XiaoMi-AI文件搜索系统
World File Search SystemBuddy
Billy Buddy针对网络欺凌 基于嵌入式的智能事故前出现，后... 晶体管微型化对量子的影响... Sightsense：增强对盲人的视野，在其中，声音用计算机视觉和语音绘制世界 使用... 根据学习时间来预测学生的结果 使用机器的投资建议系统... 生物发光混凝土的文献综述研究 使用Arduino 的智能vac Ultimate清洁机器人
摘要 - Billy Buddy反对网络欺凌的“基本上是为解决网络欺凌的安全空间，包括两个主要模块：管理员和用户。管理员模块包括安全登录，状态数据分析和用户管理，而用户模块允许注册，事件报告，与已解决类似问题的其他人进行讨论以及标记解决问题的问题。该平台通过OTP，配置文件管理为用户提供了密码恢复选项，并使用高级机器学习算法，其中包括随机森林，MLP分类器和ADABOOST来检测和分类网络欺凌。它是在Python，MySQL和Django中开发的，在HTML，CSS和JavaScript中具有直观的接口。“比利·巴迪（Billy Buddy）针对网络欺凌”的目的是针对一个有用的环境，用户可以利用先进的技术来解决这个严重的社会问题，并使数字世界成为更安全的地方，从而在其中用户可以报告和解决网络欺凌事件。Index Terms - Cyberbullying, Machine Learning, Random Forest, MLP Classifier, AdaBoost, Flask, Django, MySQL, Python, User Module, Admin Module, Problem Registration, Chat Support, Profile Management, State- wise Analysis, Data Classification, Web-based Platform, Cyberbullying Prevention, User Interaction, Secure Login, Dashboard, Sentiment Analysis.
作物buddy：可持续建筑中的疾病检测平台，肥料预测和作物建议
该倡议为农民提供了数据驱动的见解，这是最好的农作物，正确的肥料和植物作物疾病的检测。它有助于做出明智的决定，减少反复试验并提高产出。该系统使用CNN可靠地从叶片照片中识别疾病，减少农作物的损失和增加产量。主动性通过建议适当的作物和肥料来最大程度地利用资源的使用，从而确保可持续的农业方法。ML和DL型号，使小型农民负担得起。该项目的基于Web的接口允许用户输入土壤，天气或图像数据，并提供精确的预测和建议。“下载作为图像”功能允许用户将预测和建议作为图像文件保存，使其可用于离线访问，尤其是对于Internet连接有限的地区的农民而言。
生成式人工智能作为学习伙伴和教学助理
摘要 — 为了揭示在职前教师 (PST) 对生成人工智能 (GenAI) 应用程序的用户体验和看法，我们调查了 167 名加纳 PST 将 GenAI 作为学习伙伴和教学助理的具体用途以及他们对这些应用程序的态度。通过探索性因素分析 (EFA)，我们确定了影响 PST 对 GenAI 态度的三个关键因素，即教学、学习以及道德和倡导因素。这些因素的平均分数表明他们对 GenAI 的态度普遍积极，表明他们高度认同 GenAI 有潜力增强 PST 的内容知识和获取学习和教学资源，这反过来又减少了他们在学习和教学实践中对同事帮助的需求。研究结果特别表明，PST 使用 GenAI 作为学习伙伴来获取阅读材料、深入的内容解释和实际示例，并作为教学助理来增强他们的教学资源、制定评估策略和课程计划。回归分析表明，年龄、性别和学习年份等背景因素无法预测 PST 对 GenAI 的态度，但年龄和学习年份可以显著预测他们使用 GenAI 的频率，而性别则不能。这些发现表明，年龄较大的 PST 和在教师教育计划中学习较久的 PST 可能会更频繁地使用 GenAI，但他们对该应用程序的看法保持不变。然而，PST 担心 GenAI 应用程序提供的信息的准确性和可信度。因此，我们建议需要解决对 GenAI 准确性和可信度的担忧，确保 PST 可以在他们的教师培训计划中自信地依赖这些应用程序。此外，我们建议采取有针对性的策略，将 GenAI 更有效地整合到 PST 的学习和教学过程中。
推荐引用 推荐引用 Tori R. Kricken，《倾听你（微醺的）内心的声音：人工智能不是你的酒友》，83 Md. L. Rev. (2024) 可从以下网址获取：https://digitalcommons.law.umaryland.edu/mlr/vol83/iss2/5
人工智能无处不在，帮助和保护着社会，对吧？仅用十二秒，人工智能就可以根据一个人的语音（无论说了什么）检测酒精中毒并挽救因醉酒行为而受到威胁的生命。人工智能的最新进展已经达到了这样的程度：这种技术不仅存在，而且价格低廉、即时、易于获取、越来越准确，并且可能无法检测到。然而，这种语音分析也可能使主体受到指控，并可能泄露高度个人信息，同时绕过典型的宪法保护。应该质疑这种技术，以免社会用编码程序取代人类判断，这些程序抹杀隐私并误判性格——对于传统上代表性不足的人群而言，这种做法往往具有歧视性。语音分析“大数据”突破的必要伴侣是对这些进步如何调整个人权利的深思熟虑的评估。从第一修正案的自由到第十四修正案的正当程序和平等保护，用于识别酒精醉酒的基于音频的深度学习算法提出了必须解决的宪法挑战。本文就是这样做的。