XiaoMi-AI文件搜索系统
World File Search SystemAyo
Niti Ayog 农业部门能源数据管理问题小组报告。
农业部门需要能源，因为能源是生产的重要投入。农业直接使用能源作为燃料或电力来操作机械和设备，在灌溉中使用燃料来运行拖拉机和其他机械，以及在农场照明，并间接用于农场生产的肥料和化学品。现代农业需要现代能源——两者紧密相连。对于许多发展中国家和欠发达国家来说，农业是经济发展的主导部门。生产力的提高和农业生产系统的现代化是全球减贫的主要驱动力，而能源在实现这一目标方面发挥着关键作用。对现代和可持续农业生产和加工系统的能源投入是从自给农业转向粮食安全的关键因素。能源服务通过提供灌溉（水泵）或农业机械等方式巧妙地支持生产过程。
Ayoosh Bansal
研究生研究助理2017年8月 - 2024年8月•领导多个研究项目，架构系统解决方案，以增强功能安全性，增强系统安全性以及在网络物理和实时系统系统中提高临时可预测性，重点介绍自动层面和空中汽车。在这里链接了一个介绍研究成就。•通过开发感知单纯形式，在自动型地面车辆中可验证的感知安全性，这是一种系统体系结构，可在操作设计域内促进可验证的障碍物检测和确定性碰撞避免。使用开放式工业模拟框架对安全保证进行了分析和验证。•适应了通风的感知，同时通过紧密整合低级别的控制以动态确认系统的控制功能，而不是假定静态最差的壳，从而改善了其性能。•认识到缺乏上下文意识的指标用于自动驾驶中的对象检测，创建了风险排名召回。该度量差异基于对象的安全性影响。•tobringsecurityAuditingToreal -Timesystems，创建了省略号。在省点的themerentherentpresplicational -timeApplications，Ellipsis优化了实时应用程序的Linux审核。省略号几乎消除了典型操作期间审核事件损失的可能性，并在保留安全性信息的同时大大减少了审核数据量（> 90％）。•引入了一种新的内存类型，内部不可访问，外部可缓存，授权实时应用程序绕过高速缓存相干机制并减轻内存访问延迟可变性，可选择性地用于共享数据，对私人数据没有影响。在Linux内核和GEM5模拟器上引起的原型降低了52％的最差延迟，对性能的影响可忽略不计。•在处理器内核和硬件加速器之间设计了一个基于刮擦板的合作执行模型，在支持灵活的功能的同时，实现了与整体固定功能硬件加速器的类似能量和延迟效率。•帮助设计了针对实际应用程序的安全意识的任务计划，从而最大程度地减少了基于后计划的基于后计划对实时系统的影响。•有助于开发用于对象检测神经网络的输入优先级方案，从而克服了此类解决方案固有的优先级反转。
Ayoosh Bansal
博士后研究助理2024年10月 - 目前•设计协同的单纯形系统体系结构，利用安全性和关键任务元素之间的合作来增强自主地面和航空车的安全性和性能。•作为合作努力的一部分，包括来自NASA的工业合作伙伴，设计和开发Airtaxisim，这是一种逼真的软件 - 自动乘坐出租车的环境模拟框架。研究生研究助理2017年8月 - 2024年8月•领导多个研究项目，架构系统解决方案，以增强功能安全性，增强系统安全性以及在网络物理和实时系统系统中提高临时可预测性，重点介绍自动层面和空中汽车。•引入了一种新的内存类型，内部不可访问，外部可缓存，授权实时应用程序绕过高速缓存相干机制并减轻内存访问延迟可变性，可选择性地用于共享数据，对私人数据没有影响。在Linux内核和GEM5模拟器上引起的原型降低了52％的最差延迟，对性能的影响可忽略不计。•在处理器内核和硬件加速器之间设计了一个基于刮擦板的合作执行模型，在支持灵活的功能的同时，实现了与整体固定功能硬件加速器的类似能量和延迟效率。•通过开发感知单纯形式，在自动型地面车辆中可验证的感知安全性，这是一种系统体系结构，可在操作设计域内促进可验证的障碍物检测和确定性碰撞避免。使用开放式工业模拟框架对安全保证进行了分析和验证。•适应了通风的感知，同时通过紧密整合低级别的控制以动态确认系统的控制功能，而不是假定静态最差的壳，从而改善了其性能。•认识到缺乏上下文意识的指标用于自动驾驶中的对象检测，创建了风险排名召回。该度量差异基于对象的潜在安全性影响。•tobringsecurityAuditingToreal -Timesystems，创建了省略号。在省点的themerentherentpresplicational -timeApplications，Ellipsis优化了实时应用程序的Linux审核。省略号几乎消除了典型操作期间审核事件损失的可能性，并在保留安全性信息的同时大大减少了审核数据量（> 90％）。•帮助开发了一个用于对象检测神经网络的输入优先级方案，该方案克服了固有的优先倒置和对实时应用程序的安全意识任务计划，从而最大程度地降低了基于后期计划的攻击类的影响。
使用正规化多重卷积神经网络（RMCNN）的服装图像分类模型 * 1 Shuwa Ayongo，1 Muhammad Abdullahi，1 Nustap
1 ZARIA AHMADU BELLO大学计算机科学系2计算机科学系，联邦教育学院，Zaria *通讯作者电子邮件地址：shuwajunior@gmail.com摘要在过去几十年中，机器逐渐接管了人类的日常活动，例如在线购物和服装。 必须开发人工智能技术，以帮助人们相应地检测和对服装设计进行分类。 早期解决服装图像分类问题的努力需要仔细选择和从服装图像数据集中提取某些功能，以使数据集的功能高度表示。 但是，这些方法在定义和捕获广泛的图像特征方面很难。 研究表明，卷积神经网络（CNN）模型可以比传统的机器学习（ML）方法更好地解决图像分类问题。 但是，他们面临着诸如过度拟合，高参数调整，嘈杂数据和培训数据不足之类的问题。 这项工作解决了过度拟合的问题，该问题降低了服装图像分类模型的分类/概括性能。 我们提出了四（4）个CNN模型，其中将称为辍学的正则化方法添加到每个层以处理过度的问题。 在四个模型中以最佳结果作为拟议模型采用了最佳结果。 与使用相同数据集和最先进的建筑设计训练的其他模型记录的结果相比，准确性提高了1.77％。 这是一个1 ZARIA AHMADU BELLO大学计算机科学系2计算机科学系，联邦教育学院，Zaria *通讯作者电子邮件地址：shuwajunior@gmail.com摘要在过去几十年中，机器逐渐接管了人类的日常活动，例如在线购物和服装。必须开发人工智能技术，以帮助人们相应地检测和对服装设计进行分类。早期解决服装图像分类问题的努力需要仔细选择和从服装图像数据集中提取某些功能，以使数据集的功能高度表示。但是，这些方法在定义和捕获广泛的图像特征方面很难。研究表明，卷积神经网络（CNN）模型可以比传统的机器学习（ML）方法更好地解决图像分类问题。但是，他们面临着诸如过度拟合，高参数调整，嘈杂数据和培训数据不足之类的问题。这项工作解决了过度拟合的问题，该问题降低了服装图像分类模型的分类/概括性能。我们提出了四（4）个CNN模型，其中将称为辍学的正则化方法添加到每个层以处理过度的问题。在四个模型中以最佳结果作为拟议模型采用了最佳结果。与使用相同数据集和最先进的建筑设计训练的其他模型记录的结果相比，准确性提高了1.77％。这是一个关键字：正规化，神经网络，分类，人工智能，计算机视觉，过度拟合，辍学的介绍在过去几十年中，机器正在逐渐接管人类的日常活动，例如在线购物和衣服操纵。在线购物和衣服操纵需要某些功能，例如颜色，设计和衣服的形状，以便能够相应地识别和分组它们。必须开发人工智能技术，可以适当地检测和对服装设计进行分类，以使机器执行在线购买的任务，并帮助他们有效地决定人类的衣服类型。这可以帮助用户更好地了解产品，并吸引来自不同位置的更多客户，从而提高销售额。对客户的口味，文化和社会经济地位的更深入了解也可以通过这种信息来帮助（Henrique等，2021）。服装时装设计的分类属于称为图像分类的计算机视觉中更广泛的群体。将对象分类为各种类别的任务可以被视为人类简单的任务，但对于机器来说是复杂的。
版权所有 2024 作者在 Creative Commons CC-BY 4.0 OPEN ACCESS 下引用为：Mandala, NO, Ayoyi, IR, & Too, SK (2024)。信息的影响
该研究通过深入研究技术进步对肯尼亚公共采购复杂动态的细微影响，填补了现有知识的一个关键空白。调查仔细研究了技术采用对效率和透明度的影响，探索了采购领域内的一系列经验、挑战、成功和总体影响。该研究以技术接受模型 (TAM) 和技术、组织和环境 (TOE) 理论为基础。该研究采用了定量和文献分析方法。数据是通过问卷收集的，并进行了各种文献综述。研究结果表明，IT 使用和 IT 依赖共同解释了公共采购效率和透明度的 26.5% 的差异，R 平方值为 0.265。回归系数结果导致两个零假设都被拒绝，表明 IT 使用和 IT 依赖都对公共采购的效率和透明度有显著影响。 IT 使用率和 IT 依赖度的 p 值分别为 0.027 和 0.000，在 0.05 水平上均具有统计学显著性。本研究得出的结论是，IT 在提高效率和
Khashab，B.，Ayoubi，R。和Gulliver，S。
Khashab，B.，Ayoubi，R。和Gulliver，S。Orcid：https：//orcid.org/0000-0000-0002-4503-5448（2022）高等教育机构中的CRM策略范围：实用步骤：实用步骤。 战略营销杂志，30（7）。 pp。 627-651。 ISSN 1466-4488 doi：https：//doi.org/10.1080/0965254X.2020.2020.1823458可在https://centaur.acec.ac.ac.uk/92777/Khashab，B.，Ayoubi，R。和Gulliver，S。Orcid：https：//orcid.org/0000-0000-0002-4503-5448（2022）高等教育机构中的CRM策略范围：实用步骤：实用步骤。战略营销杂志，30（7）。pp。627-651。ISSN 1466-4488 doi：https：//doi.org/10.1080/0965254X.2020.2020.1823458可在https://centaur.acec.ac.ac.uk/92777/
Ogunoye，O。A.，Adesina，J.M.，Ayodeji，M.S.，Johnson，T.A.，Bolarinwa，S.A. 的微生物评估Ogunoye，O。A.，Adesina，J.M.，Ayodeji，M.S.，Johnson，T.A.，Bolarinwa，S.A.
fufu（木薯样食物）是尼日利亚最消耗的主食食品之一，尤其是在该国南部。这项研究旨在检测和量化在Owo大型Owo owo州市场市场上出售的fufu中的微生物。在三个主要的OWO市场的卖方中无菌地收集了大约50/克的新鲜烹饪FUFU样品，并运送到联邦技术大学，Akure（FUTA）作物，土壤和PEST Management系实验室进行分析。对于细菌，将营养琼脂板（Na）板以37+2ºC孵育24小时，而酵母和霉菌的PDA板则在27+2ºC下孵育48小时。计数并记录孵育后每克每克细菌细胞和真菌孢子产生孢子（CFU/G）的菌落（CFU/G）。通过亚文化获得了每个分离物的纯化培养物，并在4ºC下存储以进行生化测试。Cooked fufu samples found mostly lactic acid bacteria like Lactobacillus plantarum, L. fermentum, L. brevis, Leuconostoc mesenteroides, Streptococcus thermophiles, S. mutans, Pediococcus cerevisiae, Staphylococcus hominis, Bacillus pumilus, acidophilus, L. lactis, Micrococcus spp。，B。枯草芽孢杆菌，椎球spp，S。表皮和双歧杆菌以及两个酵母包括酿酒酵母和Zygosacchachomyces spp。OWO Metropolis的一些主要市场出售了煮熟的FUFU样品，细菌载荷范围从0.2到2.3×10 7 CFU/g，酵母负荷在1.6至4.55×107 cfu/g中。良好的卫生可以提高OWO主要市场上出售的熟食的安全性和质量，并降低饮食疾病的危险。
引用本文：20 世纪 90 年代：20 世纪 90 年代：20 世纪 90 年代：20 世纪 90 年代：20 世纪 90 年代：20 世纪 90 年代：20 世纪 90 年代：
摘要 医护人员 (HCW) 对疫苗的看法会影响患者和社区的疫苗决策。在疫苗犹豫不决日益加剧的时代，了解 HCW 的疫苗信心至关重要。本系统评价旨在回顾已验证的用于衡量 HCW 疫苗信心的工具。我们于 2023 年 6 月在五个数据库中进行了搜索。数据是描述性合成的。纳入了描述 10 种不同工具的 12 篇文章。大多数工具包括疫苗知识 (n = 9)、安全性 (n = 8)、疫苗有用性 (n = 8)、推荐行为 (n = 8) 和自我接种实践 (n = 7) 的维度或项目。除一项研究外，所有研究均在高收入国家进行。验证过程的质量存在差异。关于 HCW 疫苗信心工具的开发和验证的现有文献有限。根据目前可用的工具，Pro-VC-Be 工具的验证最为充分。进一步的研究需要包括低收入和中等收入环境。
人工智能技术：应用、威胁和未来机遇 Ayodeji Olalekan Salau 1 , Wubetu Barud Demilie 2 , Adedeji Tom
摘要 人工智能 (AI) 的快速发展使其成为医学、教育、研究、计算机视觉、自然语言处理、自动驾驶、机器人和自动化以及所有行业的零售 (营销) 服务等领域的关键技术。过去十年来，人工智能在这些领域取得了显著的进步，带来了许多未来机遇和相关挑战。此外，人工智能系统对行业的工作效率和活动也有影响。虽然人工智能受到医疗、教育、工业和营销服务提供商等行业的积极欢迎，但它的应用既带来了机遇，也带来了挑战。人工智能和相关技术的快速发展将帮助服务提供商为客户创造新价值，同时提高其运营流程的效率。有效部署人工智能需要规划和策略来转变所需的技术。本研究调查了基于人工智能的技术应用现状及其对医疗、教育和营销 (零售) 行业等各个领域的影响。结果表明，目前医疗、教育和营销行业正在使用人工智能系统为广泛的服务执行不同的活动。此外，作者还介绍了人工智能技术带来的未来机遇以及所审查的各个领域的相关威胁。关键词 1
部门 ITR N00 前台使用 N6 ITR N01 ED 使用 N6 ITR N008 CMC 使用 N6 ITR 我不想要
部门 ITR N00 前台使用 N6 ITR N01 ED 使用 N6 ITR N008 CMC 使用 N6 ITR 我不想要