计算以提高性能。由于数字电子产品的快速整合,EVS现在有很大的机会进入自动驾驶领域,从而使它们在运输安全和创新方面更加理想。在开发自主电动汽车的过程中采用了许多方法。传统上,这些方法基于一种基于机器人的方法,该方法将自主驾驶任务分为后续模型,即感知,计划和控制。这些方法很困难,需要更多的计算能力。随着芯片制造的进步,近几十年来,传统的基于机器人的方法被机器学习方法取代。这些机器学习方法包括人工神经网络多层感知器(ANN-MLP),卷积神经网络(CNN),支持向量机(SVM)和卷积神经网络长短期记忆(CNN-LSTM)。尽管使用了不同的现代技术来改善需要高计算能力的自动驾驶汽车的性能,但是对PID控制器进行了持续的研究,以确保车辆在车道中的稳定性。在PID控制器中也使用了不同的优化算法,该算法被证明是有效的[2]。在本文中,我们在不同的深度学习算法之间进行了比较研究,并通过使用CTE进行路径跟踪的PID控制器验证了它们的性能。在第二节中,使用各种自动驾驶车辆技术对众多出版物进行了评论。第四节提出了PID实施。第三部分描述了这项实验研究中使用的几种深神经网络技术。第五部分描述了所使用的过程和步骤。在第六节中证明了比较研究,并且在第七节中进行了结论陈述。文献综述在过去的二十年中,在任何情况下都进行了研究,以使自动驾驶车辆更安全,更实用。研究了不同的研究论文
摘要 - 随着EV及其电池管理系统的越来越关注,锂离子电池的有效寿命和性能至关重要。应经常均衡电池单元,以增加电池组的寿命。传统的细胞平衡方法是被动细胞平衡,其中来自热量的多余能量以热量的形式消散,直到所有细胞平均充电,从而导致电池组的热问题和效率。本文提出了一种新颖的方法,可通过使用Kalman Filter算法进行主动细胞平衡来提高电池管理系统的效率,从而克服被动细胞平衡的缺点。本文的目的是开发一个可以通过确保每个电池均匀充电并均匀排放来延长电池寿命的系统。提出的系统包括一个主动平衡电路,该电路使用Kalman滤光片算法估算每个电池电池的状态并确定最佳充电和排放电流。
研究文章 垃圾邮件发送者和诈骗者如何利用 Facebook 上的 AI 生成图像来增加受众 关于人工智能 (AI) 图像生成器(例如 DALL-E 和 Midjourney)的风险的大部分研究和讨论都集中在它们是否可用于将虚假信息注入政治话语。我们表明,垃圾邮件发送者和诈骗者(似乎是出于利润或影响力而不是意识形态的动机)已经在使用 AI 生成的图像在 Facebook 上获得显著的关注。有时,Facebook Feed 会向既不关注发布图像的页面也不意识到图像是 AI 生成的用户推荐未标记的 AI 生成的图像,这凸显了随着 AI 模型的激增,需要提高透明度和出处标准。作者:Renée DiResta (1)、Josh A. Goldstein (2) 所属机构:(1) 美国斯坦福大学斯坦福互联网观测站,(2) 美国乔治城大学安全与新兴技术中心 引用方式:DiResta, R., & Goldstein, J.A.(2024)。垃圾邮件发送者和诈骗者如何利用 Facebook 上的 AI 生成图像来增加受众。哈佛肯尼迪学院 (HKS) 错误信息评论,5 (4)。收到日期:2024 年 4 月 21 日。接受日期:2024 年 7 月 24 日。发布日期:2024 年 8 月 15 日。研究问题
这项研究重点介绍了perlis的每月温度和降雨模式的预测,目的是为该地区的气候提供宝贵的见解。采用了各种预测方法,包括简单的季节性指数平滑(SSE),Holt Winter添加剂,Holt Winter乘法和季节性Arima。使用键误差指标(例如平均绝对误差(MAE),均方根误差(RMSE)和平均绝对百分比误差(MAPE))评估这些模型的准确性。分析结果表明,简单的季节性指数平滑(SSES)模型始终优于其他方法,显示了温度和降雨预测的最低误差指标。具体而言,对于每月温度,MAE的最低误差指标值为0.401,RMSE为0.465,MAPE为1.434。每月降雨,SSES模型表明,1.528的MAE,1.952的RMSE和157.477的MAPE,表明其在捕获Chuping气候中捕获季节性模式方面的准确性很高。该研究的结论表明,在接下来的31个月内,预期的温度和降雨模式稳定,直到2025年底。预测中的这种可靠性为包括农业和环境管理在内的各个部门提供了有价值的信息,这些信息依赖于准确的气候预测进行计划和资源分配。关键字:预测,简单的季节性指数平滑(SSES),Holt-Winter添加剂,Holt Winter乘法性,季节性Arima。[1]。引言Chuping,马来西亚佩里斯(Perlis),以其广泛的农业行业而闻名,其中包括几种不同的农产品,例如大米和橡胶。此外,它具有成为该国最大的甘蔗生产区(Perlis州政府,北卡罗来纳州)的区别。这些农业活动的成功和生产力显着影响当地经济,产生就业机会,刺激农村发展,并支持该地区许多人的生计以及农业部门的谋生,在削弱佩里斯的整体经济增长方面。这些农业活动中这些农业活动的繁荣和生产力与天气条件(主要是降雨和温度)密切相关。
摘要这项研究研究了数字技术对联邦医疗中心Umuahia Abia State的组织绩效的影响。已将分布式的104个问卷分析给了阿比亚州选定的商业银行的工作人员,在SPSS版本23.0的帮助下,采用了描述性调查方法并使用相关和方差分析分析了描述性调查方法。做出了以下发现;数字技术兼容性对联邦医学中心Umuahia的组织效率具有重大影响。环境服务创新对联邦医疗中心Umuahia的组织有效性具有重大影响。数字创新对联邦医疗中心Umuahia的组织增长有重大影响。数字培训和咨询对联邦医疗中心Umuahia的组织可持续性有重大影响。研究发现,联邦医疗中心Umuahia Abia State已经采用并在很大程度上使用了数字技术,并且数字技术对其性能产生了重大影响。这项研究证实,数字技术使用与组织绩效之间存在积极的关系。这在所有操作数字技术中都很明显使用所分析的变量:数据管理,问责制,目标成就和服务交付。根据发现,研究建议;联邦医疗中心乌木比亚应通过适当管理技术投资组合和能力来改善其数字技术兼容性的实施,尤其是在网站和社交网络的使用中。因此,需要数字技术的功能与组织效率之间的一致性,以利用数字技术,这需要适当的增强工人的数字功能。此外,应采取更多的政策努力来促进组织中的环境服务创新。同样,在公司内部的创新过程将数字技术的采用也可能需要临时政策。从这个意义上讲,应鼓励创建高级服务,以将联邦医疗中心的创新联系起来,尤其是为了促进组织有效性,数字化转型和行业4.0。联邦医学中心应采用数字创新,以具有竞争优势并提高服务提供服务,拥有更多支持自助服务的服务,自动化所有关键流程,以实现组织中更高的效率,可靠性和控制权并增强组织的增长。关键字:组织,数字技术,政策,有效性和绩效。
摘要从2023年10月至2024年3月在Puducherry附近及其附近的特定位置进行了一项研究。研究地点产生了29种蜘蛛种,分为22属和6个家庭。araneidae和salticidae被确定为最普遍的,分别为6和7属。在整个研究期间,蜘蛛种在所有研究地点的多样性和分布都有显着差异。kalapet表现出最多样化的蜘蛛种,有23种。相比之下,Lawspet具有最低的蜘蛛种类多样性,有12种。在观察到的29个物种中,Argiope anasuja,Cyrtophara cicatrosa,Cyrtophora Citricola和Myrmarachne Bengalensis在农村环境中的优势水平最高(即Kalapet)。他们的猎物和各种各样的植物的存在表明这些物种是主导的。我们的研究表明,蜘蛛多样性在具有良好生态条件的农村栖息地中更为重要,但在最不受干扰的生态环境的城市栖息地中较低。关键词:Puducherry,城市栖息地,蜘蛛多样性,香农指数,物种丰富度
使用 subQUBO 进行多日联运行程规划 带校正处理的退火 使用 Ising 机进行个性化路线选择优化 使用约束 QAOA 解决产品分解结构问题 探索现实世界仓库优化问题中的效用:基于 Quantun 退火器和 Pr 的公式 用于解决容量受限车辆路径问题的混合量子-经典算法 用于物体检测的 QUBO 翻译非最大值抑制的性能分析 用于组织病理学癌症检测的量子驱动防御对抗性攻击 医学诊断中的量子计算:一种用于阿尔茨海默病分类的 QSVM 方法
对三级医院工作人员医疗保健中人工智能的评估 Daniel, Aondona David 1 , Akwaras Nndunno Asheku 1 , Yohanna Stephen 2 , Gyuse Ngueikyor Abraham 3 , De-kaa Niongun Lawrence Paul 1 , Swende Ladi Terrumun 1 , 俄亥俄州州立大学 1、Grace Nwununji 4、马太福音 1 开放获取引文:Daniel、Aondona David、John Stephen、Gyuse Ngueikyor Abraham、Deacon Lawrence Paul、Swende Laadi、俄亥俄州立大学、Rev. Grace Nwunuji、Ocheifa Ngbede Matthew。对三级医院工作人员对医疗保健人工智能的知识、实践、感知和期望的评估。埃塞俄比亚健康科学杂志。2024;34(4):313。 doi:http://dx.doi.org/ 10.4314/ejhs.v34i4.7 收到日期:2024 年 3 月 2 日 接受日期:2024 年 6 月 23 日 出版日期:2024 年 7 月 1 日 版权所有:© 2024 David D.A.,等人。本文根据知识共享署名许可条款分发,允许在任何媒体中不受限制地使用、分发和复制,只要注明原作者和出处。资金:无 竞争利益:作者声明本手稿不存在竞争利益。所属及通讯:
收到日期 2024 年 2 月 16 日 接受日期:2024 年 7 月 18 日 发表日期:2024 年 7 月 28 日 摘要 生活各个方面的技术进步导致人工智能融入教育实践。学生对人工智能辅助工具的使用在学术环境中变得更加重要,这形成了一系列积极和消极的观点。本研究探讨了人工智能辅助工具对学生整体个人和学业成绩的影响。因此,这篇文章意义重大,因为它评估了摩洛哥高中生如何使用人工智能辅助工具来解决他们的家庭作业。该研究试图回答这些学生在多大程度上依赖这些工具,并研究教师对人工智能给课堂带来的这些不断变化的影响的态度和担忧。本研究采用混合方法实现研究目标,同时采用定量和定性方法。因此,研究结果表明,学生严重依赖人工智能来完成日常家庭作业任务,这阻碍了他们的学习过程和技能习得。这些研究结果为政策制定者、家长、教育工作者和学习者提供了几项建议,要求他们意识到过度使用人工智能辅助工具对学生学习成果的不利影响。关键词:学业成绩、人工智能、辅助工具、过度依赖、高中生、家庭作业、个人发展 引用为:Tamimi, J., Addichane, F., & Madani, S. A.(2024).评估人工智能家庭作业辅助工具对高中生学业成绩和个人发展的影响。阿拉伯世界英语杂志 (AWEJ) CALL 特刊 (10)。36-42。 https://dx.doi.org/10.24093/awej/call10.3
参与不包括 Cigna Local Plus IN 或 Medicare Advantage HMO 产品。接受 Commonwealth Care Alliance – SCO 和 One Care 仅用于专科/转诊护理,不包括初级保健。Medicare Preferred 和 Medicare Value 计划的福利有限。接受 Coventry/First Health - PPO Fallon Health 接受 - Fallon Navicare SCO 和 Medicare Advantage 仅用于专科/转诊护理,不包括初级保健。参与不包括 Fallon ACO 计划或 Community Care。接受 Harvard Pilgrim Health Care - HMO、POS、PPO、Health Plans Inc.、ConnectorCare 和 Student Resources。参与不包括 Elevate、Focus、Quality Limited Network、BILH Domestic Community HMO、NH Local 或 HPI Select 产品。Stride Medicare Replacement 仅用于专科/转诊护理,不包括初级保健。接受 Health New England - 仅 PPO,不接受其他产品。接受 Humana - 仅 PPO、POS 和 Medicare Advantage PPO。参与不包括 Medicare Advantage HMO 或其他产品。Mass General Brigham Health Plan 接受 - HMO、ConnectorCare、PPO、Medicare Advantage Plans 和 MGBHP ACO。MGBHP Allies 仅用于专科/转诊护理,无初级保健。MassHealth 接受 - MassHealth、CMSP 和 Limited。C3 ACO、PCC Plan 和 Steward ACO 仅用于专科/转诊护理,无初级保健。Medicare 接受 - Medicare A & B Multiplan / Private HealthCare Systems 接受 - PPO Senior Whole Health 接受 - Medicare SCO、Medicaid SCO 仅用于专科/转诊护理,无初级保健。参与不包括 Choice Care Medicare Replacement。接受移植卓越中心网络 - Aetna Cofinity、Aetna Institutes of Excellence、Cigna Lifesource、Coventry、Humana dba National Transplant Network、Interlink、LifeTrac、OptumHealth 接受 TriCare - East 和 Tricare for Life。West 已获得计划授权。塔夫茨健康计划 塔夫茨公共计划