XiaoMi-AI文件搜索系统
World File Search SystemIu
船长脱皮的沿海环境中可再生能源环境的IUAVES
为什么威尼斯大学威尼斯大学是一个极其多样和精致的生态系统的核心。它在国际上被认为是对气候变化的弹性范式。因此，在“环境和土地工程”（部长级学位法规LM-35）领域举办创新的硕士学位课程“在沿海环境中可再生工程能源”的理想城市，由Universitàiuavdi Venezia提供，以培训能够使沿海环境免受环境威胁保护沿海环境的工程师。该硕士学位是与同时位于威尼斯的国家研究委员会（CNR）的海洋科学研究所（ISMAR）合作的，以通过实验丰富教学计划，以及最先进的研究所使用的计算和仿真工具。在周围的环境中，学生可以探索具有高环境价值的沿海和海洋地点，并进行与所涵盖的主题直接相关的实验活动。此外，在领土规划和景观中，委内兹大学的学术传统显然区分了研究计划，该计划将硬科学与景观研究和环境干预的社会可接受性相结合。学生还可以从建立的学生流动网络中受益。
通过语音情感识别和视频面部表情分类进行基于人工智能的癌症疼痛评估 Marco Cascella 1、*、Francesco Cutugno 2、Fabio Mariani 2、Vincenzo Norman Vitale 2、Manuel Iuorio 2、Arturo Cuomo 3、Sabrina Bimonte 3、Valeria会计 1 ，Francesco Sabbatino 1 ，Alfonso Maria Ponsiglione 2 ，Jonathan Montomoli 4 ，Valentina Bellini 5 ，Federico Semeraro 6 ，Alessandro Vittori 7 ，Elena Giovanna Bignami 5 ，Ornella Piazza 1
摘要 有效评估癌症疼痛需要对构成疼痛体验的所有组成部分进行细致的分析。实施自动疼痛评估 (APA) 方法和计算分析方法，特别关注情感内容，可以促进对疼痛的彻底描述。所提出的方法转向使用语音记录中的自动情感识别以及我们之前开发的用于检查疼痛面部表情的模型。对于训练和验证，我们采用了 EMOVO 数据集，该数据集模拟了六种情绪状态（大六）。由多层感知器组成的神经网络在 181 个韵律特征上进行了训练以对情绪进行分类。为了进行测试，我们使用了从癌症患者收集的访谈数据集并选择了两个案例研究。使用 Eudico Linguistic Annotator (ELAN) 6.7 版进行语音注释和连续面部表情分析（得出疼痛/无痛分类）。情绪分析模型的准确率达到 84%，所有类别的精确度、召回率和 F1 分数指标都令人鼓舞。初步结果表明，人工智能 (AI) 策略可用于从视频记录中连续估计情绪状态，揭示主要的情绪状态，并提供证实相应疼痛评估的能力。尽管存在局限性，但提出的 AI 框架仍表现出整体和实时疼痛评估的潜力，为肿瘤环境中的个性化疼痛管理策略铺平了道路。临床试验注册：NCT04726228。
30.-Miruna-Iuliana-Cunea-对创新的分析...
摘要。本研究考察了医疗保健行业商业模式的创新如何反映在可持续发展报告中，特别关注近期危机（包括 SARS-CoV-2 大流行）的影响。本研究重点关注罗马尼亚上市医疗保健公司 Medlife SA，以及其 2023 年发布的第一份可持续发展报告，涵盖其 2022 年的业绩。该报告强调了该集团在大流行期间实施可持续商业模式的努力，应对创新、数字化和环境可持续性等关键挑战。研究结果表明，通过开展抗击 SARS-CoV-2 病毒的研究以及采用包括远程医疗和机器人手术在内的数字技术，强调了创新。然而，在使用人工智能、区块链、云计算和医疗物联网 (IoMT) 等新兴技术方面仍然存在差距，这些技术可以进一步加强可持续发展工作。本研究通过深入了解危机期间商业模式创新和可持续发展报告如何相互关联，为文献做出了贡献，强调医疗保健公司需要采用新兴技术来改善可持续发展成果。关键词：创新、可持续发展报告、数字化、医疗保健行业。
（第二个IULAAN）T S表达Intere
由气候变化部，环境和能源部代表的马尔代夫政府已获得全球环境设施（GEF）的资金，以实施“马尔代夫的综合可持续性和低排放运输”项目，并寻求咨询服务，以开发应用，工具，KPIS等，以进行知识管理和公共支付平台。
SOT -MRAM动力学的微磁建模-IUE
我们提出了一种灵活，有效的方法，可以通过在三维框架中耦合电荷，自旋和磁化动力学来建模现代SOT-MRAM细胞中的磁化动力学。我们扩展了现有文献，以获得为Rashba-Edelstein效应建模的旋转电流边界条件。我们计算起源于自旋大厅和Rashba-Edelstein效应的自旋 - 轨道扭矩，并表明我们的模型可以重现IR/COFEB双层结构中自旋扭矩的厚度依赖性的实验结果。此外，我们通过模拟无野外SOT-MRAM细胞中的磁化逆转来验证我们的方法，并表明，随着界面dzyaloshinskii – Moriya相互作用，我们获得了与先前报道的实验结果相似的域壁运动。
使用基于集成域知识的深度学习Oleksii Kovalchuk A，Pavlo Radiuk A，Olexander Barmak A，Iurii K
摘要心电图（ECG）是一种通过记录其电活动来评估心脏功能的关键临床技术。然而，对心电图信号的准确处理和分析，尤其是对R峰的检测，仍然具有挑战性。R-peak检测中的任何不准确性都会显着影响随后的分析阶段，可能导致诊断和治疗决策不正确。因此，在这项研究中，我们旨在通过将参考ECG信号的知识整合到输入信号中来完善识别ECG信号中R峰的方法，从而解决了在诊断各种心脏病理中准确的R-PEAK检测的关键需求。作者提出了一种新方法，涉及将知识集成到ECG信号中，使用卷积神经网络处理此信息，并在后处理CNN模型的结果以识别R峰。使用各种众所周知的ECG数据库评估该方法。误差率为 +-25 ms的比较结果表明，所提出的方法是几乎所有指标和数据库中的最佳表现者，经常达到0.9999的准确度得分，并证明了高精度，召回和F 1尺寸。基于调查结果，所提出的方法是稳健且可靠的，在QT数据库测试集中取得了最佳性能，为ECG信号中的R-PEAK检测提供了平衡且可靠的解决方案。关键字1医疗保健诊断，心电图，心电图监测，R-peak检测，域知识，深度学习
FET通道中的电子散射效应-IUE
有关能量分布函数（EDF）的准确知识对于建模半导管设备中热载体损伤的形成至关重要[1]。电子 - 电子散射（EES）可以实质上影响EDF [2-4]，并且必须正确地包括在运输模型中。在EES存在下变为非线性的Boltzmann方程的解决方案方法是基于确定性的迭代方法[2]或集合Monte Carlo方法[5-7]。 在这项工作中，我们求助于两个粒子动力学方程，该方程在粒子间相互作用的情况下也保持线性。 该方程溶液的蒙特卡洛算法基于轨迹对的计算和策略。 两个波向量𝐤1和𝐤2被同时考虑，这意味着该方法实际上是在对六维动量空间进行采样。 然而，将Momentum空间的维度加倍，不会降低Monte Carlo方法的效率，因为它与确定性方法形成鲜明对比，因此它不会遭受维度的诅咒。解决方案方法是基于确定性的迭代方法[2]或集合Monte Carlo方法[5-7]。在这项工作中，我们求助于两个粒子动力学方程，该方程在粒子间相互作用的情况下也保持线性。蒙特卡洛算法基于轨迹对的计算和策略。两个波向量𝐤1和𝐤2被同时考虑，这意味着该方法实际上是在对六维动量空间进行采样。将Momentum空间的维度加倍，不会降低Monte Carlo方法的效率，因为它与确定性方法形成鲜明对比，因此它不会遭受维度的诅咒。
在Stt -Mram中建模热效应-IUE
我们采用随机Landau – lifschitz – Gilbert（SLLG）方程来探索对自旋转移扭矩磁磁磁性随机访问记忆（STT-MRAM）中切换的热效应。开关时间的分布取决于有限元方法（FEM）实现中用于离散化的网格，我们在热场计算中引入了有效的温度缩放，以减少对元素大小的切换时间分布依赖性。此外，我们在不同温度下研究了STT-MRAM的开关统计数据，并表明切换时间分布的平均值较低，但在较高的工作温度下，切换时间较长。结果，在升高温度下，具有固定电压脉冲持续时间的STT-MRAM切换变得更容易出错。
二维集成电路透视图 - IuE
虽然已经证明了硅具有更高迁移率的材料，包括锗和各种 III-V 材料，但它们最多只在少数小众市场得到成功应用和商业化。硅技术取得巨大成功的原因是多方面的，例如硅的天然氧化物 (SiO 2 )、极其成熟和精细的加工能力，以及 n 型和 p 型金属氧化物半导体 (MOS) 晶体管的存在，这使得高效互补 MOS (CMOS) 逻辑成为可能。随着尺寸的进一步缩小，人们付出了巨大的努力来改进制造方法，以使硅场效应晶体管 (FET) 的性能稳步提高。目前，硅晶体管的技术节点处于 10 纳米以下范围。然而，在如此小的器件中，短沟道效应 (SCE)、增加的可变性和可靠性问题 [1]，以及 3 纳米以下通道的通道载流子迁移率降低 [2] 都对硅技术的继续使用构成了严峻挑战。为了克服由硅制成的超薄器件的缺点，近十年来，对晶体管结构替代材料系统的研究不断加强。所谓的 2D 材料已被证明对后硅技术特别有利，并有可能为上述硅技术的局限性提供解决方案。[3,4]
可伸缩2D纳米电子的结晶绝缘子-IUE
在半个多世纪的时间里，微电子学是由摩尔定律驱动的，摩尔的定律预测每18个月的整合密度将增加一倍，从而指数增长，这对于经济和绩效原因非常有益。根据IRDS [1]的规模，尽管摩尔法律已经结束，但在未来十年中，尽管摩尔的法律已经结束。然而，必须克服许多挑战，其中许多与材料缩放达到原子维度的事实有关，尤其是在垂直区域中。例如，硅的迁移率开始恶化在5 nm以下[2]，这对于其他3D材料可以预期。因此，IRDS将分层的2D半导体列为2028年以后超级FET和内存设备的有前途的选择。符合这些要求，有几个组报告了石墨烯[3]，硅[4]，黑磷[5]和过渡金属二北卡尔科氏菌[6,7]表现出极好的晶体管特征。研究工作主要集中在寻找具有最高迁移率和体面的带镜头的最佳渠道材料上。此外，已经进行了MOS 2 FET的电路集成尝试[8]。然而，2D FET还需要合适的绝缘体来将控制门与通道分开，该通道应该是可扩展的，并且理想地与2D半导体一起搭配，就像SIO 2一样，与Sio 2一起使用。缺乏这些绝缘子使得完全利用2D电子设备的预先定价性能潜力是复杂的，尽管