XiaoMi-AI文件搜索系统
World File Search System扎德
阿扎德·库马尔博士 - Darshan 出版社
Azad Kumar 博士目前担任 M.L.K (P.G.) 化学系助理教授学院，巴尔拉姆普尔。Kumar 博士获得理学学士学位。荣誉学位 (2007)、理学硕士学位。学位 (2009)、哲学硕士学位。化学学位 (2010)，Dayalbagh 教育学院，Dayalbagh Agra，博士学位。化学学位 (2018)，Babasaheb Bhimrao Ambedkar 大学（中央大学），勒克瑙。Kumar 博士也是多个科学协会的成员。他的研究和教学兴趣包括纳米材料合成的理论和应用及其应用、混合复合材料、光催化剂和聚合物。Kumar 博士在同行评审期刊以及国际和国家期刊上发表了 20 篇研究论文。Kumar 博士是一些国际期刊的编辑成员。Kumar 博士也是
博士阿拉什·麦迪扎德
以及对用于支架应用的可回弹远程可调管腔支架的体外评估。新型管腔支架采用 MEMS 技术开发，除了传统的血管成形术球囊扩张外，还能够采用替代远程致动机制。- 研究助理（2011 年 5 月 - 2012 年 1 月），微系统访问学者
伊斯兰阿扎德大学阿利亚·卡图尔分公司电气工程系，伊朗阿利亚亚·卡托尔（Aliabad Katoul）（1,2,3）OrcID：1。0000-0001-7004-3311; 2。技术科学学院，普里斯蒂纳大学的科索夫斯卡大学米特罗维卡，knjazaMiloša7，38220 Kosovska Mitrovica，塞尔维亚（1），MB University，DEP
技术科学学院，普里斯蒂纳大学的科索夫斯卡米特罗维卡大学，KnjazaMiloša7，38220 Kosovska Mitrovica，塞尔维亚，塞尔维亚（1），MB大学，信息技术系，Prote Mateje Br。21，11111 Beograd，塞尔维亚（2）OrcID：1.0000-0002-6557-4553; 2.0000-0002-1492-7638; 3.0000-0002-6867-7259; 4.0000-0002-2240-3420 DOI：10.15199/48.2024.09.55使用机器学习和数字图像处理摘要对电子废物类型进行分类。本文探讨了深度学习和计算机视觉技术在自动分类和检测电子废物（电子废物）中的应用。开发了基于卷积神经网络（CNN）和更快的R-CNN的系统，用于分析电子废物图像并提取有关设备类型和尺寸的信息。该实验是在三个关键电子废物类别的500个现实世界图像的数据集上进行的 - 冰箱，厨房炉灶和电视。结果证明，使用CNN使用R-CNN的92％的分类精度为92％。所获得的数据可以更精确的废物收集计划。主要结论是，深度学习具有改善电子废物管理系统的巨大潜力。Streszczenie。artykuł十BADA ZASTOSOWANIETECHNIKGłęBokiegoUczenia i widzenia komputerowego do automatycznej klasyfikacji i detekcji elektronicznychnychnychnychnychnychnychnychnychodpadów（e-dodpadów）。opracowany zostaje系统oparty na spotowych siecioch sieciach neuronowych（CNN）i szybszym r-cnn做a andaleizyobrazówe-odpadówe-odpadóworaz wydobycia wydobycia wydobycia wydobycia norlakacji norlage o typie typie o typie typie o typie typie t typie imiarachsprzętu。uzyskane daneumoêliwiająbardziejprecyzyjne planowanie zbieraniaodpadów。该实验是在三个关键类别的E Trantpts-Ryfragerators，厨房炉灶和电视的三个关键类别的数据集上进行的。结果显示，使用CNN使用R-CNN的检测精度为92％，结果表现出92％的高分类精度。主要的结论是，深层教学具有改善电子废物管理系统的巨大潜力。（使用机器学习和数字图像处理的电子废物类型的分类）关键词：电子废物，卷积神经网络，计算机视觉，废物分类。关键字：电子废物，编织神经网络，计算机视觉，废物分类。引言电子废物（电子废物）的财产管理正在随着全球干燥废物量增长而变得越来越多。尽管电子垃圾容器高度有价值用于回收利用，但它也可以包含汞，铅和镉等物质。因此，收集，分类和处理电子废物的开发有效系统至关重要。本文研究了使用图像识别技术提高电子快速管理效率的概念。所考虑的系统是基于通过拍摄废物对象获得的视觉数据的分析。目的是通过简单的用户界面来促进电子废物的识别和分类，从而巩固了智能战斗的无处不在和更轻松的互联网访问。这种方法的核心组成部分是深层神经网络，特别是深层卷积神经网络（CNN）的应用，用于图像分析。这种创新的方法使个人可以通过应用程序或服务器将废物对象的照片发送给收集公司，在这种情况下，将使用图像识别技术自动识别废物类型。第一阶段涉及废物类型分类，为此使用深层卷积神经网络。CNN是一种旨在从图像中提取复杂特征的体系结构，并根据某些标准学会区分它们。该技术可以具有很高的准确性对不同的电子废物类别进行可靠的分类。第二个关键组件是更快的区域卷积神经网络（R-CNN），这是图像中的高级对象检测技术。该网络可从电子废物照片中识别设备类别和尺寸估计。将R-CNN集成到系统中，可以对图像中的废物组件进行更详细的了解，这对于成功的废物管理至关重要。研究结果表明，识别和分类所选的电子废物类别的准确性很高，精度为90-97％。这种准确性确认了所提出的方法的效率，并表明其在现实世界中的潜力。管理电子废物正在成为现代社会和经济的组成部分
ANN的SOC估计锂离子电池 orcID：2。0000-0001-7601-7851 3。0000-0003-2784-5022 4.0000-0002-1442-2365 doi：10.15199/48.2024.02.35 iot基于IoT的水表面清洁机器人 politechnikaśląska（1），politechnika lubelska（2）orcid：1。0000-0002-4279-0472; 2。0000-0003-0850-7108doi：10.15199/48.2024.05.43 Perspektywy Roz 伊斯兰阿扎德大学阿利亚·卡图尔分公司电气工程系，伊朗阿利亚亚·卡托尔（Aliabad Katoul）（1,2,3）OrcID：1。0000-0001-7004-3311; 2。 技术科学学院，普里斯蒂纳大学的科索夫斯卡大学米特罗维卡，knjazaMiloša7，38220 Kosovska Mitrovica，塞尔维亚（1），MB University，DEP
电气工程系Tahri Mohamed University，Bechar，Algeria doi：10.15199/48.2024.08.41 ANN ANN方法的SOC估算锂离子电池摘要。充电器或SOC是电动汽车的电池组对汽油量表的类似物。在包括电动汽车（EV）在内的所有电池应用中确定电荷状态至关重要。本文的目标是使用人工神经网络（ANN）估算高容量锂离子电池（LIB）的充电状态（SOC）。这是必要的，因为无法直接测量SOC；取而代之的是，必须使用可测量的电池指标（例如温度，电压和电流）来计算它。可以获得可以在不久的将来预测SOC的准确预测模型。模拟数据集和ANN模型表示同意，表明该模型的强劲性能。Streszczenie。StanNaładowania，Czyli Soc，odpowiednik wskaitnika benzyny w Zestawie akeStawieakumulatoromatorówpojazdu elektrycznego。ustalenie stanunaładowaniaakumulatoromatorówstajesięniezwykle istotne我们wszystkich zastosowaniach，w tym w tym w samochodach elektrycznych（ev）。celem tegoartykułujest wykorzystanie sztucznej sieci sieci neuronowej（ann）do oszacowania stanu stanunaładowania（soc）akumulatora litowo litowo-jonowo o jonowogo om jonowogo opojemności（lib）。开玩笑，poniewaêSocnieMioMnaZmierzyćBezpośrednio； ZamiasttegoNależygoobliczyćNapodstawiemierzalnychparametrówakumulatora，takich jak tempatura，napięcieiprąd。moêliwejest uzyskaniedokładnego模型predykcyjnego，którybędziew stanieprzewidziećsoc wnajbliêszejprzyszłości。SymulowanyZbiórDanychI Model SsnbyłyZgodne，Co wskazuje nawysokąWydajność模型。( Podejście ANN do szacowania SOC baterii litowo-jonowej ) Keywords: Electric Vehicle, State of Charge, Open Circuit Voltage, ANN Słowa kluczowe: Pojazd elektryczny, stan naładowania, napięcie obwodu otwartego, SSN I.简介运输部门正在迅速朝着电动汽车（EV）迈进，这被认为更可靠和高效，并且已经开始在市场上竞争。根据电气化程度，电动汽车包括所有AEV，更多的MEV，PHEVS（插电式混合动力汽车）和HEVS（混合电动汽车）。为电动汽车研发，生产和商业化提供的大量资金来自政府机构，学术机构，商业和公众，以满足对电动汽车的不断增长的需求。电动汽车的规格范围非常广泛。许多技术都是适合的，因为每个应用程序对电动机都有不同的需求[1]。术语“储能系统”（ESS）是指使用机械，化学，电化学和电气方法来存储由各种来源产生的盈余电能的一组设备。尽管每种技术都有自己的优点和缺点，但环境，独立系统运营商，设备制造商，最终用户，监管机构和能源服务提供商都从这些技术中受益。为了尽可能有效地计划存储系统，需要了解两条信息。随着ANN方法的应用，我们的贡献寻求：首先，准确地预测ESS将运行的时间范围内的负载配置文件。第二，使用付费（SOC）估计在计划时间
https://orcid.org/0000-0002-6500-6708管理部阿扎德大学迪拜，阿拉伯联合酋长国
https://orcid.org/0000-0002-6500-6708管理系阿拉伯大学迪拜，阿拉伯联合酋长国h.nozari h.nozari@iau.ac.ae绿色供应链管理，基于编辑Ewa Ziemba接受的所有事物的人工智能管理收到：2024年3月25日|修订：2024年5月23日； 2024年6月4日； 2024年6月7日|接受：2024年6月9日|发布：2024年6月20日。©2024作者。This article is licensed under the Creative Commons Attribution-NonCommercial 4.0 license (https://creativecommons.org/licenses/by-nc/4.0/) Abstract Aim/purpose – This research aims to design an analytical framework to investigate the dimensions, factors, and key indicators affecting the green supply chain based on the innovative technology of Artificial Intelligence of Everything (AIoE).了解这个智能和可持续体系中所有参与者的因果关系也是这项研究的关键目标之一。此外，研究AIOE技术作为一种新的混合技术的关键特征是这项研究最重要的特征之一。设计/方法论/方法 - 这项研究试图通过审查文献并研究研究领域的活跃专家的意见来提取和完善基于技术影响绿色供应链的最关键参数。然后，通过使用焦点组，它已尝试提供一个分析框架，以通过检查AIOE的基本特征来表达该系统中所有参与者的因果关系。最后，使用专家的意见和焦点小组对该框架进行了验证和批准，强调诚信，全面性和有效性。发现 - 这项研究确定了基于人工智能（AI）的智能，绿色和可持续供应链的维度，组成部分和指标。它还提出了一个分析框架，该框架显示了该系统中所有活性参与者的因果关系。研究含义/局限性 - 该研究同时为实施智能和可持续的流程系统提供了重要的见解。但是，重要的是要注意限制。提出该框架的最重要挑战之一是找到具有足够认识，知识和经验和参与者的专家来分析因果关系。
沙赫扎德（Shaz）安萨里 - 简历（PDF）
o 聘请战略与国际商务系助理教授和讲座教授 • 外部大学董事会成员 • 聘用剑桥大学桑德拉道森教授等杰出教授。 董事会和委员会服务（多学科） 1. 《行政科学季刊》编辑委员会成员 2. 《管理学院期刊》编辑委员会成员 3. 《管理学院评论》编辑委员会成员 4. 《战略管理期刊》编辑委员会成员 5. 《组织科学》编辑委员会成员 6. 《管理期刊》编辑委员会成员（已结束服务） 7. 《管理研究期刊》编辑委员会成员 8. 《组织研究》编辑委员会成员 9. 《创新：组织与管理》编辑委员会成员 10. 《组织社会学研究》编辑委员会成员。编辑与 Raghu Guard 和 Arun Kumaraswamy 共同担任《管理研究杂志》特刊：《颠覆时代的管理》特刊 2018 年投稿可访问：https://onlinelibrary.wiley.com/toc/14676486/2018/55/7
纳尔逊·雅乌·扎德
Dzade 博士是一位经验丰富、技术娴熟的计算材料和矿物科学家。他领导着材料和矿物理论小组，该小组专门开发和应用先进的理论方法来揭示固态材料的结构-性能-性能关系。Dzade 当前的研究通常与实验密切合作，重点是开发和使用从头算方法来理解 (i) 表面复杂的异质催化反应机制，(ii) 高度不同材料界面的化学反应动力学和传输过程，例如有机-无机和外延无机界面。他研究的一个重要背景是可再生能源，其中新材料、硫化物、氧化物、钙钛矿、有机物和界面占据突出地位。他是一位熟练的作家和有效的沟通者，具有互动式教学风格，可以促进有效的参与和热情，同时促进学习。组织性强，能够有效地优先考虑和协调多项任务，以创造性和热情完成项目。极其灵活，能够适应新情况和新环境，能够独立工作，并在团队环境中茁壮成长。教育
毛拉纳阿布尔卡拉姆阿扎德科技大学
i) 获得 AICTE/UGC/政府认可的机构颁发的工程学/技术/同等学历学士学位（最短学制：4 年）* ii)。获得 UGC/AICTE/政府认可的机构颁发的理学/技术/同等学历硕士学位* iii)。尚未参加或已经参加[(a) 或 (b)] 中规定的资格学位期末考试的考生，其成绩很可能在发布招聘广告之日起一个月内公布。 *如果学位是由印度以外国家的大学颁发的，则该学位必须得到印度大学协会 (AIU)/英联邦大学/国际大学协会 (IAU)/印度政府任何机构的认可，与相应的印度学位/证书等同。可能还需要 GRE/ TOEFL 成绩。
阿扎德·库马尔博士 - Darshan 出版社
Azad Kumar 博士目前担任 M.L.K (P.G.) 化学系助理教授学院，巴尔拉姆普尔。Kumar 博士获得理学学士学位。荣誉学位 (2007)、理学硕士学位。学位 (2009)、哲学硕士学位。化学学位 (2010)，Dayalbagh 教育学院，Dayalbagh Agra，博士学位。化学学位 (2018)，Babasaheb Bhimrao Ambedkar 大学（中央大学），勒克瑙。Kumar 博士也是多个科学协会的成员。他的研究和教学兴趣包括纳米材料合成的理论和应用及其应用、混合复合材料、光催化剂和聚合物。Kumar 博士在同行评审期刊以及国际和国家期刊上发表了 20 篇研究论文。Kumar 博士是一些国际期刊的编辑成员。Kumar 博士也是
机构及其课程清单（M.Tech/M.Pharm）隶属于西孟加拉邦毛拉纳·阿布尔·卡拉姆·阿扎德技术大学（以前是西孟加拉邦
根据AICTE批准信（由学院在其网络门户网站上收到的AICTE批准信（由AICTE批准的机构的合并清单），2021-22的合并名单，为西孟加拉邦通过电子邮件收到的日期为20.07.2021的电子邮件，从DTE收到的西孟加拉邦收到的已根据AICTE批准信（由学院在其网络门户网站上收到的AICTE批准信（由他们的网络门户网站收到）的摄入量（由其网络门户网站收到）。已根据AICTE批准信（由学院在其网络门户网站上收到的AICTE批准信（由他们的网络门户网站收到）的摄入量（由其网络门户网站收到）。