XiaoMi-AI文件搜索系统
World File Search System改进的
能量桩性能的地面改进的热优化
将地面源热泵系统嵌入混凝土结构（例如桩基础）中，可以节省新建的时间，空间和金钱，同时提供低碳加热和冷却。尽管有许多证明的成功案例，但由于围绕其长期效率和热机械行为的疑问，这些能量堆的采用却很低。使用地面改善优化周围土壤体的热特性提供了一种解决这些效果的解决方案，当受到逼真的热负载时对长期行为的影响知之甚少。这项研究表明，增加的区域的半径和导热率如何对GSHP的热性能产生有益的影响。增加的热导率也有益于长期的热机械行为，但仅在较小的半径下。
在物联网信息安全管理中实施改进的筏共识算法
摘要 - 在物联网快速扩展的背景下，信息安全管理变得尤为重要。响应传统筏共识算法的性能瓶颈，本研究提出了一种改进的木筏算法，该算法结合了密度噪声空间集群算法和投票变化机制，旨在提高大型范围环境中事物系统的互联网互联网效率的数量处理效率和一致性。首先，将密度噪声空间聚类算法添加到传统的筏算法中，以将所有共有节点分配为多个子簇。随后，引入了一种投票变更机制来优化领导力选举过程。最后，使用改进的RAFT算法构建物联网信息安全管理模型。结果表明，改进的筏算法可以在仅9.5分钟的共识交易时间内完成500个客户请求。使用该算法在四个带宽条件下建立的管理模型的对数复制精度分别为0.5Mbps，5Mbps，50Mbps和500Mbps，分别高达0.98、0.99、0.98和0.97。因此，设计的共识算法不仅具有良好的数据处理功能，而且使用该算法构建的模型也可以在实际应用中实现良好的性能。
将改进的麻雀搜索算法应用于移动机器人的路径计划
摘要：路径计划是机器人技术领域的重要研究方向；但是，随着现代科学和技术的发展，对机器人研究领域的有效，稳定和安全的路径规划技术的研究已成为现实的需求。本文介绍了一种改进的麻雀搜索算法（ISSA），并采用了融合策略，以进一步提高解决挑战性任务的能力。首先，用圆形混沌映射初始化了麻雀种群，以增强多样性。第二，在探索阶段使用了北陀螺仪的位置更新公式，以替换安全情况下的Sparrow Search Algorithm的位置更新公式。这改善了发现者模型在解决方案空间中的搜索广度，并优化了解决问题的效率。第三，该算法采用了Lévy飞行策略来提高全球优化能力，因此在迭代的后期，麻雀会跳出本地最佳。最后，自适应T分布突变策略在后期迭代中增强了局部勘探能力，从而提高了麻雀搜索算法的收敛速度。将其应用于CEC2021函数集，并将其与其他标准智能优化算法进行比较以测试其性能。此外，ISSA是在移动机器人的路径规划问题中实施的。比较研究表明，就路径长度，运行时间，路径最佳性和稳定性而言，所提出的算法优于SSA。结果表明，在移动机器人路径计划中，所提出的方法更有效，健壮和可行。
为新一代CMIP6驱动的Euro-Cordex区域气候模拟提供了改进的框架
摘要：协调的区域缩减实验（CORDEX）是一项协调的国际活动，它与覆盖世界所有土地地区的域进行了区域气候模拟的集合。这些合奏由包括科学界，决策者以及公共和私营部门的利益相关者在内的广泛从业者使用。他们还为气候变化评估报告的政府间小组提供了科学基础。随着下一阶段的发布，CMIP6-Cordex数据集有望在未来几年内填充社区存储库，并具有更新的最新区域气候数据，该数据将进一步支持国家和地区社区，并为其气候适应和缓解策略提供信息。此处介绍的协议重点介绍了欧洲领域（Euro-Cordex）。它采用涵盖所有14个全球域的国际Cordex协议作为模板。但是，它在特定领域的国际协议上扩展；将历史和预计的气溶胶趋势与CMIP6全球气候模型一致地融入区域模型中，以更好地比较全球趋势与区域趋势；产生更多的气候变量，以更好地支持部门气候影响评估；并考虑了Cordex旗舰试点研究中最新的科学发展，从而更好地评估了与区域气候相关的过程和现象（例如，土地利用变化，气溶胶，对流和城市环境）。在这里，我们总结了导致新的模拟协议的科学分析，并突出了我们在新一代地区气候合奏中期望的进步。
为新一代CMIP6驱动的Euro-Cordex区域气候模拟提供了改进的框架
摘要：协调的区域缩减实验（CORDEX）是一项协调的国际活动，它与覆盖世界所有土地地区的域进行了区域气候模拟的集合。这些合奏由包括科学界，决策者以及公共和私营部门的利益相关者在内的广泛从业者使用。他们还为气候变化评估报告的政府间小组提供了科学基础。随着下一阶段的发布，CMIP6-Cordex数据集有望在未来几年内填充社区存储库，并具有更新的最新区域气候数据，该数据将进一步支持国家和地区社区，并为其气候适应和缓解策略提供信息。此处介绍的协议重点介绍了欧洲领域（Euro-Cordex）。它采用涵盖所有14个全球域的国际Cordex协议作为模板。但是，它在特定领域的国际协议上扩展；将历史和预计的气溶胶趋势与CMIP6全球气候模型一致地融入区域模型中，以更好地比较全球趋势与区域趋势；产生更多的气候变量，以更好地支持部门气候影响评估；并考虑了Cordex旗舰试点研究中最新的科学发展，从而更好地评估了与区域气候相关的过程和现象（例如，土地利用变化，气溶胶，对流和城市环境）。在这里，我们总结了导致新的模拟协议的科学分析，并突出了我们在新一代地区气候合奏中期望的进步。
利用人工智能减轻青少年危险行为：范围界定审查方案 Hamidreza Sadeghsalehi a 和 Hassan Joulaei a，* a 伊朗设拉子医科大学健康研究所卫生政策研究中心 * 通讯作者（joulaei_h@yahoo.com） 青少年特别容易从事暴力、无保护性行为和药物滥用等危险行为，这些行为会对他们的健康和发展产生重大的负面影响。人工智能 (AI) 的最新进展为解决这些行为提供了创新的解决方案，但关于基于 AI 的干预措施的有效性和实施的证据仍然零散。本范围界定审查旨在系统地探索和绘制旨在减少青少年危险行为的基于 AI 的干预措施的文献。本综述将遵循 Arksey 和 O'Malley (2005) 概述并由 Levac、Colquhoun 和 O'Brien (2010) 改进的方法框架，符合 Joanna Briggs 研究所的指导方针。PRISMA 范围界定综述扩展 (PRISMA-ScR) 将指导报告。搜索策略将在 PubMed、Scopus、Web of Science 核心合集、CINAHL、PsycINFO、Cochrane 对照试验中心注册库、Embase、SID 和 Magiran 中执行，重点关注截至 2024 年 6 月以英语和波斯语发表的文章。两名独立审阅者将使用 Rayyan 筛选标题和摘要，然后对相关研究进行全文筛选。数据将使用标准化表格绘制图表，差异将通过讨论或咨询第三位审阅者解决。数据将以描述性方式综合并以表格、图形和图表的形式呈现。关键词：青少年、人工智能、危险行为、范围审查、干预措施
利用人工智能减轻青少年危险行为：范围界定审查方案 Hamidreza Sadeghsalehi a 和 Hassan Joulaei a，* a 伊朗设拉子医科大学健康研究所卫生政策研究中心 * 通讯作者（joulaei_h@yahoo.com） 青少年特别容易从事暴力、无保护性行为和药物滥用等危险行为，这些行为会对他们的健康和发展产生重大的负面影响。人工智能 (AI) 的最新进展为解决这些行为提供了创新的解决方案，但关于基于 AI 的干预措施的有效性和实施的证据仍然零散。本范围界定审查旨在系统地探索和绘制旨在减少青少年危险行为的基于 AI 的干预措施的文献。本综述将遵循 Arksey 和 O'Malley (2005) 概述并由 Levac、Colquhoun 和 O'Brien (2010) 改进的方法框架，符合 Joanna Briggs 研究所的指导方针。PRISMA 范围界定综述扩展 (PRISMA-ScR) 将指导报告。搜索策略将在 PubMed、Scopus、Web of Science 核心合集、CINAHL、PsycINFO、Cochrane 对照试验中心注册库、Embase、SID 和 Magiran 中执行，重点关注截至 2024 年 6 月以英语和波斯语发表的文章。两名独立审阅者将使用 Rayyan 筛选标题和摘要，然后对相关研究进行全文筛选。数据将使用标准化表格绘制图表，差异将通过讨论或咨询第三位审阅者解决。数据将以描述性方式综合并以表格、图形和图表的形式呈现。关键词：青少年、人工智能、危险行为、范围审查、干预措施
糖尿病预测的改进的增强算法
摘要 - 由于无法有效使用人体的胰岛素，糖尿病正在逐渐增加，这威胁了公共卫生。患有糖尿病患者在早期阶段未被诊断或患有糖尿病患者患心脏病，肾脏疾病，眼睛问题，中风和神经损伤的风险很高，糖尿病诊断对预防至关重要。我们的先进的机器学习算法是通向检测人体是否患有糖尿病的革命性可能性的门户。使用机器学习开发了这种方法，它使用了一十万个数据，也是创建一个新的新型糖尿病预测模型，称为调节的ADA-BOOST（AB），该模型可以准确诊断糖尿病。About 10 different classification methods are applied in this research such as Random forest classifier (RF), logistic regression (LR), decision tree classifier (DT), support vector machine (SVM), Bayesian Classifier (BC) or Naive Bayes Classifier (NB), Bagging Classifier (BG), Stacking Classifier (ST), Moderated Ada-Boost(AB) Classifier, K Neigh- BORS分类器（KN）和人工神经网络（ANN）。至关重要的贡献是使用高参数调整过程为不同模型找出适当的值。我们提出了一个名为主持Ada-Boost（AB）的新的增强模型，该模型是超参数调谐的随机森林模型和ADA-BOOST模型的组合。不同的评估指标，例如准确性，精度，召回，F1分数和其他评估指标，用于评估模型的性能。与其他训练精度为99.95％且测试准确性为98.14％的模型相比，我们提出的新的增强算法（AB）提供了更好的准确性（AB）。
大规模数据中心中的基于LSTM的资源和工作量的改进的预测方法
摘要 - 准确的工作量和资源预测是为了实现积极，动态和自适应资源分配，用于构建具有成本效益，能源良好和绿色云数据中心（CDC），为用户提供令人满意的优质服务，并为云提供者提供高收入。这很具有挑战性，因为CDC中急剧增加和大规模的工作量和资源使用的模式随时间而变化显着。当前的预测方法通常无法处理隐式噪声数据，并在工作量和资源时间序列中捕获非线性，长期和短期和空间特征，从而导致预测准确性有限。为解决这些问题，这项工作设计了一种名为VSBG的新型预测方法，该方法无缝且创新地结合了变分模式分解（VMD），Savitzky Golay（SG）滤波器（SG）滤波器，双向长期短期内存（LSTM）和GRID LSTM和GRID LSTM和GRID LSTM，以预测工作量和资源在CDC中的工作量和资源使用。vsbg在执行其预测之前，以四步骤的方式以四步方式整合VMD和SGFURTER。VSBG利用VMD将非机构工作负载和资源时间序列分为多种模式函数。然后，在VSBG中，这项工作设计了二次惩罚，用拉格朗日乘数将其最小化，并采用对数操作和SG滤波器来平滑第一个模式功能，以消除噪声干扰。最后，VSBG首次系统地捕获了具有两个Bilstm层的流量和复杂时间序列数据的深度和时间特征，在此之间，GridLSTM层在其中，从而准确地预测了CDC中的工作量和资源。具有不同现实世界数据集的广泛实验证明，VSBG在预测准确性和收敛速度上的整体最新算法都优于整体。
经济发展中流程功能下信息技术实施对业务目标改进的评估
提高组织绩效可以通过业务流程重新设计（BPR）来实现。当涉及到现代化的工作实践时，组织必须经常重新设计其流程以跟上时代的步伐。这时企业软件就派上用场了，它提供了一个通用的数据基础设施，使组织的不同部分能够访问所有必要的财务数据。网络会计业务流程的体系结构分为三层，核心层位于企业局域网，它可以将采购、库存、生产、销售、财务和客户服务等六大业务流程信息整合为一个财务信息和非财务信息的统一体，并可以灵活地生成各种会计报表，通过提供更完整、更有价值的相关信息，充分满足信息用户的需求。第二层位于核心层基础上的企业间内部网，它可以支持SCM节点企业和其他外部企业之间的业务流程链接和信息共享。第三层是在第二层基础上的Internet，它能将社会、企业和个人融为一体，为业务协同、远程管理、在线管理和集中管理奠定了坚实的基础。网络会计业务流程的运行机制为：当业务事件发生时，探测器可以实时获取事件信息，并将结果存入数据库；同时，驱动控制器可以从数据库中获取控制条件和标准，对业务事件进行实时控制，超过标准则不允许事件发生。企业业务人员或外部人员如果有阅读器，可以通过报表工具自动输出所需的结果。
使用机器学习技术改进的企业资源计划系统
具有关系性的传统企业资源计划（ERP）系统需要数周的时间才能立即提供可预测的见解。提供了最准确的信息，以通过审查过去和未来的高级分析并捕获有关当前的信息，以做出最佳决策。将机器学习（ML）集成到金融ERP系统中，提供了一些好处，包括提高准确性，效率和节省成本。此外，ERP系统对于监督组织中人力资本管理（HCM）的不同方面至关重要。员工的绩效吸引了管理层的兴趣。尤其是为了确保在合适的时刻将适当的员工分配到方便的任务中，训练和限定他们，并建立评估系统以跟进他们的绩效，并试图维护潜在的工作才能。此外，正确预测员工薪水对于有效分配资源，保留人才并确保整体化的成功是必要的。常规的ERP系统薪资预测方法通常使用仅显示系统当前状态的静态报告，而无需分析员工数据或提供建议。我们设计并执行了一个原型来定义在Oracle EBS数据上应用ML算法，以使用直接来自ERP系统的实时数据来增强员工评估。基于准确性的测量，随机森林算法增强了该系统的性能。该模型在平衡数据集上提供了90％的精度。关键字