XiaoMi-AI文件搜索系统
World File Search SystemIman
推荐引用 推荐引用 Zaylaa, Amira J. Dr.; Haidar, Imane; Doughan, Ziad; Moumnieh, Mohammad; Mrad, Hamza; 和 Haidar, Ali M. (2024) “为肢体缺失而设计：基于人工智能的仿生假肢从模拟到现实的转变，”BAU 杂志 - 科学与技术：第 6 卷：Iss. 1，第 2 篇文章。DOI：https://doi.org/10.54729/2959-331X.1150
摘要 摘要 人类肢体或器官的丧失仍然是一个挑战，尤其是在人们不断依赖触摸屏和任务的世界中。因此，患者几乎无法承受和应对因这种丧失而遇到的越来越多的限制。现代手段和技术，如先进的人工部件，减少了对残疾或失去肢体或器官的患者的限制。例如，手部假肢为改善人体肢体的功能能力提供了强有力的工具，从而提高了使用者的生活质量。然而，使用假肢的患者仍然遇到许多问题，例如，遭受完整的肢体和背部疼痛、假肢系统成本高以及与假肢性能相关的困难、控制不佳和更新困难。基于上述问题，目标是设计一种由重量轻的重型塑料制成的 3D 仿生手臂。目的是使用伺服电机代替步进电机，以减少延迟和减轻重量。目的还在于设计一个基于人工智能 (AI) 的仿生手臂程序，该程序可以进行修改以用于未来的目的，例如添加新手势和优化系统控制。新设计包括 3D 打印手臂、控制设计、测试电机和 EMG 传感器、选择具有成本效益的部件、模拟和最终确定真实原型。结合直接执行运动机制和仿生假肢的全尺寸模型，该开发旨在用于上肢的医疗康复。实验结果包括开发一个真正的基于 AI 的系统来定制使用神经网络控制的手势。结果还包括保持 EMG 传感器的准确和干净的读数。此外，新的仿生假肢手臂确保性能不会延迟，模仿手的正常功能。结果还表明，我们的设计在成本效益方面超越了现有的设计，前提是在其他几个规格上它是可比的。设计灵活且基于人工智能控制。作为未来的展望，可以在新的基于人工智能的设计中测试更多的算法，并测试更多的手势。
Al-Zamel 博士伊曼·哈立德·曼苏尔博士伊曼·K·阿尔曼苏尔·阿尔扎米尔
大学生物医学工程与生物技术教授，具有遗传工程、免疫学和生物信息学跨学科研究经验。专注于下一代候选疫苗的临床前和临床开发。在 IAU 的 IRMC 建立了核酸疫苗实验室 (NAVL) 和临床生物制造部门 (CBMU)。领导了几种针对新出现和重新出现的病毒（如 MERS-CoV、SARS-CoV-2、寨卡病毒和流感病毒）的 mRNA 和 pDNA 候选疫苗的开发。作为首席研究员和临床试验经理，我全身心投入实现 pDNA 候选疫苗临床开发的目标。熟悉 GMP 制造、ICH 指南以及与良好临床实践和临床试验相关的 EMA/FDA/SFDA 指南。高度致力于研究、创新和教学的卓越性。
如何引用：Anas Dzikri Imanullah，Hajrah Hajrah，Vita Olivia Siregar（2024T）抑制剂活性酶酪氨酸酶玫瑰花提取物的结合
抽象的酪氨酸酶酶是一种酶，负责在皮肤色素颜色的形成中发生黑色素生物合成和色素沉着的原因。玫瑰花（Rosa damascena磨坊）和山药块茎（Pachyrhizus orosus）含有具有酪氨酸酶抑制剂活性的化合物。这项研究的目的是找出玫瑰提取物，山药块茎的酪氨酸酶抑制剂活性的程度，以及比率为1：1、1：1：1：1：1：2：2：2：2：2：2：2：1、1：3和3：3和3：1。该方法是通过用乙醇和用石油乙醇和甲醇的sokletation方法提取玫瑰浸渍的玫瑰浸渍，然后用乙酸乙酯液液体衍射的。从提取结果中获得的玫瑰提取物和12.5％的山药块茎获得了15.17％。植物化学筛选的结果表明，玫瑰乙醇提取物中含有生物碱，类黄酮，奎因和苯酚，而山药块茎的含量含有生物碱，类黄酮，皂苷，苯酚和类固醇。使用L-二元蛋白底物和Kojak酸的阳性对照对酪氨酸酶抑制剂进行测试活性，并使用盐酸测量使用微孔板读取器，其波长为492 nm。在酪氨酸酶抑制剂活性的研究结果表明，玫瑰提取物的IC50值为262.882 ppm，而IC50值为43.148 ppm的IC50值为262.882 ppm。关键字：抑制剂，酪氨酸酶酶，玫瑰提取物，山药分数研究结果导致酪氨酸酶酶的组合玫瑰花提取物与班孔灯泡派系的组合抑制剂，比为1：1； 1：2; 2：1; 1：3和3：1的IC50值的顺序为26.598 ppm； 23,348 ppm; 29,880 ppm; 20,305 ppm和34,742 ppm。
简历： Mohsen Imani
我是加州大学欧文分校计算机科学系的助理教授，也是仿生架构与系统实验室 (BIASLab) 的主任。我的团队正在研究脑启发计算、机器学习和嵌入式系统领域的各种实际问题。我们的研究目标是设计实时、稳健且透明的认知学习系统，以紧密模仿大脑特性。我们还为基于光子的传感器设计了一个安全且可扩展的学习框架，用于在物联网系统中对大量设备进行学习/计算。PI Imani 于 2020 年获得加州大学圣地亚哥分校计算机科学与工程系博士学位。他拥有出色的出版记录，在顶级 IEEE/ACM 会议和期刊上发表了 140 多篇论文，拥有 20 项美国专利，在 Google Scholar 上的引用次数为 4,100 次，h 指数为 38。 PI 的贡献引领了受大脑启发的超维计算的新方向，从而实现超高效的实时学习和认知支持。他的研究也是开启多个工业和政府研究项目的主要举措，包括 SRC 和 DARPA。PI Imani 的研究获得了多项奖项，包括 Bernard 和 Sophia Gordon 工程领导力奖和多个顶级会议的最佳论文提名奖。PI 在向公司和政府机构成功转让技术方面有着悠久的历史。例如，PI 目前在受大脑启发的超维计算方面的工作已与英特尔、ARM、IBM、高通和思科共享。PI 在神经符号人工智能方面所做的工作由 SRC/DARPA 资助，并转移到英特尔和 IBM，并激发了利用受大脑启发的推理的努力，随后由思科和谷歌资助并转移到他们。由 SRC/DARPA 和其他公司资助的内存处理工作已在高通、德州仪器和英特尔的产品组中得到应用。PI 当前的物联网分布式学习项目目前正在转移到空军和恩智浦半导体，并且是过去几年 PI 团队与空军/恩智浦半导体密切合作的重要组成部分。作为国防部资助项目的一部分，PI 在内存处理硬件中设计用于超维编码和分类，包括将 HDC 与公钥加密相结合，并表明 HDC 非常适合激光雷达/雷达数据的分类。这项工作目前正在评估中，以纳入英特尔的一款存储产品。
Mohsen Imani 先生
摘要 - 现代计算系统在有效执行学习任务方面存在重大问题。在本次演讲中，我将介绍一种新的大脑启发式计算系统，该系统支持各种学习任务，同时提供比现有平台高得多的计算效率和稳健性。我的平台采用超维 (HD) 计算，这是一种实现大脑功能原理的替代计算方法：(i) 快速学习，(ii) 对噪声/错误的鲁棒性，以及 (iii) 交织的内存和逻辑。这些特性使 HD 计算成为当今资源有限的嵌入式设备以及具有高噪声和多变性问题的深纳米级技术的未来计算系统的有前途的解决方案。为了利用 HD 计算以内存为中心的特性，我利用新兴技术来实现内存处理，从而能够进行高度并行计算和减少数据移动。我还将展示这种架构如何加速深度学习等广泛的大数据应用。
伊曼·西尔万（Iman Sylvain）和蒂姆·詹姆斯（Tim James）在埃塞俄比亚传统和有机绿色咖啡禁令上进行真菌社区集会。密歇根大学。生态与进化生物学系
摘要我们正在开发咖啡生产作为模型，以了解真菌通过全球粮食贸易的运输，并评估有机和常规农业生产影响到收获作物的真菌社区组合的方式。我们使用基于培养的和与文化无关的方法以及分子技术来识别埃塞俄比亚绿咖啡豆的真菌群落。咖啡是由常规方法或有机方法生产的。我们的发现表明，农业实践对收获的咖啡中的真菌社区组合具有重大影响。USDA认证的有机咖啡比传统咖啡的多样性和丰富性。采样方法强烈影响物种的恢复。基于文化和与文化无关的方法导致了对绿咖啡豆中真菌社区组合的不同观点。