XiaoMi-AI文件搜索系统
World File Search System模糊的
模糊的驾驶员辅助系统设计具有纵向运动的自动驾驶汽车的主动干扰拒绝
在本文中，解决了一个具有两个控制器级别的实用自适应巡航控制系统（ACC）。上层控制方案由距离和速度控制器组成。该控制器生成所需的加速度轮廓，低级控制器必须尽可能紧密地遵循。具有很高精度的模糊自适应输出反馈控制器会产生这种所需的加速度。此外，自适应观察者估计无法测量的状态。较低级别的控制器调整节气门和制动执行器。在较低级别上，主动干扰排斥控制器（ADRC）消除了应用于汽车的所有内部和外部干扰。ADRC参数是通过粒子群遗传优化算法调整的。证明了所有信号的闭环稳定性和半全球均匀的界限。此外，还保险了ADRC控制器估计误差的渐近收敛性。为了显示所提出方法的有效性，将提出的算法与预测控制器进行了比较，并证明了该方法的性能优越性。
在车辆临时网络中的基于模糊的高效和面向区块链的安全路由
车辆临时网络（VANET）代表了无线传感器网络（WSN）的改进，其移动感官节点位于车辆内。车辆Adhoc网络在智能城市的应用中处于关键位置，因为车间通信被认为是维持城市技术效率必不可少的。尽管Vanet提供了好处，但它在智能城市应用程序的背景下遇到了许多挑战和缺点。这样的挑战与Vanet的安全和隐私原则有关。隐私和安全性作为与Vanet相关的主要问题，促使多个研究人员在过去十年中提出安全解决方案。目前的研究工作着重于提高服务质量（QoS）的提高数据通信的安全性水平。通过使用区块链技术以及将椭圆曲线加密功能与安全的哈希功能集成以保护从节点到移动控制单元（MCU）的数据通信来实现此安全性增强。此外，提出的研究工作通过采用神经模糊逻辑来识别从源节点到移动控制单元（MCU）的最佳路径，为移动节点和控制单元之间的数据提供了有效的路由机制。将提出的工作与现有的密码方法以及最新的路由路径优化算法，即粒子群优化（PSO），遗传算法（GA），模因算法（MA）（MA）和Honey Bee优化（HBO），以及在计算时间内交付，以确定其优势，即通过PARTIT和分组，并在计算时间内建立优势。
基于硅胶的发现，使用药效团筛查，分子对接和MD模拟研究的策略 神经元 - 胶体传播中的外泌体 一种基于模糊的逻辑计算方法，用于重新利用Covid-19 靶向缺氧诱导因子1α通过调节乳房can中的肿瘤微环境 制造介孔二氧化硅纳米颗粒，以靶向糖替尼向卵巢癌细胞靶向递送
摘要简介：这项研究的主要目的是确定开发有效KEAP1抑制剂的潜在潜在客户。方法：在当前的研究文章中，已采用了硅内方法来发现潜在的KEAP1抑制剂。3D-QSAR是使用具有IC 50的KEAP1抑制剂的Chembl数据库生成的。选择了最好的药理，以筛选三个不同的文库，即Asinex，Minimaybridge和锌。从数据库中筛选的分子通过可药物性规则和分子对接研究过滤。对接研究后获得的最佳结合分子通过二利方法对测定物理化学性质进行毒性进行。通过分子动态模拟，研究了最佳的命中以在KEAP1腔中进行稳定。结果：分别对不同数据库进行虚拟筛选，并获得了三个导线。这些铅分子asinex 508，minimaybridgehts_01719和锌0000952883在KEAP1腔中显示出最好的结合。铅的结合复合物的分子动态模拟支持对接分析。铅（Asinex 508，minimaybridgehts_01719和锌0000952883）在100 NS模拟的KEAP1结合腔中稳定，平均RMSD值分别为0.100、0.114和0.106 Nm。结论：这项研究提出了三个铅分子作为基于高吞吐量筛查，对接和MD模拟研究的潜在KEAP1抑制剂。这些HIT分子可用于进一步设计和开发KEAP1抑制剂。这项研究提供了用于发现新型KEAP1抑制剂的初步数据。它为药物化学家打开了新的途径，以探索针对KEAP1-NRF2途径的抗氧化剂刺激分子。
一种基于模糊的逻辑计算方法，用于重新利用Covid-19
摘要简介：肿瘤微环境（TME）的免疫抑制背景是乳腺癌（BC）治疗的重大障碍。针对涉及TME免疫抑制环境的癌症核心信号通路的组合疗法已成为克服TME免疫抑制并增强患者治疗结果的有效策略。这项研究提供了令人信服的证据表明，靶向缺氧诱导型因子-1α（HIF-1α）以及化学疗法和免疫诱导因子以及通过调节TME导致实质性抗癌作用。方法：通过siRNA吸附方法合成壳聚糖（CS）/HIF-1Alpha siRNA纳米复合物。纳米颗粒进行了充分的表征。CS/HIF-1αsiRNA细胞毒性。在BALB/C轴承4T1肿瘤中评估了联合疗法的抗癌作用。qPCR和蛋白质印迹用于评估与TME免疫抑制诱导有关的某些关键基因和蛋白质的表达。结果：HIF-1αsiRNA成功地加载了壳聚糖纳米颗粒。HIF-1αsiRNA纳米复合体显着抑制HIF-1α的表达。三重联合疗法（紫杉醇（PTX） +咪喹莫德（IMQ） + CS/HIF-1αsiRNA）抑制了肿瘤的生长，并下调了癌症进展基因，同时上调了细胞免疫相关的细胞因子。没有CS/HIF-1αsiRNA治疗的小鼠显示癌症抑制作用较少和TME免疫抑制因子。这些结果表明，与其他组合治疗相比，与PTX和IMQ协同抑制癌症进展的抑制作用更明显地抑制癌症的进展。结论：将HIF-1αsiRNA与PTX和IMQ结合在一起是多模式处理的有望。它有可能减轻TME抑制作用，并显着增强免疫系统对抗肿瘤细胞生长的能力，从而在与BC斗争中具有希望的灵感。
使用SWOT模糊的AHP-TOPSIS
数字转换是一个变革的过程，不仅涉及新技术的使用，而且还涉及商业模型的变化和数字化策略的制定，因此动态业务变化发生1）。数字化转型是商业世界变化的推动力，因为它利用了新的基于Internet的技术对整个社会的影响2）。数字化转型利用数字技术，通常与物联网（IoT）和人工智能（AI）3）相结合，改变业务部门范式，使服务能够更加可用于客户4），并改变他们的决策5）。数字转型的成本支出预计将从2017年持续增加到2025年，复合年增长率为 +14.32％。图1显示了从2017年到2025年全球数字转换的成本数据。响应这一预测，有两个主要因素极大地影响了数字转型支出，即Covid-19大流行和客户需求的现象。麦肯锡调查表明，在COVID-19大流行期间，与业务数字化有关的潜在变化是，在Covid-19-19-大流行后实施和数字化转型所需的时间差异比大流行7之前的速度快20至25倍。
el3xir：模糊的COTS安全显示器
抽象ARM Trustzone构成移动设备的安全骨干。基于信任的可信执行环境（TEE）促进了对安全敏感的任务，例如用户身份验证，磁盘加密和数字权利管理（DRM）。因此，TEE软件堆栈中的错误可能会损害整个系统的完整性。el3xir引入了一个框架，以有效地重新主机和模糊基于Trustzone Tees的安全监视器固件层。虽然其他方法集中于天真地重新安置或模糊的受信任应用程序（EL0）或TEE OS（EL1），但El3xir的目标是针对高度私有但未探索的安全监视器（EL3）及其独特的挑战。安全显示器通过各种安全的监视器呼叫揭示取决于多个外围设备的复杂功能。在我们的评估中，我们证明了最先进的模糊方法不足以有效地模糊COTS安全显示器。虽然幼稚的模糊似乎实现了可追溯的覆盖范围，但由于缺失的外围仿真而无法克服覆盖范围，并且由于输入空间较大和输入质量较低而导致触发错误的能力受到限制。我们遵循负责任的披露程序，并报告了总共34个错误，其中17个被归类为安全至关重要。受影响的供应商确认了其中14个错误，结果，El3xir被分配了6个CVE。
行业中的医疗保健供应链的性能评估4.0，线性双苯胺模糊的正弦 - 三基因程聚合操作
摘要：及其控制参数的线性双性模糊集（LDFS）理论的概念是机器学习和数据驱动的多标准决策（MCDM）的强大模型。正弦 - 三角学函数（STF）具有两个重要的特征，周期性和对称性，它们是信息分析的非常有用的工具。遵循STF和LDFS理论的特征，本文介绍了线性双苯胺模糊数（LDFNS）的正弦 - 三角法操作。这些操作定律奠定了开发新的线性双苯胺模糊的正弦 - 三角集合操作员（LDFSTAOS）的基础。行业4.0技术融入医疗保健中有可能彻底改变患者护理。最具挑战性的任务之一是选择医疗保健供应链（HSC）的有效供应商。传统供应商并不根据行业4.0，特别不确定性有效。根据LDFSTAO提出了一个新的MCDM框架，以检查行业4.0中的HSC绩效。进行信誉测试，灵敏度分析和比较分析，以表达所提出方法的新颖性，可靠性和效率。
基于模糊的故障模式、影响和关键性分析应用于网络电网
摘要：故障模式、影响和危害性分析 (FMECA) 是一种定性风险分析方法，广泛应用于各种工业和服务应用。尽管该方法广受欢迎，但多年来，文献中分析了该方法的几个缺点。获取故障模式风险水平的传统方法不考虑风险因素之间的任何相对重要性，并且可能不一定代表 FMECA 团队成员的真实风险感知，通常用自然语言表达。本文介绍了 I 型模糊推理系统 (FIS) 的应用，作为改进经典 FMECA 分析中故障模式风险水平计算的替代方案，以及它在网络电网中的应用。我们基于模糊的 FMECA 首先考虑由 FMECA 专家定义的一组模糊变量，以体现与人类语言相关的不确定性。其次，使用“七加或减二”标准来设置每个变量的模糊集数量，形成一个由 125 条模糊规则组成的规则库，以表示专家的风险感知。在电力系统框架中，新的基于模糊的 FMECA 用于网络电网系统的可靠性分析，评估其相对于传统 FMECA 的优势。本文提供了以下三个关键贡献：(1) 使用模糊集表示与 FMECA 专家相关的不确定性，(2) 通过
模糊的界限：通过辅助技术重新思考人工智能工具
我想借此机会承认南艾伯塔省第 7 号条约地区人民的传统领土，其中包括黑脚邦联（由 Siksika、Piikani 和 Kainai 原住民组成）、Tsuut'ina 原住民和 Stoney Nakoda（包括 Chiniki、Bearspaw 和 Goodstoney 原住民）。卡尔加里市也是艾伯塔省梅蒂斯民族（第 3 区）的所在地。
《人工智能法案》中模糊的风险导向方法：与其他工会战略的联系与差异 Pietro Dunn 1,2 和 Giovanni De Gregorio 3
摘要 AI 法案监管提案采用基于风险的方法来监管人工智能系统。事实上，基于风险的方法已成为欧盟在数字政策方面的战略的典型做法。然而，这种方法被拒绝的方式却大不相同：最值得注意的是，GDPR 和 DSA 监管提案在一定程度上采用了自下而上的视角，而 AI 法案则反映了自上而下的方案，其中风险评估的任务掌握在立法者手中。本立场文件旨在强调所讨论的各种法律行为之间的共同特征和差异：特别是，通过将（最佳）比例和尽职调查视为基于风险的方法的特征，目标是了解 AI 法案是否确实反映了这种发展中的法律模式的典型原则。尽管我们注意到尽职调查在监管提案中的作用较弱，但我们认为，中心共同点是比例（宪法相关）目标。关键词 1 基于风险的监管，人工智能法案，比例