XiaoMi-AI文件搜索系统
World File Search SystemChugh
pradeep chugh
• The Hyundai CRETA Electric comes with Vehicle-to-Load (V2L) both inside the car as well as outside for a convenient and innovative experience • The new In-car Payment system allow customers to pay for charging directly from the vehicle's infotainment screen at more than 1,150 EV chargers across India, taking a leap towards the future of car-as-a payment platform • Offers ADAS Linked regenerative braking system for enhanced safety and efficiency • 26.03厘米（10.25英寸）双曲线屏幕每个用于信息娱乐和数字群集•超过75个高级安全功能和52个安全功能作为变体的标准标准•在7.9秒内i，在7.9秒I中，现代Creta Electric在Hyundai Creta Electric中，现代Creta Electric在58分钟的费用•10％的Chorn -Ack and Chore Experience•10％（DC Charge）（10％）（DC Charge）（DC 10％）充电器）ii•单击此处查看现代CRETA电动图像
引用：Verma, S., Chugh, S., Ghosh, S. 和 Rahman, BM (2022)。用于优化等离子体配对纳米结构光学参数的人工神经网络建模。纳米材料 (巴塞尔)，12(1)，170。doi：10.3390/nano12010170
摘要：人工神经网络 (ANN) 已成为机器学习 (ML) 中一种分析复杂数据驱动问题的有效方法。由于其时间效率高，它在物理学、光学和材料科学等许多科学领域都很受欢迎。本文提出了一种基于 ANN 的计算高效方法来设计和优化电磁等离子体纳米结构的新方法。在本研究中，首先使用有限元法 (FEM) 模拟纳米结构，然后使用人工智能 (AI) 对不同配对纳米结构的相关灵敏度 (S)、半峰全宽 (FWHM)、品质因数 (FOM) 和等离子体波长 (PW) 进行预测。首先，使用有限元法 (FEM) 开发计算模型来准备数据集。输入参数被视为长轴 a 、短轴 b 和分离间隙 g ，它们已用于计算相应的灵敏度（nm/RIU）、FWHM（nm）、FOM 和等离子体波长（nm）以准备数据集。其次，设计了神经网络，其中优化了隐藏层和神经元的数量，作为综合分析的一部分，以提高 ML 模型的效率。成功优化神经网络后，该模型用于对特定输入及其对应的输出进行预测。本文还比较了预测结果和模拟结果之间的误差。该方法优于直接数值模拟方法，可用于预测各种输入设备参数的输出。