XiaoMi-AI文件搜索系统
World File Search SystemENGG
engg5105.pdf -cuhk cse
课程：ENGG5105课程ID：011158 AFF日期：2024-07-01 CRSE状态：主动批准。状态：已批准的[新课程]计算机和网络安全性电脑系统与网络安全本课程旨在从应用的角度引入计算机和网络安全性的重要主题。主题包括：（i）应用加密图（例如加密原始图，使用OpenSSL编程），（ii）网络安全性（例如未经授权的访问，大规模网络攻击，防火墙和入侵检测系统），（iii）网络安全性（例如，HTTP Sessign和Web System and Felesers and Felecter and Felecter and Eveer（e.G） 安全）。该课程还根据当前的研究趋势讨论了最新的应用安全主题。咨询：预计学生应服用CSCI3150或ETSR3102，CSCI4430或CENG4430或IERG3310
定量降水估计（QPE）天气雷达使用衰减校正和Z-R关系算法的比率
定量降水估计（QPE）天气雷达在东Java Laode Nodeman的某些部分中使用Z-R关系算法的衰减和比较Z-R关系算法，Retnadi Heru Jatmiko博士，硕士。; Emilya Nurjani博士，S.Sc.，M.Sc。
使用
在制造玻璃纤维船的过程中，有许多供应商为船提供主要材料，其中之一是CSM。选择和评估关键材料供应商是最重要的供应链活动之一。在选择和评估供应商的过程中，Sidoarjo的造船公司通常面向最低价格，这会导致诸如材料交付的延迟等问题。这些问题可能会造成造船厂的重大损失。这项研究旨在分析标准，标准和替代供应商的权重值，以便公司可以获得可以提供造船厂所需的组件的最佳切碎的链垫（CSM）供应商。本研究使用AHP方法来确定符合公司标准的标准，子标准和替代供应商。基于标准之间的加权结果，质量标准的最高权重是在0.475处获得，并且根据亚标准之间的权重结果，产品规范亚标准的最高权重为0.208。基于供应商之间绩效评估的结果，发现KKT07FBG供应商是重量为0.110的最佳供应商。关键字：AHP，评估，绩效，供应商，供应链管理
采用 MOSFET IRF 2805 的可变电源
本文讨论了使用 MOSFET 作为电流放大器的可变电源项目的开发。该项目旨在设计和构建一个可提供可调输出电压的电源，利用 MOSFET 来提高效率和性能。通过使用 MOSFET，该系统能够以最小的功率损耗传输大电流，使其成为各种电子应用的理想选择，包括设备测试和电机控制。本研究进行的模拟是通过创建电源设计并提供电位器开启度为 0%、20%、40%、60% 和 80% 的电压。电压表和万用表上显示的结果将显示 MOSFET 作为电流放大器与双极晶体管 (BJT) 相比的效率。
绿豆和大豆提取物作为
抽象的 。合成培养基是一种可用于微生物繁殖的培养基。使用合成介质的缺点是材料价格相当昂贵。为了降低使用成本，您可以寻找使用天然材料的替代品。青豆和大豆可以作为培养微生物的替代培养基。本研究的目的是计数绿豆和大豆提取物等天然培养基中的枯草芽孢杆菌菌落数量。该研究方法是通过将枯草芽孢杆菌培养到绿豆和大豆提取物培养基中，然后使用菌落总数 (TPC) 法计算生长的菌落数量来进行实验的。研究结果表明，枯草芽孢杆菌能在绿豆提取物培养基中生长，菌落数为1.7×10 10 CFU/mL，而在大豆提取物培养基中则有4.5×10 8 CFU/mL菌落数。从两种替代培养基中获得的菌落结果显示，枯草芽孢杆菌可以在绿豆和大豆提取物培养基中生长。关键词：枯草芽孢杆菌、天然培养基、绿豆提取物、大豆提取物、TPC。
使用算法对糖尿病疾病进行分类
印度尼西亚是世界上糖尿病患者最多的国家之一。糖尿病会引起严重的并发症，对患者来说具有潜在危险。本研究旨在通过考虑糖尿病的各种风险，使用分类增强 (CatBoost) 算法开发一个准确的预测模型来对糖尿病进行分类。 CatBoost 因其良好处理分类数据的能力而闻名。这项研究的初始阶段是数据处理或预处理，包括数据清理以处理不干净数据的问题、处理具有极端值的数据以及纠正不适当的数据类型。接下来，使用 CatBoost 算法进行创建预测模型的阶段，这是一种有效的决策梯度增强方法。使用混淆矩阵进行模型评估以评估分类性能。研究结果显示，糖尿病分类的准确率相当高，根据数据中使用的属性，准确率为 98.63%。希望这项研究能够有助于增进人们对糖尿病风险及其导致的死亡率的了解和控制。关键词：算法，CatBoost，糖尿病，分类，预测 1.介绍 糖尿病（DM）是一种由遗传因素、环境、饮食和其他因素引起的自身免疫性疾病[1]。糖尿病是一种与胰腺健康相关的疾病，胰腺产生胰岛素激素的异常会导致血糖水平升高。人体内血糖水平升高会扰乱肾脏、心脏和大脑等重要器官的功能 [2]。 2019 年，世界卫生组织 (WHO) 指出，至少有 200 万人的死亡可归因于糖尿病 [3]。根据2018年印尼卫生部在抗击糖尿病世界大会上的官方报告，印尼是世界上糖尿病患者最多的国家，位列第六。数据显示，印度尼西亚 20-79 岁年龄段的糖尿病患者数量达到约 1030 万人 [4]。
201使用叶甲醇提取物...
已经对使用Kaliandra叶甲醇提取物作为铁金属腐蚀抑制剂的抽象研究进行了研究。本研究的目的是确定在HCl培养基中铁金属抑制过程中浸泡时间，浓度和温度变化中，Kaliandra叶提取物（Calliandra calothyrsus M.）中包含的二级代谢产物和最佳条件。kaliandra叶提取物是通过用甲醇溶剂浸润提取的。使用减少浸泡时间，kaliandra叶提取物的浓度和温度来确定每年的腐蚀速率和抑制效率％的腐蚀测试。结果表明，kaliandra叶甲醇提取物含有二级代谢化合物生物碱，类黄酮，单宁和皂苷。在6天的抑制作用时，获得了HCL腐蚀性培养基上铁金属抑制过程的最佳条件，抑制效率和腐蚀速率值为86.49％和0.00119 mm/年，并以13,000 ppm的浓度和温度为26℃年度和91.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.60％。在使用温度变化的浸入中，所使用的温度越高，抑制效率降低和腐蚀速率增加，以使铁金属经历更快的腐蚀。
开发使用转移学习方法Kasnanda 1 Star，Helmi Imaduddin 2
糖尿病性视网膜病（RD）是糖尿病的严重并发症，可能会损害视网膜并威胁视力。早期发现RD对于防止进一步的眼睛损害非常重要。为了增加这种早期检测，深度学习技术，尤其是CNN方法，已被广泛使用。本研究旨在在视网膜图像分类中实施和比较四种不同CNN体系结构的性能，即Resnet152v2，Xception，Denset201和InceptionV3，以检测RD。首先，将数据集视网膜图像分为感染RD的类别和不感染的类别。然后，使用培训数据开发和培训CNN模型以对图像进行分类。使用数据增强技术有助于增加模型的概括。训练模型后，使用单独的测试数据集进行测试以评估每个模型的性能。测试结果表明，Xception和Denset201在检测RD方面具有出色的性能，精度，精度，召回和F1得分达到96％。该评估的结果证实，深度学习技术，尤其是以CNN的形式，在支持医学诊断方面具有巨大的潜力，尤其是在检测复杂的眼睛（例如RD）方面。这些模型的使用可以为RD患者带来重大好处，从而可以更有效的早期文本和更及时的处理。抽象的糖尿病性视网膜病（DR）是糖尿病的严重并发症，可能会对视网膜造成损害并威胁视力。丹根·德米基安（Div），Penelitian Ini成员Kontribusi penting Dalam Pengembangan solusi otomatis untuk untuk诊断RD，Yang Dapat Mening-Katkan Perawatan kehatan kesehatan kesehatan kesehatan mata secara secara secara secara secara secara secara secara keseluruhan。早期发现RD对于防止进一步的眼睛损害非常重要。为了改善这种早期检测，深度学习技术，尤其是CNN方法已被广泛使用。本研究旨在在视网膜图像分类中实施和比较四种不同CNN体系结构的实现，即Resnet152v2，Xception，Densenet201和IntectionV3。首先，将视网膜图像数据集分为RD感染和非RD感染类别。然后，使用训练数据来开发和培训CNN模型以对图像进行分类。使用数据增强技术有助于改善模型的概括。训练模型后，使用单独的测试数据集进行测试以评估每个模型的性能。测试结果表明，Xception和Densenet201在检测RD方面具有出色的性能，精度，精度，召回和F1得分达到96％。此评估的结果证实，深度学习技术，尤其是以CNN的形式，在支持医学诊断方面具有巨大的潜力，尤其是在检测复杂的眼部疾病（例如RD）方面。使用这些模型可以为RD患者带来重大益处，从而实现更多效率的早期检测和更及时的治疗。因此，这项研究为RD诊断的自动解决方案的开发做出了重要贡献，这可以改善整体眼保健。
使用卷积神经网络在视网膜图像中对眼病的分类
ABSTRAK ............................................................................................................ vii
