XiaoMi-AI文件搜索系统
World File Search SystemATIF
ATIF/参考文献：Kıratlı, S. (2023)。先进生物复合材料：加工、特性和应用。先进自然科学与环境杂志
ATIF/参考文献：Kıratlı，S.（2023 年）。先进生物复合材料：加工、特性和应用。先进自然科学与工程研究杂志，7(3)，192-197。摘要——随着环境管理和可持续性的重要性日益提高，天然纤维被视为合成纤维的替代品。天然纤维既可再生又可生物降解。这样一来，合成纤维就更便宜了。天然纤维具有多种有益特性，包括高强度和可持续性、低比重和低成本。天然纤维可以使用，但它们的利用受到基质/纤维相互作用和防水性等弱特性的限制。尽管具有优异的机械性能，但玻璃、碳和芳纶等合成纤维对人类健康和环境有负面影响。将天然纤维和合成纤维结合起来是解决当前存在的缺点的绝佳方法。一种称为先进生物复合材料的新型材料结合了天然和合成成分的优点，以产生所需的品质，包括改进的机械、热和生物性能。本研究项目的目标是研究先进生物复合材料的加工、特性和应用的最新技术。这项研究将集中于生物复合材料加工技术的最新进展以及众多特性和测试程序。最后，这项研究将探讨先进生物复合材料如何应用于汽车、航空航天、生物医药和环境等行业。未来的研究表明，在广泛的工业领域增加这些环保复合材料的使用将降低污染并提高社会可持续性标准。关键词 – 天然纤维、合成纤维、先进生物复合材料、加工技术、特性方法。引言越来越多的人对创造可持续材料来取代复合材料和传统塑料感兴趣。由于对可持续材料的需求不断增加，先进生物复合材料成为一系列研究的主题。由于其可再生性、可生物降解性和对环境的影响最小，生物复合材料（由天然纤维和基质制成的材料）已成为合成材料的潜在替代品。使用生物复合材料也可能减少对化石燃料的依赖
ATIF/参考文献：Artkin, F., (2022)。《人工智能在机械工程中的应用》，《欧洲科学技术杂志》，(4
人工智能技术作为当今世界最尖端的科学技术之一，正越来越多地应用于生产和生活，特别是在制造业中。它展示了人工智能技术在机械制造中的应用，即在缺陷检测、质量检测、提高工作场所安全等领域。人工智能技术在人们的日常生活中越来越重要，它在人们的日常生活中得到越来越广泛的应用，例如智能洗碗机和智能扫地机的广泛使用，它们就是人工智能与机械制造业融合的产物。事实上，人工智能技术在机械制造业中得到了广泛的应用，不仅可以确保生产精度，还可以提高工作效率和工作场所安全性。人工智能的兴起引起了整个制造业的重大变化。制造业无一例外地必须依靠人工智能技术来实现自动化和智能化发展，并提高生产力。使用人工智能对机械零件进行分类，我们可以仅基于图像或CAD模型提出零件。为了找到机器中所需的部件，我们必须浏览目录，并能够根据可用的可能性和对目录的理解来辨别您想要哪个部件。需要记住序列号，因为单个数字或字符的变化可能表示不同类型的部件。算法将选择哪些部分是最佳的，这将大大方便我们的搜索。
ATIF/参考文献：Erdil, A. (2022)。从企业可持续发展和绩效看工作场所职业安全的重要性。《欧洲科学技术杂志》，（42），88-99。
工作场所——职业健康和安全已变得越来越重要，以保障企业生产运营的可持续性，以适应竞争压力和快速消费。认识到工作场所死亡和职业病对生产力和形象的破坏以及金钱和精神损失，采取措施改善工作场所的健康和保护将为个人、企业和国家带来巨大利益。研究表明，不安全条件可能受到物理和技术环境条件以及人员特征等变量的影响。包括技术和制造业的框架、企业的采矿、开发和运输线的特性、无知和不合格的制造业工人、无法适应技术进步、环境恶化、生产组织布局以及未能使用个人防护设备和设备监护人等条件都可能导致职业死亡，特别是在欠发达国家和新兴国家。这些情况对工作场所事故的可能性有很大影响。在本研究的整个范围内，对工作空间功能系统、人体工程学设计和职业生理变量进行了调查，这些变量通常被认为是职业灾难的驱动因素。为提高一家生产白色家电的企业的职业安全和功能生产力，我们提供了持续改进、全面能力和成就（5S 和全面生产维护）的实施。作为具体应用的结果，我们从工人生产力和运营的商业绩效的角度进行了评估。
ATIF/参考文献：Bayram, AF、Gurkan, C.、Budak, A. 和 Karatas, H. (2022)。基于 Explaina 辅助的深度学习检测和预测模型
肾脏疾病是全世界最常见的疾病之一，会给大多数人带来难以忍受的痛苦。本研究旨在检测肾脏中的囊肿和结石。为此，YOLO 架构设计用于检测肾脏、肾囊肿和肾结石。YOLO 架构设计由可解释人工智能 (xAI) 功能支持。YOLO 架构设计的性能分析部分使用了三类 CT 图像，即 72 个肾囊肿、394 个肾结石和 192 个健康肾脏。结果，YOLOv7 架构设计优于 YOLOv7 Tiny 架构设计。YOLOv7 架构设计实现了 0.85 的 mAP50、0.882 的精度、0.829 的灵敏度和 0.854 的 F1 分数。因此，开发了基于深度学习的 xAI 辅助计算机辅助诊断 (CAD) 系统来诊断肾脏疾病。
与 2021 财年相关的注册文件
一、CDG资本的历史...................................................... ................................................... 80 CDG Capital 在 CDG 集团中的成员资格...................................................... 82三． CDG资本的子公司...................................................... ...................................... 108 四． CDG Capital 的活动领域 ................................................ .. ................................. 117 五、CDG Capital 的活动 ................................ . ................................................. .... 145 六． CDG Capital 活动的演变....................................................... ...... 154 七． CDG Capital 提供的环境和社会信息 ................................................ 156 CDG资本的投资策略和技术手段............ 174 九． CDG资本的风险治理................................................ ..... 179
2021 财年参考文件
不适用 国家自主贡献 NS 不重大 OCT 短期债券 OMLT 中长期债券 UCITS 可转让证券集合投资计划 PCEC 信贷机构会计计划 Pbs 基点 市场份额 GDP 国内生产总值 NBI 净银行收入 % 百分比 Rex 营业收入 RNC 合并净收入 RNPG 净收入集团份额 RoA 资产回报率或资产回报率 RoE 股本回报率或股本回报率 SA 上市公司（S/N） 现货下一个 SICAV 可变资本投资公司 SPPI 单独支付本金和利息 TCAM 年平均增长率 VAT 增值税（含税） 包括所有税金 NPV 净现值 Var 变化（含税）
2021 财年参考文件
不适用 国家自主贡献 NS 不重大 OCT 短期债券 OMLT 中长期债券 UCITS 可转让证券集合投资计划 PCEC 信贷机构会计计划 Pbs 基点 市场份额 GDP 国内生产总值 NBI 净银行收入 % 百分比 Rex 营业收入 RNC 合并净收入 RNPG 净收入集团份额 RoA 资产回报率或资产回报率 RoE 股本回报率或股本回报率 SA 上市公司（S/N） 现货下一个 SICAV 可变资本投资公司 SPPI 单独支付本金和利息 TCAM 年平均增长率 VAT 增值税（含税） 包括所有税金 NPV 净现值 Var 变化（含税）
2021 财年参考文件
不适用 国家自主贡献 NS 不重大 OCT 短期债券 OMLT 中长期债券 UCITS 可转让证券集合投资计划 PCEC 信贷机构会计计划 Pbs 基点 市场份额 GDP 国内生产总值 NBI 净银行收入 % 百分比 Rex 营业收入 RNC 合并净收入 RNPG 净收入集团份额 RoA 资产回报率或资产回报率 RoE 股本回报率或股本回报率 SA 上市公司（S/N） 现货下一个 SICAV 可变资本投资公司 SPPI 单独支付本金和利息 TCAM 年平均增长率 VAT 增值税（含税） 包括所有税金 NPV 净现值 Var 变化（含税）
2021 财年参考文件
不适用 国家自主贡献 NS 不重大 OCT 短期债券 OMLT 中长期债券 UCITS 可转让证券集合投资计划 PCEC 信贷机构会计计划 Pbs 基点 市场份额 GDP 国内生产总值 NBI 净银行收入 % 百分比 Rex 营业收入 RNC 合并净收入 RNPG 净收入集团份额 RoA 资产回报率或资产回报率 RoE 股本回报率或股本回报率 SA 上市公司（S/N） 现货下一个 SICAV 可变资本投资公司 SPPI 单独支付本金和利息 TCAM 年平均增长率 VAT 增值税（含税） 包括所有税金 NPV 净现值 Var 变化（含税）
ATIF/REFERENCE：Aylak，B. L. (2022)。人工智能在海运物流中的应用影响。欧洲科学技术杂志，(34)，217-225。
本研究旨在确定当前使用人工智能 (AI) 方法解决航运问题的方法。正在研究人工智能的最新进展，并回顾其适应海运物流的方式。在本研究中，通过文献计量法审查了 66 篇有关海运业人工智能的论文。研究数据主要来自 IEEE Xplore、Web of Science、ScienceDirect (Elsevier)、Sciences Citation Index、Google Scholar、Springer 和期刊的数据库。对选定的论文进行分类，并详细讨论了一些值得注意的出版物的成果。还进行了全面评估，突出了研究差距并预测了未来的研究方向。提出了利用人工智能能力在海运业进行进一步研究的两个可能领域。预测分析是第一个领域，其次是能源效率优化。此外，机器学习 (ML) 和运筹学 (OR) 也引起了人们对自动学习启发式方法的兴趣，以解决优化问题，从而避免需要昂贵且低效的人力来创建高度专业化的启发式方法。未来的研究可以利用这些新的 ML 方法来解决海运物流问题，利用不断增加的可用数据量。未来对海运物流的研究还可以根据已发现的差距开发学习模型。