多特征基因组关联研究的自适应鲁棒方法 摘要： 过去十年间的基因组关联研究(GWAS)已识别出数千种与人类性状或疾病相关的遗传变异。然而，许多性状的遗传度仍未能完全解释。传统的单一性状分析方法过于保守，而多性状方法通过整合多个性状的关联证据来提高统计力。GWAS总结性统计数据通常是公开可获取的，因此只使用总结性统计的方法具有更大的使用前景。为了解决已开发的多性状分析方法中存在的不一致表现、计算效率低、并且在考虑大量性状时出现数字问题，我们提出了一种自适应Fisher方法用于总结性统计的多性状分析(MTAFS)，这是一种计算效率高并且统计力鲁棒的方法。 研究背景： 基因组关联研究(GWAS)在遗传变异与复杂疾病之间的相关性研究中发挥了重要作用。然而，当一个遗传变异与多个性状相关时，采用单一性状分...

基于贝叶斯张量建模的阿尔茨海默病影像分类 引言 神经影像学研究是当代神经科学的重要组成部分，极大地丰富了我们对大脑结构和功能的认识。通过这些非侵入性的视觉化技术，研究人员可以更精确地预测某些神经和精神疾病的风险，进而在早期阶段进行干预和治疗，从而改善患者的健康和生活质量。特别是在阿尔茨海默病（Alzheimer’s Disease，以下简称AD）的研究中，神经影像学提供了宝贵的病理机制见解，能跟踪病情进展，识别早期症状并区分其他导致痴呆的原因。 然而，在处理神经影像数据时会面临多个重大挑战，例如数据空间依赖性、高维度及噪声，并且往往难以在异构条件下识别合适的神经生物标志物。为了应对这些复杂的影像数据问题，研究者提出了多种统计和机器学习方法，其中包括基于影像特征的分类模型。 尽管现有的方法有着...

口罩的有效性与人群覆盖率的关系 背景与研究动机 新冠肺炎（COVID-19）大流行期间，非药物干预措施（NPIs）如社交距离、佩戴口罩和检测-追踪-隔离策略被广泛应用于控制病毒传播。尽管有大量实证研究表明这些措施确实有效控制了病毒的传播，但对于这些措施的具体定量效果，学术界尚未达成一致。有效性的异质性可以通过许多情景因素来解释，例如地理、文化、社会经济和医护行为等。 社会行为学研究表明，个人对NPIs的坚持会随时间显著变化，即使没有正式的政策变动，保护行为如佩戴口罩的接受程度也会下降。特别是在疫苗开始广泛接种和Omicron变种成为主导之后，许多国家放宽或取消了口罩义务。值得注意的是，个人行为和态度往往在社会网络中聚集，这种同质性更是强化了在疫情期间的口罩佩戴行为。 研究来源与作者信息 本研...

肿瘤生长数学模型研究——利用纵向磁共振成像探究胶质瘤的扩展 近日发表在《IEEE Transactions on Biomedical Engineering》上的一篇文章，对胶质瘤（glioma）的数学建模及生长规律进行了系统性研究。该研究由Birkan Tunç、David A. Hormuth II、George Biros和Thomas E. Yankeelov完成，主要通过纵向磁共振成像（MRI）数据评估三种不同数学模型在模拟肿瘤生长以及质量效应（mass effect）中的性能差异。 研究背景 胶质母细胞瘤（glioblastoma multiforme, GBM）是最常见的原发性脑肿瘤，患者预后较差。GBM一个显著的特征是对周围脑组织的严重变形效应，即“质量效应”，目前已有大量...

长基线量子传感器网络作为暗物质光子探测仪 学术背景 超轻暗光子（dark photons）作为暗物质的重要候选者之一，得到了广泛的理论和实验关注。根据动能混合机制（kinetic mixing mechanism），当暗光子与标准模型光子耦合时，会产生相干的电磁波，并且这种波应在暗光子的德布罗意波长范围内具有空间相关性。然而，尽管过去八十年来天体物理方面提供了丰富的暗物质存在证据，但其与标准模型粒子和场之间的非引力相互作用的直接探测仍未取得突破。为了应对这一挑战，提出了许多理论，其中一些理论预言了新的基础粒子的存在，如轴子（axions）和暗光子。 来源 这篇论文名为《Long-baseline quantum sensor network as dark matter haloscope》...

学术新闻报道 在《Neuroimage》2024年第285卷中，发表了一篇名为《bridging stories and science: an fnirs-based hyperscanning investigation into child learning in stem》的文章，这篇文章由Juan Zhang等人共同撰写，研究团队来自澳门大学教育学院、健康科学学院以及认知与脑科学中心。本文的在线版于2023年12月8日发布。研究主要通过功能近红外光谱（fNIRS）技术，探索不同的STEM（科学、技术、工程、数学）教学方法（传统教学、故事教学和故事板教学）对教师和学生神经活动同步化的影响。 研究背景 STEM教育在早期学习阶段至关重要。科学家们一直在努力寻找更加有效的STEM教学方法...

学术报告：先进最优跟踪结合神经网络评价技术用于非对称约束零和博弈 背景与研究问题 在现代控制领域，博弈论是研究智能决策者之间竞争与合作的数学模型，其中涉及至少两个玩家的互动决策问题。近年来，微分博弈在控制领域引起了越来越多的关注。当我们面对复杂受扰动系统的最优控制问题时，通常将其视为零和博弈（Zero-Sum Game, ZSG）。如果某系统的控制问题涉及多种控制策略且无扰动时，则被称为非零和博弈（Non-ZSG）。然而，由于真实系统中常存在各种扰动，因此进一步考虑ZSG问题以减轻扰动对系统性能的影响非常重要。 尤其在连续时间（Continuous-Time, CT）非线性系统中，传统动态规划方法尽管非常有价值，但在解决非线性最优控制问题时，常因为维数灾难（Curse of Dimensio...

论文背景与研究目的 强化学习（Reinforcement Learning，RL）近年来已成为人工智能领域中一个充满活力且具有变革性的领域，其目标是通过智能体与环境的交互，实现最大化累积奖励的能力。然而，RL的应用在实际中面临着优化贝尔曼误差（Bellman Error）的挑战。这种误差在深度Q学习及相关算法中尤为关键，传统方法主要使用均方贝尔曼误差（Mean-Squared Bellman Error, MSELoss）作为标配损失函数。然而，认为贝尔曼误差服从正态分布的假设可能过于简化了RL应用中的复杂特性。正因为此，本文重新审视了RL训练中贝尔曼误差的分布，发现其更倾向于服从逻辑分布（Logistic Distribution）。 论文来源与作者介绍 本篇论文题目为”Modeling ...

在数据获取技术的不断发展下，获取大量包含多种特征的高维数据已经变得十分容易，比如图像、视觉等。然而，传统的机器学习方法尤其是基于向量和矩阵的方法，面临着维度灾难、计算复杂度增加以及模型过拟合等挑战。为了解决这些问题，张量作为一种多维数组表示方式，比向量和矩阵更具灵活性，能够更好地处理高维数据。因此，基于张量的机器学习方法逐渐成为学术研究的焦点。 支持张量机 (Support Tensor Machine, STM) 是一种有效的张量分类策略，受到支持向量机 (Support Vector Machine, SVM) 和交替投影技术以及多线性代数操作的启发。STM 旨在处理复杂的张量数据，通过寻找具有最大间隔的两类分类超平面，在分类任务中表现出优异的性能。尽管最近基于不同张量分解方法的一系列改...

耦合神经网络间歇性随机扰动下的快速同步控制及加密解密应用 一、背景及研究动机 近年来，神经网络被广泛应用于各种领域，包括数据分类、图像识别及组合优化问题等。在神经网络结构和性能方面，可以将其分为确定性神经网络和随机性神经网络。许多研究表明，加入噪声扰动的随机神经网络展示出比确定性神经网络更好的动态特性，即通过构建具有随机扰动的网络，可以更真实地模拟实际神经网络的模型。然而，当前大多数神经网络的研究主要集中在全时扰动模型上，尽管实际生活中更多的是间歇性随机扰动现象。 二、论文来源 这篇名为《Fast synchronization control and application for encryption-decryption of coupled neural networks with ...