XiaoMi-AI文件搜索系统
World File Search System预测方法
探索病毒式伪notted RNA结构的从头算预测方法的准确性：回顾性队列研究
背景：第三级RNA结构的预测对医学领域（例如Messenger RNA [mRNA]疫苗，基因组编辑）和病毒转录物的探索很重要。尽管存在许多RNA折叠软件程序，但很少有研究仅将其关注的源头简化为病毒式Pseudoknotted RNA。这些调控假诺在基因组复制，基因表达和蛋白质合成中起作用。目的：本研究的目的是探索5个RNA折叠引擎，该发动机用于计算最低自由能（MFE）或最大期望准确性（MEA），当应用于先前使用诱变，序列比较，结构探测，结构探测，或核磁共振（NMR）的特定病毒式Pseudoknotted RNA。方法：对本研究中使用的折叠发动机进行了26次实验得出的短伪序列（20-150 nt），使用在测试软件预测准确性时很常见的指标：百分比误差，平均平方误差（MSE），敏感性，敏感性，敏感性，积极的预测值（PPV），Youden的INDEX（Youden's Intex（j）和f 1-score。本研究中使用的数据集来自包含398个RNA的pseudobase ++数据库，该数据库使用PRISMA（系统审查和荟萃分析的首选报告项目）的一组包含和排除标准进行了评估。在Mathews的参数之后，给定RNA序列内的基本配对被认为是正确或不正确的。结果：本文与以前的软件的迭代相比，与较旧的折叠引擎相比，RNA预测引擎具有更高的精度，例如PKISS。本文还报道说，当使用诸如F 1 -SCORE和PPV等指标评估时，MEA折叠软件并不总是以预测准确性的MFE折叠软件，而当应用于病毒式PseudokNotted RNA时。此外，结果表明，如果不应用辅助参数，例如Mg 2+结合，悬挂式最终选项和发夹型惩罚，则热力学模型参数将无法确保准确性。结论：这是将一套RNA折叠发动机套件应用于仅包含病毒式伪KNOTED RNA的数据集的首次尝试。本文报道的观察结果突出了不同的从头算预测方法之间的质量，同时实施了这样一种想法，即对更有效的RNA筛选更有效地了解细胞内热力学是必要的。
基于随机滤波方法的储能元件剩余使用寿命预测综述
摘要：锂离子电池是一种绿色环保的储能元件，因其能量密度高、循环性能好而成为储能的首选。锂离子电池在充放电循环过程中会发生不可逆过程，造成电池容量的不断衰减，最终导致电池失效，准确的剩余使用寿命（RUL）预测技术对储能元件的安全使用和维护具有重要意义。本文综述了国内外储能元件RUL预测方法的研究进展。首先明确储能元件的失效机理，然后总结以锂离子电池为代表的储能元件RUL预测方法；其次，分析了基于卡尔曼滤波和粒子滤波的数据-模型融合方法在锂离子电池RUL预测中的应用，并讨论了储能元件RUL预测面临的问题及未来的研究展望。
学习差异方程式具有结构化语法进化的餐后血症预测
结果表明，我们的建议提供了可解释的解决方案，而无需牺牲预测准确性或安全性，并提供了一种有希望的糖尿病管理葡萄糖预测方法，可以平衡准确性，安全性，可解释性和计算效率。
利用人工智能开发防灾模拟技术
1. 一琴、樱庭：利用多点观测信息的深度神经网络提高河流水位预测精度，河流工程学报，第23卷，2017年5月。 2. 一琴、樱庭：结合深度神经网络和分布式模型的混合河流水位预测方法，日本土木工程学会学报（B1），2017年3月。 3. 一琴、樱庭：应用深度学习提高神经网络洪水预测精度，河流工程学报，第22卷，2016年4月。 4. 一琴、樱庭、清：应用深度学习的河流水位预测方法的开发，日本土木工程学会学报（B1），2015年9月。 水利工程论文奖
人工智能技术在非常规领域的应用
提高非常规天然气产量预测速度和准确性是科学高效开发非常规资源的关键。现有的基于传递机制的预测方法对模型进行了假设和简化，难以全面准确地评估产能主控因素，导致产量预测误差较大。本文提出了一种基于人工智能（AI）和数据挖掘技术的非常规天然气井产能预测方法。利用皮尔逊相关系数和灰色关联分析筛选出主控因素，通过训练和比较多种常用的机器学习方法，优选出最佳产量智能预测模型。本文以加拿大阿尔伯塔省致密气田为例，说明该方法的有效性和实用性。
化学科学-RSC出版
自动反应网络预测可以阐明关键反应机制，预测反应结果，并指导催化剂设计以提高有价值产品的产量。1 - 3与基于编码反应类型的传统网络探索算法不同，自动反应预测方法可以发现意外的反应机械和新的反应类型，而对启发式规则的使用有限。4,5自动反应预测的使用是广泛的，并已成功应用于研究领域，例如生物量转化，6种燃烧化学，7 - 9和杂核催化。10 - 13然而，大规模自动反应预测方法的主要瓶颈是在原子势能表面（PES）上定位过渡态（TSS）的成本。即使已经开发了各种算法
引文 (APA) Rainey, S. (2024)。未来神经技术伦理法律影响的预测方法。科学与工程伦理，30(
摘要 本文为建议将想象的未来用例纳入神经技术开发过程提供了合理的理由，特别是出于法律和政策目的。包括对神经技术未来应用的详细想象性参与，有助于将可能因将大脑刺激研究转化为公共消费者领域而产生的伦理、法律和政策问题联系起来。未来主义学者一段时间以来一直建议将创造性艺术与科学发展相结合的方法，以便理论化当前技术发展趋势可能走向的未来。在神经技术背景下采取这种创造性、富有想象力的方法可以帮助开发过程超越对设备功能、安全性和现有法规合规性的考虑，并积极参与神经技术本身的出现所带来的潜在未来动态。想象的场景可以与可能挑战法律或政策环境的设备潜在消费者用途相关。一种预期的、创造性的方法可以想象这些用途可能包括什么，以及它们可能意味着什么。证明这种方法的合理性也促使人们从共同责任的角度来制定技术背景下的政策。总的来说，这提供了一种神经技术出现的模式，可以避免伦理法律问题方面的信任危机，并促进在知识、价值观、受保护的创新潜力和监管保障之间取得平衡的政策反应。