XiaoMi-AI文件搜索系统
World File Search System模糊
关键代码引导的灰盒模糊测试
新提交的提交容易将漏洞引入程序。作为一种有前途的对策，可以使用定向灰盒模糊测试器通过将提交更改位置指定为目标来测试提交更改。但是，现有的定向模糊测试器主要侧重于达到单个目标，而忽略了对其他受影响代码的多样化探索。因此，它们可能会忽略在远离更改位置的位置崩溃的错误，并且在多目标场景中缺乏直接性，这在提交测试的背景下都很常见。在本文中，我们提出了一种直接灰盒模糊测试器 WAFLG O ，以有效发现提交引入的漏洞。WAFLGO 采用一种新颖的关键代码引导输入生成策略来彻底探索受影响的代码。具体而言，我们确定了两种类型的关键代码：路径前缀代码和数据后缀代码。关键代码首先引导输入生成逐渐、增量地到达更改位置。然后，在保持关键代码可达性的同时，输入生成策略进一步鼓励在探索受影响代码时生成输入的多样性。此外，WAFLGO 引入了一种轻量级多目标距离度量，用于直接和彻底检查所有更改点。我们实现了 WAFLG O，并使用提交引入的 30 个真实错误对其进行了评估。与 8 种最先进的工具相比，WAFLGO 实现了平均 10.3 × 的加速。此外，WAFLGO 在测试最近 50 次提交的真实软件（包括 libtiff、fig2dev 和 libming 等）时发现了 7 个新漏洞，其中包括 4 个 CVE。
智能电网中基于模糊逻辑的能源管理，用于可再生能源整合
摘要。本研究探讨了在智能电网中使用模糊逻辑创建和执行能源管理方法，目的是有效地整合可再生能源。该研究采用了经验数据，包括可再生能源生产信息、能源使用变化、电池存储的当前状态以及采取的控制措施。数据分析表明，可再生能源存在显著差异，即太阳能从 350 千瓦到 410 千瓦，风能从 180 千瓦到 220 千瓦，水能从 120 千瓦到 150 千瓦。不同部门的能源消耗呈现出不同的模式。住宅消费从 250 千瓦到 275 千瓦，工业需求从 300 千瓦增加到 330 千瓦，商业消费从 200 千瓦波动到 225 千瓦。电池存储状态出现变化，电池1从150 kWh增加到165 kWh，电池2在180 kWh和195 kWh之间波动，电池3维持在200 kWh至215 kWh的稳定范围内。基于模糊逻辑的控制动作的使用展示了灵活性，其中控制动作1的范围从0.6到0.8，控制动作2在0.5到0.7之间波动，控制动作3在0.6到0.9之间变化。该研究强调了基于模糊逻辑的能源管理系统的灵活性和快速响应。它可以实时调整控制动作以适应可再生能源发电、消费模式和电池存储的变化。这表明它有潜力优化能源流动并确保智能电网中的电网稳定性，促进可再生能源的有效整合。
II糖尿病：使用模糊逻辑和...
糖尿病等疾病是慢性的，需要长期管理。 胰岛素的产生不足会导致高血糖水平。 这些疾病导致严重的健康问题，例如心脏病，血管投诉，眼睛疾病，肾功能障碍和神经疾病。 因此，对危险因素的准确评估和管理对于糖尿病的发作至关重要。 我们提出的方法结合了模糊逻辑和机器学习算法的糖尿病风险预测。 三种机器学习模型经过培训，将患者分为两类糖尿病（I型和II型），这些糖尿病基于他们从卡蒂哈尔医学院和医院和苏瓦丹实验室收集的临床数据集。 多项式回归算法的得分为0.947，而RBF内核的支持矢量回归算法的得分为0.954，线性内核的得分为0.73。 我们建议的糖尿病等疾病是慢性的，需要长期管理。胰岛素的产生不足会导致高血糖水平。 这些疾病导致严重的健康问题，例如心脏病，血管投诉，眼睛疾病，肾功能障碍和神经疾病。 因此，对危险因素的准确评估和管理对于糖尿病的发作至关重要。 我们提出的方法结合了模糊逻辑和机器学习算法的糖尿病风险预测。 三种机器学习模型经过培训，将患者分为两类糖尿病（I型和II型），这些糖尿病基于他们从卡蒂哈尔医学院和医院和苏瓦丹实验室收集的临床数据集。 多项式回归算法的得分为0.947，而RBF内核的支持矢量回归算法的得分为0.954，线性内核的得分为0.73。 我们建议的胰岛素的产生不足会导致高血糖水平。这些疾病导致严重的健康问题，例如心脏病，血管投诉，眼睛疾病，肾功能障碍和神经疾病。因此，对危险因素的准确评估和管理对于糖尿病的发作至关重要。我们提出的方法结合了模糊逻辑和机器学习算法的糖尿病风险预测。三种机器学习模型经过培训，将患者分为两类糖尿病（I型和II型），这些糖尿病基于他们从卡蒂哈尔医学院和医院和苏瓦丹实验室收集的临床数据集。多项式回归算法的得分为0.947，而RBF内核的支持矢量回归算法的得分为0.954，线性内核的得分为0.73。我们建议的
移动机器人的灵活路径计划使用模糊控制器避免动态障碍
摘要 - 机器人越来越多地用于服务和工业活动。在过去的几十年中，它的导航一直是世界上研究人员的空缺问题。这项研究的目标是为在具有静态和移动障碍的动态和未知环境中运行的移动机器人开发控制方法。该方法利用基于激光雷达传感器的模糊逻辑方法来收集有关环境的信息并做出导航的决策。该研究重点是在材料处理应用中使用移动机器人，例如仓库或具有平坦地板的库。结果证明了所提出的方法在静态和移动障碍物周围导航移动机器人的能力，从而在各种材料处理应用中使用。该研究为复杂环境中移动机器人导航的开放问题提供了潜在的解决方案。关键字 - 模糊控制器，移动机器人，车轮机器人，路径规划，轨迹
网站：www.ijeer.forexjournal.co.in基于模糊逻辑控制器的充电和排放
摘要 - 目前的研究介绍了用锂离子在电动汽车应用中使用的锂离子制造的电池的模糊充电和排放控制方法。提出的基于模糊的解决方案考虑了可用的参数，以充电或在安全功能区域内收取商店。为了分析和控制电池性能，已经使用了各种控制方法，但是每个方法都有自己的缺点集，例如无法停止两个充电条件，即控制器的难度，冗长的充电时间。由于缺乏数学计算，模糊的控制器也更简单地构造，具有较少的额外感应组件，并且更少的深层放电和过度充电保护措施，从而使其在速度和复杂性方面更有效。通过使用负载需求和产生的数值模拟证明了建议的充电控制器系统的有效性。在模拟负载条件下评估建议的控制器的性能。该模型的调节电池充电和排放能力得到了试验的成功结论。输出表明电池的充电状态（SOC）永远不会超过该特定类型的20％至80％的安全范围。这项研究的主要结果是一种新的模糊模型和用于调节电池充电和排放的操作实时系统。一般术语：电池管理系统，模糊逻辑控制器。关键字：充电 - 收费；模糊逻辑控制器；最先进的；锂离子和matlab/simulink。
使用基于模糊逻辑的疼痛检测方法
摘要：上肢康复中机器人系统的利用已显示出令人鼓舞的结果，以帮助有运动障碍的人。这项研究引入了一种创新的方法，通过开发优化的刺激控制系统（OSCS）来提高上肢外骨骼外骨骼辅助康复的效率和适应性。所提出的OSC集成了一种基于模糊的逻辑检测方法，旨在准确评估和应对康复期间患者的疼痛阈值。通过采用模糊逻辑算法，系统会动态调整外骨骼的刺激水平和控制参数，以确保个性化和优化的康复协议。这项研究进行了全面的评估，包括仿真研究和临床试验，以验证OSCS在改善康复结果中的功效，同时优先考虑患者的舒适性和安全性。这些发现证明了OSC通过提供针对个人患者需求的可定制和适应性框架来革新上肢外骨骼辅助康复的潜力，从而促进了机器人辅助康复领域的发展。
IFC-BD：一种可解释的模糊分类器，用于提升……
摘要 — 在当前的数据科学应用中，行动的方向是使系统行为适应人类认知，从而产生了可解释人工智能这一新兴领域。在不同的分类范式中，基于模糊规则的分类范式是强调全局系统可解释性的合适解决方案。然而，在处理大数据分析时，它们可能包含过多的规则和/或语言标签，这不仅可能导致系统性能下降，还可能影响系统语义以及系统可解释性。在本文中，我们提出了 IFC-BD，一种用于大数据的可解释模糊分类器，旨在通过学习紧凑而准确的模糊模型来提升可解释性的范围。IFC-BD 是在基于单元的分布式框架中通过初始规则学习、规则泛化和启发式规则选择三个工作阶段开发的。整个过程允许从大量特定规则扩展到更少数量的更通用和更可信的规则。此外，为了解决可能出现的规则冲突，我们专门针对大数据问题提出了一种新的估计规则权重。我们将 IFC-BD 与模糊分类范式的最新方法进行了比较，考虑了可解释性、准确性和运行时间。实验结果表明，所提出的算法能够提高基于模糊规则的分类器的可解释性及其预测性能。
Duah, J. 和 McGivern, P. (2024)。生成人工智能如何模糊高等教育中的作者身份和学术规范的概念，从而需要明确的大学使用政策。国际信息与学习技术杂志，41 (2)，180-193。https://doi.org/10.1108/IJILT-11-2023-0213
目的：本研究考察了生成人工智能 (GenAI)，尤其是 ChatGPT 对高等教育的影响。使用 GenAI 生成内容的便利性引起了学术界对其在学术环境中的作用的担忧，尤其是在总结性评估方面。本研究通过研究大学生和教职员工对 GenAI 在大学中的作用的当前和未来问题的看法，为文献做出了独特的贡献。设计/方法/方法：一种定性方法，涉及与四名学生和一名讲师进行五次一对一半结构化访谈，探讨了 GenAI 文本生成在学术界的道德和实践问题。选择归纳主题分析是因为它提供了与研究目标一致的细微见解。
评估在最后一英里物流中克服无人机使用障碍的策略：一种新型混合模糊MCDM模型
摘要：有效的最后一英里（LM）输送对于供应链的有效功能至关重要。除了速度和交付成本外，环境和社会可持续性是最后一英里物流（LML）越来越重要的因素，尤其是在城市地区。无人机等可持续解决方案由于其高潜力而引起了研究人员的特别关注。由于许多障碍，无人机物流的未来是不确定的。这项研究分析，评估和排名障碍，以确定那些最大程度地阻碍LML采用更广泛的无人机的障碍，并提出和对克服它们的策略进行了排名。这种类型的问题要求多个利益相关者参与具有冲突的目标和利益。因此，该研究采用了一种新型的混合多标准决策（MCDM）模型，该模型结合了基于模糊的Delphi模糊因子关系（模糊D-FARE）和模糊综合基于距离的排名（Fuzzy Cobra）方法。结果表明，LM中无人机实施的主要障碍是缺乏航空法规。未经授权访问，数据滥用，隐私漏洞和数据安全的风险代表了重大挑战。后面，他们对无人机所有者的保险和责任含糊不清或负担重。这项研究的主要贡献是建立了一种新型混合模型，确定和排名在LML中更广泛应用障碍以及克服它们的策略。
适用于医疗保健应用的模糊逻辑系统
© 作者 2024。开放存取 本文根据知识共享署名 4.0 国际许可证进行授权，允许以任何媒体或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信任，提供知识共享许可证的链接，并指明是否做了更改。本文中的图像或其他第三方资料包含在文章的知识共享许可证中，除非资料的致谢中另有说明。如果资料未包含在文章的知识共享许可证中，并且您的预期用途不被法定规定允许或超出了允许的用途，您将需要直接从版权所有者处获得许可。要查看此许可证的副本，请访问 https://creativecommons.org/licenses/by/4.0/。