFL 数据集）对所提出的方法进行了评估。实验结果表明，与其他典型的特征选择和分类方法相比，我们提出的方法具有更好或相当的性能。此外，我们提出的方法可以在三个数据集上在所有 epoch 之后实现最佳分类准确率。总之，我们提出的方法为提高基于 P300 的 BCI 拼写器的性能提供了一种新方法。
农业和兽医科学卷。 X ISS。 y
Hawassa University于2004年在各种农业领域（包括动物科学专业）启动了首个MSC计划。 在过去的20年中，研究计划随着专业领域和入学率的增加而多样化。 此范围审查评估了2009年至2022年生产的Hawassa University的200个动物科学毕业生的MSC论文摘要。 这项研究是为了揭示了导演学生的多样性和质量方面的趋势。 研究描述了研究，学科，地理覆盖，数据收集方法和学生采用的统计方法的研究重点的研究。 该研究进一步评估了研究生研究是否针对解决问题，或者是否专注于信息寻求/收集/评估。 最常研究的物种（96％）是牛，绵羊和鸡肉/家禽和山羊，以降序。 总数为85％，偏向三个研究主题，1）牲畜饲料资源和营养，2）牲畜生产系统和/或产品特征以及3）牲畜遗传资源，育种系统，生殖和遗传改善。 大多数研究生（89％）结合了两种或多种数据收集方法。 在总经理本文中，有77％属于寻求/收集/评估研究的信息。 只有22％的论点针对调查和解决问题的研究。Hawassa University于2004年在各种农业领域（包括动物科学专业）启动了首个MSC计划。在过去的20年中，研究计划随着专业领域和入学率的增加而多样化。此范围审查评估了2009年至2022年生产的Hawassa University的200个动物科学毕业生的MSC论文摘要。这项研究是为了揭示了导演学生的多样性和质量方面的趋势。研究描述了研究，学科，地理覆盖，数据收集方法和学生采用的统计方法的研究重点的研究。该研究进一步评估了研究生研究是否针对解决问题，或者是否专注于信息寻求/收集/评估。最常研究的物种（96％）是牛，绵羊和鸡肉/家禽和山羊，以降序。总数为85％，偏向三个研究主题，1）牲畜饲料资源和营养，2）牲畜生产系统和/或产品特征以及3）牲畜遗传资源，育种系统，生殖和遗传改善。大多数研究生（89％）结合了两种或多种数据收集方法。在总经理本文中，有77％属于寻求/收集/评估研究的信息。只有22％的论点针对调查和解决问题的研究。这个范围的Reveiw可能会为正在运行BSC，MSC和PHD计划的埃塞俄比亚公立大学提供的所有农业领域的全国研究。该研究的结果也可以用于告知需要制定适当的策略以改善埃塞俄比亚的研究生研究，以确保研究生学习将通过质量和影响力的研究成果为社会变革和经济发展做出贡献。重新审视动物科学研究生研究计划将有助于增加研究生研究对牲畜发展的贡献。关键词：研究生学习计划；质量研究；埃塞俄比亚大学；解决问题的原始提交研究：2024年5月9日；修订提交：2024年9月13日；在线发布：2024年11月21日 *通讯作者的地址：Sintayehu Yigrem，电子邮件：sintayehu@hu.edu.edu.et.et作者：所罗门·Shiferaw，电子邮件：solshiferaw@gmail.com
2.3 定义 - C 能力期
能力期 SCR 负荷区高峰时段：2014 年夏季能力期之前包括从第 13 开始的小时到第 18 开始的小时以及 2014 年夏季能力期开始包括从第 11 开始的小时到第 19 开始的小时的前四十 (40) 个重合高峰时段。能力期 SCR 负荷区高峰时段应由 NYISO 根据之前的等效能力期确定，并应由 RIP 用于报告 ACL 值以进行 SCR 注册。对于使用临时 ACL 注册的 SCR，该临时 ACL 要求在 SCR 注册的能力期结束时报告验证数据，能力期 SCR 负荷区高峰时段应根据 SCR 注册的能力期确定。此类小时数不包括 (i) ISO 调用位于特定负荷区的特殊情况资源来响应可靠性事件或测试的小时数，以及 (ii) ISO 在每个特定负荷区部署紧急需求响应计划资源的小时数。此外，从 2014 年夏季能力期开始，NYISO 不得按 NYCA 负荷降序排列，每个能力期最多 8 小时，a) 可靠性事件或性能测试开始时间前一小时，其中 ISO 调用位于特定负荷区的 SCR 来响应可靠性事件或性能测试，或 b) 此类可靠性事件或性能测试结束时间后一小时。
库普曼算子理论的车辆应用
摘要 — 库普曼算子理论已被证明是一种很有前途的非线性系统辨识和全局线性化方法。近一个世纪以来，一直没有有效的方法来计算用于应用工程目的的库普曼算子。最近在流体动力学背景下引入了一种计算效率高的方法，该方法基于将系统动力学分解为一组按降序排列的正态模式，克服了这一长期存在的计算障碍。库普曼算子纯数据驱动的性质有望捕捉未知和复杂的动力学以进行降阶模型生成和系统辨识，从而利用线性控制技术的丰富机制。鉴于该研究领域的不断发展以及智能移动和车辆工程领域存在的许多未解决的问题，有必要对将库普曼算子理论应用于这一充满活力的领域的技术和开放挑战进行调查。本综述重点介绍了近年来出现的 Koopman 算子的各种解决方案，特别是那些专注于移动应用的解决方案，从特性和组件级控制操作到车辆性能和车队管理。此外，这篇对 100 多篇研究论文的全面回顾突出了 Koopman 算子理论在各种车辆应用中的应用范围，并对所应用的基于 Koopman 算子的算法类型进行了详细分类。此外，这篇评论论文讨论了 Koopman 算子理论的理论方面，这些理论方面在很大程度上被智能移动和车辆工程界忽视，但在解决这些领域的未解决问题方面具有巨大的潜力。
鱼类和贝类免疫学
肠道是在大西洋鲑鱼免疫系统中起重要作用的屏障器官。免疫功能分布在含有多种免疫细胞和其他细胞类型的弥漫性肠道淋巴组织中。将肠道转录组与其他器官和组织的转录组进行比较，提供了op or的性能，以阐明肠道的特定作用及其与身体其他部位的关系。在这项工作中，对使用全基因组DNA寡核断裂片微阵列获得的大量数据进行了荟萃分析。肠子以脾脏和头肾后的免疫基因表达水平排名第三。抗原表现和先天抗病毒免疫的活性在肠道中高于任何其他组织。通过比较转录组曲线，肠显示了与g，头肾，脾，表皮和嗅觉玫瑰花结（降序）的最大相似性，这强调了Pe Ripheral粘膜系统的完整性及其与主要淋巴机构的牢固连接。t细胞特异性基因在这些组织中共表达的基因中占主导地位。CD8 +（86个基因，r> 0.9）的转录特征包括免疫耐受性foxp3的主基因和其他负调节剂。在一个单独的实验中比较了睾丸中不同段的不同段，其中在几个基因的官能团中发现了沿着肠道的表达梯度。在幽门肠和远端肠道中，腔内和细胞内（溶酶体）蛋白酶的表达明显更高。类固醇代谢和细胞色素P450在幽门肠和肠中高度表达，而远端肠道具有与维生素和铁代谢有关的远端基因。抗原呈现蛋白质和免疫球蛋白的基因表达表现出向远端肠的逐渐增加。
了解大脑中的电和化学传播
在1960年代引入了啮齿动物中枢神经系统（CNS）中多巴胺（DA），去甲肾上腺素（Na）和5-羟色胺定位的组织化学法。它支持中枢神经系统中化学神经传递的存在。下脑茎中的单胺神经元向脑脑，依伯龙和单胺的降序系统形成了单突触的升序系统。单胺是在建议通过中枢神经系统中的突触化学传输来进行的。这种化学传播降低了电气传输的影响。在1969年和1970年代的指示中表明，中枢神经系统中的化学单胺通信的重要模式也通过突触外流体，细胞外流体以及涉及DA，Na和na和羟色胺等跨发司的流动和流动的大脑脑脊液中的长距离通信进行。在1986年，这种传播被Agnati和Fuxe及其同事命名为体积传输（VT），其特征在于发射机静脉曲张和受体不匹配。短距离和长距离VT途径的特征是体积分数，曲折和清除率。哺乳动物中枢神经系统中也存在电气传播，但化学传递处于主导地位。一种电气模式由缝隙连接形成的电突触表示，这些突触代表神经细胞之间的低耐药通道。与化学传播相比，它允许神经细胞之间的动作电位更快。第二种模式基于突触电流生成电场调节化学传输的能力。一个目的是了解如何与电气传输集成到化学传输以及星形胶质细胞中假定的（Aquaporin Water通道，多巴胺D2R和腺苷A2AR）配合物如何显着参与从Glymphatic System中清除废物的清除。vt也可能有助于完成针灸子午线对中药必不可少的操作，鉴于所指出的细胞外VT途径的存在。
自身免疫性疾病和炎症性疾病的靶向治疗共同发展：系统性再利用分析
摘要背景：不同的自身免疫和炎症疾病 (AID) 之间在很大程度上共享致病性炎症途径。这为开发针对几种 AID 的特定靶向疗法提供了潜力。方法：我们分析了两个临床试验注册中心 (ClinicalTrials.gov 和 EU 临床试验注册中心)，以通过深入的再利用分析确定至少两种最常见的 AID [类风湿性关节炎 (RA)、脊柱关节炎 (SpA)、皮肤银屑病 (cPso)、炎症性肠病 (IBD)、系统性红斑狼疮 (SLE)、原发性干燥综合征 (pSS)、系统性硬化症 (SSc)、特发性炎症性肌病 (IIM)、巨细胞动脉炎 (GCA) 和多发性硬化症 (MS)] 之间共享的靶向疗法。结果：我们确定了 142 种共同的靶向疗法。共用靶向治疗最多的四种疾病是 RA ( n = 92)、cPso ( n = 67)、IBD ( n = 58) 和 SLE ( n = 56)。靶向治疗重叠最重要的两组疾病是 RA 和 SLE 以及 RA、SpA、cPso 和 IBD。五种或五种以上疾病共用的靶向治疗是阿巴西普、乌司他单抗、利妥昔单抗、阿那白滞素、依那西普、英夫利昔单抗、苏金单抗、托法替尼、阿仑单抗、托珠单抗、阿达木单抗、阿普斯特、巴瑞替尼、贝利木单抗、布罗达单抗、非戈替尼和乌帕替尼。最常靶向的分子和通路为（按频率降序排列）：JAK-STAT 通路、Th17 轴、TNF-α、IL-6、共刺激分子、BAFF、CD20、BTK、趋化因子和整合素、IL-1 和 I 型干扰素。结论：多种靶向疗法是在多种艾滋病中开发的，反映了致病途径的重叠和药物再利用的潜力。这表明，对当前基于临床的艾滋病分类进行修订，使其更基于机制的分类可能是有意义的。
使用人工智能对胸部 X 光检查工作列表进行优先级排序：临床工作流程模拟
摘要 目的 旨在评估人工智能 (AI) 的智能工作列表优先级排序是否能够优化放射学工作流程并减少胸部 X 光片 (CXR) 中关键发现的报告周转时间 (RTAT)。此外，我们研究了一种方法以抵消 AI 的假阴性预测的影响——由于 CXR 被排在工作列表的末尾，这会导致 RTAT 非常长且危险。 方法 我们开发了一个模拟框架，通过结合医院特定的 CXR 生成率和报告率以及病理分布来模拟大学医院的当前工作流程。利用这个框架，我们模拟了标准工作列表处理“先进先出”(FIFO)，并将其与基于紧急程度的工作列表优先级排序进行了比较。检查优先级排序由 AI 执行，将八种不同的病理发现按紧急程度降序排列：气胸、胸腔积液、浸润、充血、肺不张、心脏扩大、肿块和异物。此外，我们引入了最长等待时间的上限，超过此上限后，将为检查分配最高紧急程度。结果与 FIFO 模拟相比，所有优先级模拟中所有关键发现的平均 RTAT 均显着减少（例如，气胸：35.6 分钟 vs. 80.1 分钟；p < 0.0001），而大多数发现的最大 RTAT 同时增加（例如，气胸：1293 分钟 vs. 890 分钟；p < 0.0001）。我们的“上限”大大降低了所有类别的最大 RTAT（例如，气胸：979 分钟 vs. 1293 分钟/1178 分钟；p < 0.0001）。结论我们的模拟表明，AI 的智能工作列表优先级排序可以降低 CXR 中关键发现的平均 RTAT，同时保持较小的 FIFO 最大 RTAT。要点 • 基于医院经验数据开发逼真的临床工作流程模拟器，可使用人工智能精确评估智能工作列表优先级。 • 使用没有最大等待时间阈值的智能工作列表优先级可能会产生人工智能的假阴性预测风险，从而大大增加报告周转时间。 • 使用最先进的卷积神经网络可以将平均报告周转时间缩短到几乎完美分类算法的上限（例如，气胸：35.6 分钟 vs. 30.4 分钟）。
智能供应链可以带来敏捷性和弹性，以提高可持续业务绩效吗？
抽象目的 - 在这个动荡的和竞争激烈的市场中，需要使供应链可行，这可以通过数字化成为可能。这项研究是为了探索工业4.0，智能供应链，供应链敏捷性和供应量的作用。设计/方法/方法 - 研究使用基于协方差的结构方程建模对提出的模型进行了测试，并分别使用AMOS和SPSS中的人工神经网络方法进一步研究了每个构建体的排名。使用目的抽样选出的共有234名受访者有助于捕获英国供应链的行业实践。进行了完整的共线性测试，以研究常见方法偏差，并使用项目内容有效性指数和规模内容有效性指数进行了内容有效性。在SPSS和AMOS v.23中进行了构建体和调解研究的收敛性和判别有效性。发现 - 结果公开推断了工业4.0实践对创建智能和最终可持续供应链的重大影响。通过智能供应链在行业4.0和供应链敏捷性之间建立了部分关系。这项工作从经验上恢复了绿色实践，行业4.0，智能供应链，供应链敏捷性和供应链弹性对可持续业务价值的综合意义。该研究还使用ANN方法来确定在SEM分析中发现的每个重要变量的相对重要性。ANN确定重要变量之间的排名，即供应链弹性>绿色实践>行业4.0>智能供应链>供应链敏捷性以降序呈现。原创性/价值 - 这项研究是为了确定数字化在SCS中的作用而在获得可持续业务价值方面的作用的新颖尝试，为供应链敏捷性，供应链弹性和智能供应链的中介作用提供了经验支持，并体现了一个重要的集成框架。这项工作增强了迄今为止在先前文献中构建中所有构建体中所有构造的综合模型。关键字绿色实践（GP），行业4.0（I4.0），智能供应链（SMSC），智能供应链（ISC），互连供应链（ICSC），供应链敏捷性（SCA），供应链恢复能力（SCR），可持续的业务绩效（SBP），基于自然资源的纸张类型（NRBV），自然研究（NRBV），人工神经研究（NRBV）
已发布版本的引用 (APA)：Ploug, T.、Sundby, A.、Moeslund, TB 和 Holm, S. (2021)。人口对医疗保健领域人工智能性能和可解释性的偏好：基于选择的联合调查。医学互联网研究杂志，23 (12)，文章 e26611。https://doi.org/10.2196/26611
背景：某些类型的人工智能 (AI)，即深度学习模型，在某些领域可以胜过医疗保健专业人员。此类模型对改善诊断、治疗和预防以及提高医疗保健成本效益具有巨大潜力。然而，它们是不透明的，因为它们的确切推理无法完全解释。不同的利益相关者强调了人工智能决策透明度/可解释性的重要性。透明度/可解释性可能会以牺牲性能为代价。需要制定一项公共政策来规范人工智能在医疗保健中的使用，以平衡社会对高性能和透明度/可解释性的利益。公共政策应该考虑公众对人工智能这些特征的广泛兴趣。目标：本研究调查了公众对人工智能决策在医疗保健中的表现和可解释性的偏好，并确定这些偏好是否取决于受访者的特征，包括对健康和技术的信任以及对人工智能的恐惧和希望。方法：我们在丹麦成年人口代表样本中进行了一项基于选择的联合调查，调查公众对医疗保健领域人工智能决策属性的偏好。初步焦点小组访谈得出了 6 个属性，这些属性影响了受访者对医疗保健领域使用人工智能决策支持的看法：（1）人工智能决策的类型，（2）解释水平，（3）性能/准确性，（4）最终决策的责任，（5）歧视的可能性，以及（6）应用人工智能的疾病的严重程度。总共使用部分因子设计开发了 100 个独特的选择集。在一项包含 12 个任务的调查中，受访者被问及他们对医院使用人工智能系统的偏好，涉及 3 种不同的场景。结果：在 1678 名潜在受访者中，有 1027 人（61.2%）参与了调查。受访者认为医生对治疗决策负有最终责任是最重要的属性，占总属性权重的 46.8%，其次是决策的可解释性（27.3%）和系统是否经过歧视测试（14.8%）。其他因素，例如性别、年龄、教育水平、受访者居住在农村还是城镇、受访者对健康和技术的信任以及受访者对人工智能的恐惧和希望，在大多数情况下并不发挥重要作用。结论：对公众最重要的三个因素按重要性降序排列为：（1）医生最终负责诊断和治疗计划，（2）人工智能决策支持是可解释的，以及（3）人工智能系统已经过歧视测试。关于医疗保健领域人工智能系统使用的公共政策应优先考虑此类人工智能系统的使用，并确保向患者提供信息。