XiaoMi-AI文件搜索系统
World File Search SystemHamed
1。Elawad，Mamoun，Suad Zaki Hamed Alyousef，Njoud ... div>
Muzzammel Rehman，Islam M. Abdel-Rahman，Azza AK El-Sheikh和Mahmoud M. Abdelhamid。“探索对Zaire Ebolavirus蛋白24（V24）的Galidesivir类似物的治疗潜力（V24）：数据库筛选，分子对接，与药物相关的性质评估和分子动力学模拟。”生物分子结构与动力学杂志（2023）：1-11。26。
如何引用本文 Hamed E, Sharif A, Eid A, et al. (2023 年 7 月 15 日) 推进人工智能用于临床知识检索：案例
我们的两步方法采用了两个提示来收集和汇编本研究的信息。首先，我们进行了数据检索过程，重点关注有关管理 DKA 的五个基本问题：诊断标准、风险因素、体征和症状、调查和治疗。我们使用“Link Reader”插件检索相关内容，将每个问题引导至特定指南，并通过提供的 URL 检索信息。ChatGPT-4 在第一个提示期间从指定来源检索单个问题的答案，优先考虑准确性、真实性和适当的引用。为每个问题收集三个答复后，我们进入第二步，根据指定的指南检查答案的准确性。每个指南一次一个问题，这种循序渐进的方法确保了清晰的信息来源并有助于检查答案的准确性。
文章：Goudarzi、Shidrokh、Anisi、Mohammad Hossein、Ahmadi、Hamed orcid.org/0000-0001- 5508-8757 等（另外 1 位作者）（已接受：2020 年）使用 SDN 的分销运营动态资源分配模型。IEEE 物联网杂志。ISSN 2327-4662（印刷中）
摘要 — 在车载自组织网络中，自动驾驶汽车在支持车载应用之前会生成大量数据。因此，需要一个大存储和高计算平台。另一方面，云平台上的车载网络计算需要低延迟。应用边缘计算 (EC) 作为一种新的计算范式，有可能在提供计算服务的同时减少延迟并提高总效用。我们提出了一个三层 EC 框架，将弹性计算处理能力和动态路线计算设置为适合实时车辆监控的边缘服务器。该框架包括云计算层、EC 层和设备层。资源分配方法的公式类似于优化问题。我们设计了一种新的强化学习 (RL) 算法来处理云计算辅助的资源分配问题。通过集成 EC 和软件定义网络 (SDN)，本研究为车载网络中的资源分配提供了一种新的软件定义网络边缘 (SDNE) 框架。这项工作的新颖之处在于设计了一种使用经验回复的多智能体基于 RL 的方法。所提出的算法实时存储用户的通信信息和网络轨迹状态。给出了具有各种系统因素的模拟结果，以显示所建议框架的效率。我们通过一个真实案例研究来展示结果。
长期精神压力下的大脑功能连接变化 Ali Darzi 1 , Hamed Azami 2 , Reza Khosrowabadi 1 * 1 认知和 B 研究所
摘要 长期心理压力会严重影响大脑结构和功能。然而，只有少数研究使用脑电图 (EEG) 来检验这一事实。本研究展示了一种脑机接口 (BCI)，用于对不同心理状态下长期心理压力的 EEG 相关因素进行分类。这项研究针对 26 名健康的右利手大学生进行，考试期被视为长期精神压力源。根据感知压力量表 (PSS-14) 评估的压力水平，选择两组受试者。在受试者睁眼静息状态下以及暴露于自我评估人体模型问卷 (SAM) 评分的正向和负向情绪刺激时收集他们的 EEG 数据。从 EEG 数据中提取了几种类型的特征，包括功率谱密度 (PSD)、侧化指数 (LI)、相关系数 (CC)、典型相关分析 (CCA)、幅度平方相干估计 (MSCE)、互信息 (MI)、相位斜率指数 (PSI)、格兰杰因果关系 (GC) 和有向传递函数 (DTF)。随后，使用几种类型的分类器对提取的特征进行区分，包括 k-最近邻 (KNN)、支持向量机 (SVM) 和朴素贝叶斯 (NB) 分类器。通过一种遗漏方法验证了所提出的 BCI，并在不同的时间窗口中使用低频和高频分辨率、分别 7 个和 36 个频带进行了调查。结果表明，所提出的系统可以准确识别受试者在不同心理状态下的压力水平。此外，与其他特征提取方法相比，MI 作为功能和 DTF 作为有效的连接方法可产生最高的分类准确率。关键词：长期心理压力、脑电图、情绪状态、分类。
推荐引用 推荐引用 Monshizada, Sahber；Sarbazhosseini, Hamed；Mohammadian, Masoud，“从人员、流程、数据和技术的角度概念化人工智能管理”（2021 年）。ACIS 2021 会议论文集。64。https://aisel.aisnet.org/acis2021/64
研究指出，实施人工智能 (AI) 的组织面临着诸多挑战。这些挑战的例子包括缺乏利用人工智能的经验和技能 (Desouza 2018；Ichishi 和 Elliot 2019)、有效管理信息安全 (Choudhary 等人2020；Wirtz 等人2019) 和数据可用性 (Desouza 等人2020；Sun 和 Medaglia 2019)。研究人员提出的挑战会影响组织内人工智能的最终结果和成功实施。最近的研究主要集中在识别人工智能挑战上，很少有研究探索组织如何通过克服这些挑战来成功利用人工智能。本研究旨在探讨以下问题——组织如何从非技术角度管理人工智能，以提高人工智能项目的成功交付率？
Hamed 2022 癌症-14-01515.pdf
1 德国波恩大学医院神经外科，邮编 53127；motaz.hamed@ukbonn.de（MH）；valeri.borger@ukbonn.de（VB）；muriel.heimann@ukbonn.de（MH）；erdem.gueresir@ukbonn.de（EG）；patrick.schuss@ukbonn.de（PS）；hartmut.vatter@ukbonn.de（HV）2 德国波恩大学医院放射肿瘤科，邮编 53127；julian.layer@ukbonn.de（JPL）；david.koch@ukbonn.de（DK）；davide.scafa@ukbonn.de（DS）；gustavo.sarria@ukbonn.de（GRS）；jasmin.holz@ukbonn.de（JAH）；stephan.garbe@ukbonn.de（SG）； frank.giordano@ukbonn.de（FAG）；christopher.schmeel@ukbonn.de（LCS） 3 波恩大学医院神经放射学系，53127 波恩，德国；carsten.schmeel@ukbonn.de（FCS）；alexander.radbruch@ukbonn.de（AR） 4 波恩大学医院神经内科临床神经肿瘤科，53127 波恩，德国；niklas.schaefer@ukbonn.de（NS）；ulrich.herrlinger@ukbonn.de（UH） 5 柏林 BG 医院神经外科系，12683 柏林，德国* 通信地址：anna-laura.potthoff@ukbonn.de（A.-LP）；matthias.schneider@ukbonn.de（MS）† 这些作者对本文的贡献相同。 ‡ 这些作者对这项工作做出了同等贡献。
推荐引用 推荐引用 Fazlollahtabar, Hamed (2021) “使用人工智能进行在线业务服务质量信息分析”，信息科学快报：第 10 卷：Iss。1，第 11 篇文章。网址：https://digitalcommons.aaru.edu.jo/isl/vol10/iss1/11
摘要：在线业务服务组合是面向服务架构中最重要的问题之一。为了应对大多数复杂的业务流程，可能不只是单一的服务，因此必须将多个服务组合起来才能达到合适的效果。组合服务将通过组合单个在线业务服务来生成。每个在线业务服务可能具有具有相似功能的不同实现，但服务质量是其与其他类似服务的不同之处。本研究正在研究基于 QoS 的在线业务服务组合，并提出用于自动化在线业务服务组合的架构。在该系统中，用户通过用户界面插入其功能性和非功能性需求，然后开发人工智能方法来优化在线业务服务的组合，以便在合理的时间内满足用户的需求。