[1] Abdullah X. Ali、Meredith Ringel Morris 和 Jacob O. Wobbrock。2019 年。Crowdlicit:一种用于开展分布式最终用户诱导和识别研究的系统。2019 年 CHI 计算机系统人为因素会议论文集。ACM,美国纽约州纽约,1-12。https://doi.org/10.1145/3290605.3300485 [2] Khalil J. Anderson、Theodore Dubiel、Kenji Tanaka、Marcelo Worsley、Cody Poultney 和 Steve Brenneman。2019 年。化学舱:一种用于课堂的多模式实时回顾工具。2019 年国际多模式交互会议(ICMI '19)论文集。 ACM,纽约,纽约州,美国,506–507。https://doi.org/10.1145/3340555.3358662 [3] Muhammad Zeeshan Baig 和 Manolya Kavakli。2020 年。多模态系统:分类、方法和挑战。arXiv:2006.03813 [cs.HC]
分别)。SES组的性别分布没有差异,(χ2(1,n = 2560)= 0.06,p = .81),但男性到女性分布因种族而显着差异,χ2(1,N = 2011)= 10.32,P
rvsd001@gmail.com和sskadam@mitacsc.ac.ac.in摘要:nvivo,在增强不同研究学科的数据分析方面发挥关键作用。随着数量和数据复杂性的增加,研究人员对分析工具的压力是可靠和有效的结果所必需的。本研究通过结合定性访谈和定量调查来应用混合方法设计,以确定此类工具如何增强数据分析的速度,准确性和范围。关键调查结果包括报告显示85%的受访者表明SPS是为了进行统计分析所必需的,而对于管理定性数据和主题分析,对NVivo的90%对NVivo具有相同的看法。参与者报告了由于这些工具的功能而增加的时间节省,并增加了分析性的严格性。此外,研究指出了混合方法研究的SPS和NVivo的整合可能性,因此数据解释将更好地全面。但是,定量和定性研究结果的综合仍然是一个挑战。的发现表明,只有在研究人员接受足够的使用培训时,该工具才有用。它有助于通过软件工具理解数据分析的促进,从而提高了研究质量,并为一系列学科的基于证据的原则提供了决策。关键字:SPSS,NVIVO,数据分析,定量研究,定性研究,混合方法,研究工具,主题分析,统计分析
我们的项目旨在实现这些想法:改善安全性:我们的项目通过给机器人更好的感官和平衡来使危险环境更安全,从而降低了人工工人的风险。对人类的风险较小:随着我们的升级,人类不必再做危险的任务了。机器人承担风险,确保人们的安全。更容易的遥控器:我们的项目使操作员可以从远处控制机器人,因此他们可以在危险的地方完成工作时保持安全。
文献中报道了各种支持微电网初始定型和分析的公开软件工具(无论是免费还是付费)。然而,问题是:它们真的用于定型和优化吗?如果是,那么应该使用哪一个?如果有多个类似的工具可用,它们是否会对相同的输入产生类似的结果?如果结果相似,哪个工具提供的结果与测量数据更一致?这些是用户在选择用于预设计和优化 SM(使用单个或多个能源)的软件工具时常见的问题。在此背景下,本报告试图回答这些问题,以帮助工程师、设计师和规划人员在设计和优化 SM 的初始阶段根据他们的要求选择合适的软件工具。
这项研究的目的是对软件加密的使用及其在确保数据和通信中的重要性进行全面了解。尽管先前关于数据和通信加密的研究集中在网络安全上,但很少有人注意检查使用加密软件与数据和通信加密之间的关系。软件加密工具可以增强数据隐私并帮助保护敏感数据。为了填补这一研究空白,本研究使用了有关使用密码软件工具用于数据通信加密的定量研究。通过在2023年4月1日至2023年4月29日之间在LinkedIn上部署的调查收集数据。该调查的目标人群是该领域的大学讲师和工作专业人员。共有61名参与者完成了调查。调查结果表明,更强大的加密工具和数据加密将在发送和接收敏感数据时增加用户对数据安全性的看法。这项研究表明,在发送和接收敏感数据时,更强的加密和数据加密会增加用户的信心。
约三分之一的癫痫对药物有抵抗力。对于这些患者,可以通过手术切除致痫区 (EZ)(大脑中引起癫痫发作的部分)来减少或治愈癫痫发作。如果非侵入性数据不足以确定侧向或定位,则可能需要通过精确植入颅内脑电图 (iEEG) 电极来定位致痫区。iEEG 目标的选择受到临床医生的经验和对文献的个人了解的影响,这导致不同癫痫中心的植入策略存在很大差异。基于文献中报告的回顾性临床病例的结果,客观工具可以建议致痫区的位置,从而支持和标准化手术计划的临床诊断途径。我们提出了一个开源软件工具,为临床医生提供直观的数据驱动可视化,以推断可能与致痫区重叠的致病区的位置。可能的 EZ 表示为覆盖在患者图像上的概率图,给出在该特定患者中观察到的癫痫症状列表。我们展示了一个案例研究,该研究基于我们单位接受治疗的一名患者的回顾性数据,该患者接受了切除性癫痫手术,并在术后 1 年内没有癫痫发作。被识别为 EZ 位置的切除脑结构与我们工具突出显示的区域重叠,证明了其潜在效用。
数据和算法来模仿人类的学习方式,逐步提高其准确性 [1] [1] 机器学习 (ML) 是使用数据的数学模型帮助计算机在没有直接指令的情况下学习的过程 [2] [2]机器学习是一种数据分析技术,可以教计算机做人类和动物自然而然会做的事情:从经验中学习 [3] [3]深度学习:机器学习的子领域;较少依赖人为干预学习 [1];基于神经网络 [4] 人为干预学习 [1];基于神经网络 [4]神经网络:深度学习的子领域;由层组成,包括隐藏层 [1];连接节点的集合,松散地表示生物大脑中的神经元连接 [4] 表示生物大脑中的神经元连接 [4]
a 约阿尼纳大学健康科学学院医学院生理学实验室,约阿尼纳 45110,希腊 b 约阿尼纳大学健康科学学院言语治疗系交流障碍新方法实验室,约阿尼纳-雅典国道 4 公里,约阿尼纳 45500,希腊 c 约阿尼纳大学信息与电信学院信息与电信系,阿尔塔 47100,希腊 d 西马其顿大学工程学院电气与计算机工程系,科扎尼 50100,希腊 e 约阿尼纳大学健康科学学院医学院卫生与流行病学系,约阿尼纳 45110,希腊 f 约阿尼纳大学健康科学学院医学院医学物理实验室,约阿尼纳 45110,希腊
摘要:为了帮助利益相关者规划、研究和开发混合可再生能源系统 (HRES),已报告了大量建模技术和软件模拟工具的开发。对这些无疑复杂的系统的彻底分析与可再生能源潜力的有效利用和相关设计的细致开发密切相关。在此背景下,还利用了各种优化约束/目标。这项具体工作首先对开发的建模技术和模拟软件进行了彻底的审查,试图为现有的各种 HRES 模拟方法定义一种普遍接受的分类方法。此外,还详细分析了广泛使用的优化目标。最后,通过研究基于不同风能和太阳能潜力组合的九个案例研究,确定了两种商业软件工具 (HOMER Pro 和 iHOGA) 的敏感性。将这两种商业工具的结果与 ESA 微电网模拟器进行了比较,后者是由西阿提卡大学机械工程系软能源应用和环境保护实验室开发的软件。基于作为输入的可再生能源潜力多样化的结果评估导致了对所选软件工具中检测到的偏差的深入评估。