XiaoMi-AI文件搜索系统
World File Search System数为
微型飞行器薄/弧形/反射翼型的开发，雷诺数为 60,000 至 150,000
图片列表 图 1.1：层流分离泡（Gad-El-Hak 提供）....................................................... 4 图 1.2：层流分离泡压力分布（Gad-El-Hak 提供）....................................... 7 图 1.3：表面油流 – 示例（Lyon 提供）................................................................. 9 图 1.4：表面粗糙度的影响（Gad-El Hak 提供）....................................................... 13 图 1.5：翻折翼型和未翻折翼型的阻力比较（Lyon 提供）.................................... 14 图 2.1：改进的 S5010 顶部 MCL（Shkarayev 提供）......................................................... 21 图 2.2：n 阶多项式 MCL 的示例............................................................................. 22 图 2.3：翼型形状参数的描述............................................................................. 23 图 2.4：n 阶 MCL 比较...................................................................................................... 24 图 2.5：带定义多边形和控制点的贝塞尔曲线............................................................... 26 图 2.6：带定义多边形和控制点的贝塞尔 MCL ............................................................ 28 图 2.7：贝塞尔 MCL 比较......................................................................................................... 28 图 2.8：贝塞尔翼型前缘形状细节......................................................................................... 30 图 2.9：贝塞尔翼型后缘形状细节.........................................................................................
摘要：本研究的目的是确定近东大学学生对使用 Google 应用程序进行移动学习的看法。研究中使用了研究人员开发的包含 20 个项目的数据收集工具。应用结果表明，数据收集工具的克隆巴赫系数为 0.942。本研究的摘要部分提供了一般信息。在方法部分，表格显示了学生的年龄和性别以及学生就读的院系。研究过程中收集的数据在结果和讨论部分给出，并由研究人员在结论部分进行评估。研究结果表明，学生对移动教育中的 Google 应用程序持积极态度。对数据进行统计分析后发现，学生使用 Google 应用程序可以使大多数任务更容易完成。因此，学生使用这些应用程序可以节省更多时间和精力。提供使用这些应用程序的教育并从这些应用程序中受益将是件好事。本研究收集的数据旨在为来自不同大学和国家从事这一主题研究的其他研究人员提供指导。关键词：人工智能；移动学习；谷歌应用；技术。引用方式：Bicen, H., & Arnavut, A. (2020)。谷歌人工智能方法和在移动学习中使用谷歌应用的统计结果。BRAIN。人工智能和神经科学的广泛研究，11 (1)，121-130。https://doi.org/10.18662/brain/11.1/18
摘要：本研究的目的是确定近东大学学生对使用 Google 应用程序进行移动学习的看法。研究中使用了研究人员开发的包含 20 个项目的数据收集工具。应用结果表明，数据收集工具的克隆巴赫系数为 0.942。本研究的摘要部分提供了一般信息。在方法部分，表格显示了学生的年龄和性别以及学生就读的院系。研究过程中收集的数据在结果和讨论部分给出，并由研究人员在结论部分进行评估。研究结果表明，学生对移动教育中的 Google 应用程序持积极态度。对数据进行统计分析后发现，学生使用 Google 应用程序可以使大多数任务更容易完成。因此，学生使用这些应用程序可以节省更多时间和精力。提供使用这些应用程序的教育并从这些应用程序中受益将是件好事。本研究收集的数据旨在为来自不同大学和国家从事这一主题研究的其他研究人员提供指导。关键词：人工智能；移动学习；谷歌应用；技术。引用方式：Bicen, H., & Arnavut, A. (2020)。谷歌人工智能方法和在移动学习中使用谷歌应用的统计结果。BRAIN。人工智能和神经科学的广泛研究，11 (1)，121-130。https://doi.org/10.18662/brain/11.1/18