XiaoMi-AI文件搜索系统
World File Search System计算点
DSP乘法累加器电路的设计与分析
乘法累加器 (MAC) 单元执行两个数字相乘的运算，并将结果反复累加到寄存器中，以执行连续而复杂的运算。MAC 可以加快计算过程。它在数字信号处理中有着广泛的应用，包括滤波和卷积。MAC 在音频和视频信号处理、人工智能 (AI)、机器学习、军事和国防 [1] 中也有广泛的应用。由于这些运算需要循环应用乘法和加法，因此执行速度取决于 MAC 单元的整体性能 [2]。使用 MAC 单元可以提高准确性，还可以减少计算点积、矩阵乘法、人工神经网络和各种数学计算的时间延迟。
使用机器学习对SARS-COV-2监测免疫的纸质多重血清学测试
SARS-COV-2的迅速传播导致了Covid-19-19大流行和加速疫苗的发育，以防止病毒的传播并控制疾病。鉴于SARS-COV-2的持续高感染力和演变，人们对开发Covid-19-19的血清学测试有持续的兴趣来监测人群水平的免疫力。为了满足这一关键需求，我们使用SARS-COV-2的五种结构蛋白设计了基于纸张的多重垂直流程测定法（XVFA），检测IgG和IgM抗体以监测COVID-19免疫水平的变化。我们的平台不仅跟踪了纵向免疫水平，而且还根据IgG和IgM抗体的水平将COVID-19免疫分为三组：受保护，未受保护和感染。，我们在每次测试中<20分钟并行操作两个XVFA，以使用总计40 µL的人血清样品检测IgG和IgM抗体。 测定后，使用基于手机的自定义设计的光学读取器捕获了基于纸张的传感器面板的图像，然后由基于神经网络的Serodsignostic算法处理。 训练有素的血清诊断算法对疫苗接种或感染前后收集的血清样品进行了盲目测试，其精度为89.5％。 XVFA的竞争性能以及其可移植性，成本效益和快速运行，使其成为有希望的计算点 - 护理（POC）血清学测试，用于监测COVID-19的免疫力，并有助于及时决定Booster疫苗的管理和一般公共卫生政策，以保护弱势群体。并行操作两个XVFA，以使用总计40 µL的人血清样品检测IgG和IgM抗体。测定后，使用基于手机的自定义设计的光学读取器捕获了基于纸张的传感器面板的图像，然后由基于神经网络的Serodsignostic算法处理。训练有素的血清诊断算法对疫苗接种或感染前后收集的血清样品进行了盲目测试，其精度为89.5％。XVFA的竞争性能以及其可移植性，成本效益和快速运行，使其成为有希望的计算点 - 护理（POC）血清学测试，用于监测COVID-19的免疫力，并有助于及时决定Booster疫苗的管理和一般公共卫生政策，以保护弱势群体。
计算机应用程序主
单元– I密码学，替换和仿射密码及其加密分析，完美的安全性，块密码，数据加密标准（DES），差速器和线性加密分析，块密码设计原理，块密码密码操作模式，高级加密标准。公共密钥加密系统的单元– II原理，RSA算法，密钥管理，diffie- Hellman密钥交换，身份验证函数，消息身份验证代码（MAC），哈希功能，哈希功能的安全性和MAC，MAC，Secure Hash算法，HMAC，HMAC。单位– III离散对数，Elgamal隐秘系统，用于离散对数问题的算法，特征系统的安全性，Schnorr签名方案，婴儿继态步骤，中文命令，Elgamal Signature Schemine，Elgamal Signature Scheme，数字签名算法，可证明的安全签名Signature Seignature Shemes。单元– IV椭圆曲线，椭圆形曲线模拟元素，椭圆曲线点压缩的特性，椭圆曲线上的计算点倍数，椭圆曲线数字签名算法，椭圆曲线分离算法，椭圆曲线曲线primatity Primatity验证。单元– V网络安全实践：Kerberos，X.509身份验证服务，公共密钥基础架构。电子邮件安全性（非常好的隐私），IP安全性（体系结构，身份验证标头，封装安全有效负载，结合安全性，关联，密钥管理），Web安全性（安全套接字层和传输层安全性）。教科书：1。W.Sta1lings-加密和网络安全原则和实践，人教育，2000年。（第三版）章节：[1,3、5、9、10（10.1,10.2），II，12（12.2,12.4），13（13.3），14,15,16,17]。2。参考：D.Stinsori，密码学：理论与实践，CRC出版社，2006年。章节：[1,2（2.3），6,7,12]。