XiaoMi-AI文件搜索系统
World File Search System关键字
流体力学杂志 - 关键字列表
Convection in porous media Double diffusive convection Buoyancy-driven instability Marangoni convection Moist convection Plumes/thermals Drops and Bubbles Aerosols/atomization Boiling Breakup/coalescence Bubble dynamics Cavitation Drops Electrohydrodynamic effects Sonoluminescence Thermocapillarity Flow Control Control theory Drag reduction Instability control Mixing enhancement Geophysical and Geological Flows Air/sea interactions Atmospheric flows Baroclinic flows Coastal engineering Geodynamo Geostrophic turbulence Geothermal flows Gravity currents Hydraulic control Ice sheets Internal waves Magma and lava flow Mantle convection Meteorology Oceanography Ocean circulation Ocean processes Quasi-geostrophic flows River dynamics Rotating flows Sediment transport Sea ice Shallow water flows Stratified flows Topographic effects Waves in rotating fluids Granular media Avalanches粘性沉积物
可持续发展目标研究和科学出版物的关键字准则
背景2型糖尿病（T2DM）是一种慢性疾病之一，在包括印度尼西亚在内的全球关注。健康的生活方式是糖尿病治疗的一部分，可以达到最高的健康状况并预防糖尿病并发症。目的：本研究旨在检查基于社区和同伴支持的健康生活方式计划（CP-HELP）对T2DM患者的自我护理行为和禁食血糖的影响。方法：研究设计使用了准实验前和测试后设计。163个T2DM的参与者分为两组，83名参与者作为干预组进行了CP-HELP干预，并给予80名参与者作为对照组。测量自我护理行为使用的糖尿病自我管理问卷（DSMQ）。此外，通过毛细血管血液测试测量空腹血糖的测量。这项研究使用了配对t检验和方差的多变量分析。结果：在小组干预和控制中都发生了自我保健行为的平均值的增加。干预组的测试和测试后的显着差异（p = 0.000）。对照组中使用配对t检验的统计测试的结果没有显着差异（p = 0.249）。仅在干预组中发生空腹血糖的改善（p = 0.020）。在两个结果中都显示了多元统计测试的结果，其显着值小于0.05，自我保健行为（p = 0.010），禁食血糖（p = 0.042）。结论：CP-帮助可能是一种有希望的干预策略，可以改善T2DM患者的自我保健行为和改善空腹血糖。研究结果可用作改善2型糖尿病患者自我保健行为和空腹血糖的重要参考。
Jharkhand Green Energy Cess Act，2021年第6号法案，共2021号关键字：CESS，圈养发电厂，单位免责声明：此文件
Jharkhand Green Energy Cess Act，2021年法案6 of 2021关键字：CESS，圈养发电厂，单位免责声明：PRS立法研究（PRS）向您提供了此文件。本文档的内容已从PRS认为是可靠的消息来源获得。这些内容尚未得到独立验证，而PRS对准确性，完整性或正确性没有任何代表或保证。在某些情况下，可能无法提供《主要法》和/或修正案。本金法案可能会或可能不包括后续修正案。有关权威文本，请联系有关的国家部门，或参考最新的政府出版物或公报通知。任何使用此材料的人都应在本文档中包含的任何信息之前采取自己的专业和法律建议。PR或与之相关的任何人不接受使用本文档所产生的任何责任。PR或与之相关的任何人不得以任何根据本文件所采取的措施或未采取的措施对任何人负责任何损失，损害或困扰。
用于在线算法的带缓冲模型的量子请求-回答游戏。最常见关键字问题的应用
摘要 我们将在线算法视为一个请求-回答游戏。一个对手生成输入请求，一个在线算法进行回答。我们考虑该游戏的一个广义版本，它具有有限大小的缓冲区。对手将数据加载到缓冲区，算法随机访问缓冲区的元素。我们考虑该模型的量子和经典（确定性或随机性）算法。在本文中，我们提供了一个特定问题（最频繁关键字问题）和一个量子算法，该算法在竞争比方面比任何经典（确定性或随机性）算法都更好。同时，对于该问题，标准模型中的经典在线算法等同于带缓冲区的请求-回答游戏模型中的经典算法。
微博事件检测中用于联合关键字发现和期望估计的人机循环方法
诸如 Twitter 之类的微博平台越来越多地用于事件检测。现有方法主要使用机器学习模型并依靠与事件相关的关键字来收集模型训练的数据。这些方法对包含关键字的相关微博的分布做出了强有力的假设（称为分布的期望），并将其用作模型训练期间的后验正则化参数。然而，这些方法受到限制，因为它们无法可靠地估计关键字的信息量及其对模型训练的期望。本文介绍了一种人机循环方法，在估计其期望的同时共同发现用于模型训练的信息丰富的关键字。我们的方法迭代地利用人群来估计特定于关键字的期望以及人群与模型之间的分歧，以发现对模型训练最有益的新关键字。这些关键词及其期望不仅提高了最终的性能，而且使模型训练过程更加透明。我们在多个真实数据集上通过经验证明了我们的方法在准确性和可解释性方面的优点，并表明我们的方法将现有技术提高了 24.3%。
通过人工智能技术预测学业成绩 Omar D. Castrillón、William Sarache 和 Santiago Ruiz-Herrera 哥伦比亚国立大学 - 马尼萨莱斯校区，工程与建筑学院，工业工程系，创新与技术发展组，Q 区拉努比亚校区，马尼萨莱斯，170001 - 哥伦比亚。 （电子邮件：odcastrillong@unal.edu.co；wasarachec@unal.edu.co；sruizhe@unal.edu.co） 五月收到。 9，2019； 2019 年 7 月 8 日接受；最终版本 2019 年 8 月 12 日，2020 年 2 月发布 摘要 本文的目的是利用人工智能技术（分类器）根据各种影响因素预测高等教育学生的学业成绩。尽管对这些因素的研究已从定量和定性方法进行了广泛的分析，但仍然提供了使用人工智能提供的工具进行研究的机会，特别是在预测学业成绩方面。通过定义的因素（教育、家庭、社会经济、习惯和风俗等），设计了一种方法，可以训练一个系统，该系统能够预先将新生分类到五个预定的学业成绩类别之一中。这种分类可以让教育机构提前识别出可能存在学业成绩问题的学生。由此，可以部署立即的支持和缓解行动。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键词：学业成绩；人工智能;分类器；成功；使用人工智能技术预测学业成绩摘要本文的目的是通过应用人工智能技术（分类器）来预测高等教育学生的学业成绩，考虑几个影响因素。尽管这些因素已从定量和定性方法进行了广泛的分析，但它们仍然代表了使用人工智能工具的研究机会，特别是在学业成绩预测方面。通过定义影响因素（教育、家庭背景、社会经济、习惯和风俗等），设计了一种方法，以训练一个系统，该系统能够预先将新生分类为五个学业成绩类别之一。这种分类使教育机构能够尽早发现可能存在学业成绩问题的学生。根据这些了解，该机构可以立即采取缓解措施。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键字：学业成绩；人工智能；分类器；成功；预测
通过人工智能技术预测学业成绩 Omar D. Castrillón、William Sarache 和 Santiago Ruiz-Herrera 哥伦比亚国立大学 - 马尼萨莱斯校区，工程与建筑学院，工业工程系，创新与技术发展组，Q 区拉努比亚校区，马尼萨莱斯，170001 - 哥伦比亚。 （电子邮件：odcastrillong@unal.edu.co；wasarachec@unal.edu.co；sruizhe@unal.edu.co） 五月收到。 9，2019； 2019 年 7 月 8 日接受；最终版本 2019 年 8 月 12 日，2020 年 2 月发布 摘要 本文的目的是利用人工智能技术（分类器）根据各种影响因素预测高等教育学生的学业成绩。尽管对这些因素的研究已从定量和定性方法进行了广泛的分析，但仍然提供了使用人工智能提供的工具进行研究的机会，特别是在预测学业成绩方面。通过定义的因素（教育、家庭、社会经济、习惯和风俗等），设计了一种方法，可以训练一个系统，该系统能够预先将新生分类到五个预定的学业成绩类别之一中。这种分类可以让教育机构提前识别出可能存在学业成绩问题的学生。由此，可以部署立即的支持和缓解行动。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键词：学业成绩；人工智能;分类器；成功；使用人工智能技术预测学业成绩摘要本文的目的是通过应用人工智能技术（分类器）来预测高等教育学生的学业成绩，考虑几个影响因素。尽管这些因素已从定量和定性方法进行了广泛的分析，但它们仍然代表了使用人工智能工具的研究机会，特别是在学业成绩预测方面。通过定义影响因素（教育、家庭背景、社会经济、习惯和风俗等），设计了一种方法，以训练一个系统，该系统能够预先将新生分类为五个学业成绩类别之一。这种分类使教育机构能够尽早发现可能存在学业成绩问题的学生。根据这些了解，该机构可以立即采取缓解措施。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键字：学业成绩；人工智能；分类器；成功；预测
这是描述研究人员的关键字列表 - Science Atlas
社会科学................................................................................................................................ 242