XiaoMi-AI文件搜索系统
World File Search SystemMACH
使用机器学习对糖尿病进行分析...
ITM（SLS）Baroda University ITM（SLS）Baroda University，Udaipur摘要：糖尿病是导致全球医疗灾难的慢性病。全球3.82亿人患有糖尿病。到2035年，这将翻倍至5.92亿[1]。糖尿病是血糖水平升高带来的疾病。这种升高的血糖水平的症状包括尿液频繁，口渴和饥饿增加。中风，肾衰竭，心力衰竭，截肢，失明和肾衰竭的主要原因之一是糖尿病。我们的身体在吃东西时将食物转化为糖，例如葡萄糖。然后，我们的胰腺预计将释放胰岛素。胰岛素是解锁我们细胞的关键，使葡萄糖可以进入并被我们用作燃料。但是，这种机制在糖尿病中不起作用。最普遍的疾病形式是1型和2型，但还有其他品种，包括妊娠糖尿病，在怀孕期间发展。数据科学的新兴主题称为机器学习，研究机器如何从经验中学习。这项研究的目标是创建一个系统，通过融合几种机器学习方法的发现，可以更准确地对患者进行早期糖尿病预测。k最近的邻居，逻辑回归，线性回归，随机森林，J48，IBK，ANN，多层预言，幼稚的贝叶斯，支持向量机和决策树是所采用的一些技术。与模型的精度一起计算了每种算法的精度。然后从具有良好准确性的患者中选择预测糖尿病的模型。关键字：机器学习，糖尿病，准确性，WEKA软件，编码1。引言糖尿病是即使在年轻人中，人们也是人们的快速增长疾病。糖尿病的症状经常排尿，口渴，疲倦/嗜睡，体重减轻或增加，视力模糊，浓缩难度
商务部加强出口管制，打击为俄罗斯战争机器提供武器的非法采购网络
1. 进一步加强对俄罗斯的管控，扩大俄罗斯/白俄罗斯军事最终用户 (MEU) 和采购外国直接产品 (FDP) 规则的范围，并对计算机数控 (CNC) 机床操作软件施加额外的许可要求；2. 切断对 BIS 实体名单上的外国公司的出口；将扩大的俄罗斯/白俄罗斯 MEU 和采购 FDP 规则应用于俄罗斯以外的数十家实体；3. 限制与更多外国地址的贸易，并向出口商发布指导，指导他们识别与外国公司服务提供商和列出的外国地址有关的可疑交易，加强最近实施的对空壳公司地址的限制；4. 就引用出口法规（出口管理条例，或 EAR）的合同语言提供指导和建议，特别是针对非法再出口到俄罗斯和白俄罗斯的限制。
主动供应链风险管理的机器学习：
摘要：供应链（SC）功效和效率可能会受到订单延误的延误，尤其是在当今快节奏的商业环境中。有效的降低风险需要确定容易延迟的供应商以及对未来中断的准确预测。准确预测可用性日期是成功执行物流操作的关键因素。通过利用机器学习（ML）技术，组织可以主动识别高风险供应商，预测延误并实施积极的措施，以最大程度地减少其对制造过程和整体SC绩效的影响。本研究探索并利用各种回归和分类ML算法来预测未来的延迟交付，确定订单交付的状态，并根据其交付性能对供应商进行分类。The employed models include K-Nearest Neighbors (KNN) Random Forest (RF) Classifier and Regression, Gradient Boosting (GB) Regres- sion and Classifier, Linear Regression (LR), Decision Trees(DT) Classifier and Regression, Logistic Regression and Support Vector Machine (SVM) Based on real data, our experiments and evaluation metrics including Mean Ab- solute Error (MAE), Mean Squared Error （MSE）和根平方误差（RMSE）表明，基于隔离的回归算法（RF回归和GB回归）提供了最佳的概括误差，并且优于测试的所有其他回归模型。同样，逻辑回归和GB分类器根据精度，回忆和F1分数指标优于其他分类算法。从这项研究中获得的知识可以帮助积极地识别高危供应商，并在面对意外的破坏时采用主动行动来提高韧性，此外SC效率和降低制造障碍。关键词：SC风险管理，订单延迟，机器学习，SC中断，供应商绩效介绍今天的SC在非常有竞争力和染色的环境下起作用。公司一直在寻找改善其流程并提高客户满意度的方法，因为它们一直在改变[1]。延迟需求是SCS遇到的问题，当时计划期间未提供商品。许多方面，例如客户的优先偏好，生产延迟或运输和收到的问题的意外变化，可能会导致延迟。与订单相关产品的准时交付是公司的关键成功因素。确保高水平的交付可靠性仍然是制造商的重中之重，并且与成本和质量一起，是成功实现全球竞争的最重要先决条件之一[2]。SC的复杂性上升意味着影响组织的不一致并不总是相同的，并且可能会随着时间的流逝而发展。此外，每个组织都应主动而不是反应地识别
使用机器检测驾驶员警示系统
在道路安全领域，惊人的事故和死亡率凸显了采取主动措施以减轻疲劳驾驶带来的风险的迫切需要。本期刊概述了驾驶员警觉性检测系统的创新追求，该系统旨在通过尖端技术和智能车辆的融合来减少道路事故（准确率：97.56%）。该项目的重点目标是利用计算机视觉创建一个能够实时评估驾驶员警觉性的智能系统。该方法包括从各种来源收集细致的数据、确保数据质量的预处理技术以及应用高级算法，包括支持向量机 (SVM)。实际过程包括通过面部网格模块 (MediaPipe) 使用面部标志跟踪精确计算眨眼间隔。SVM 算法以其高精度而闻名，它有助于根据超过 SVM 模型提供的阈值的眨眼时间间隔来检测困倦。这项努力的顶峰体现在开发一个强大的驾驶员警觉性检测系统。该系统不仅可作为道路安全的守护者，还标志着技术、人类福祉和负责任的驾驶实践之间的变革性结合。其成果令人信服，表明疲劳驾驶事件显著减少，从而防止事故发生并保护生命。此外，该项目的成功还通过减轻相关的财务负担，促进了个人和整个社会的经济福祉。除了技术实力之外，该项目还起到了社会催化剂的作用，提高了人们对负责任驾驶的认识，以及技术在保障道路上生命安全方面的关键作用。其可扩展性和适应性有望在各种车辆类型和行业中广泛实施。随着这本期刊的展开，它不仅描述了一项技术成就，也描述了对社会改善的承诺。它为驾驶员警觉性检测的持续进步奠定了基础，整合了机器学习和人工智能等不断发展的技术，以进一步提高道路安全性。最终，该项目体现了积极迈向未来的步伐，让疲劳驾驶引发的事故变得罕见。它证明了技术在保护道路上生命和安全性时所具有的变革潜力。
尼泊尔假新闻检测使用机器学习算法Rakshya Sharma 1，Bidhya Sharma 2，Prashikshya Baral 3，Susmita Parajuli 4
I.简介互联网通过作为新闻工作者的重要出版工具，并为查找最新新闻提供了主要来源，从而彻底改变了新闻。最近，社交网络在迅速传播新闻方面发挥了至关重要的作用，通常超过了传统媒体的速度。但是，尽管社交网络具有许多优势，但它们也带来了某些缺点。一个重要的缺点是缺乏事实核对，通常伴随着社交媒体平台上信息传播。与传统媒体不同，新闻机构雇用了坚持严格事实检查过程的专业记者，社交媒体允许任何人共享信息而无需进行任何事实检查。因此，在社交网络上流通的信息的有效性和可靠性可能会受到损害。为了减轻此问题，个人经常依靠发布和共享信息的集体努力
探索加密中AI和机器学习的使用
系统的体系结构反映了系统的使用方式以及它与其他系统和外界的交互方式。它描述了所有系统组件的互连以及它们之间的数据链接。系统的体系结构反映了其结构，功能和关系的思考方式。
1学生，2教授1-2计算机科学工程，1 Sharnbasva University，Kalaburagi，Karnataka，印度摘要：心脏病是领先的
摘要：糖尿病是关键疾病之一，许多人患有这种疾病。年龄，肥胖，缺乏运动，遗传性糖尿病，生活方式，不良饮食，高血压等。会引起糖尿病。患有糖尿病的人患有诸如心脏病，肾脏疾病，中风，眼睛问题，神经损伤等疾病的风险很高。目前在医院的实践是通过各种测试收集所需的糖尿病诊断信息，并根据诊断提供适当的治疗方法。大数据分析在医疗保健行业中起着重要作用。医疗保健行业有大量数据库。使用大数据分析，可以研究庞大的数据集并找到隐藏的信息，隐藏的模式，从数据中发现知识并相应地预测结果。在现有方法中，分类和预测准确性不是那么高。在本文中，我们提出了一个糖尿病预测模型，以更好地分类糖尿病，其中包括糖尿病的少数外部因素以及葡萄糖，BMI，年龄，胰岛素等常规因素。与现有数据集相比，新数据集可提高分类精度。进一步提出了旨在提高分类准确性的糖尿病预测的管道模型。I.引言医疗部门具有大量数据库。这样的数据库可能包含结构化的，半结构化或非结构化数据。考虑到当前情况，印度等主体国家（DM）已成为一种非常严重的疾病。现有大数据分析是一个过程，该过程分析了巨大的数据集并揭示隐藏的信息，隐藏的模式以从给定数据中发现知识。糖尿病性梅利氏菌（DM）被归类为非传染性疾病（NCB），许多人患有疾病。根据2017年统计数据，约有4.25亿人患有糖尿病。由于糖尿病，每年约有2-5万患者的生命。据说到2045年，这将增加到6.29亿。[1]糖尿病（DM）被分类为称为胰岛素依赖性糖尿病（IDDM）的Astype-1。人体无法产生足够的胰岛素，这种DM背后的原因，因此需要向患者注入胰岛素。类型-2也称为非胰岛素依赖性糖尿病（NIDDM）。当身体细胞无法正确使用胰岛素时，可以看到这种糖尿病的类型。-3型妊娠糖尿病，孕妇的血糖水平升高，未发现糖尿病的糖尿病会导致这种类型的糖尿病。dm具有与之相关的长期并发症。此外，糖尿病患者存在各种健康问题的高风险。一种称为预测分析的技术，结合了各种机器学习算法，数据挖掘技术和统计方法，该方法使用当前和过去的数据来找到知识并预测未来的事件。通过对医疗保健数据进行预测分析，可以做出重大决策并可以做出预测。可以使用机器学习和回归技术进行预测分析。预测分析旨在以最佳的准确性诊断疾病，增强患者护理，优化资源并改善临床结果。[1]机器学习被认为是最重要的人工智能功能之一，支持计算机系统的开发，具有从过去的经验中获取知识而无需每种情况进行编程的能力。机器学习被认为是当今情况的迫切需要，以通过支持最小缺陷来消除人类的努力。
Tetouan Master（PE）的科学学院：机器...
在高级机器学习和人工智能中，向学生提供了对基本分析概念和强大技术的透彻理解。允许学生根据我们在机器学习和人工智能上提供的优秀大师项目中提供的高级内容来设计，开发和部署智能模型和现实应用程序的实用技能。使学生能够应用机器学习和人工智能的创新工具来解决各种领域的现实世界中的问题，例如医学，生物学，农业，物流，财务，社会生活和工程学，并以最广泛的意义。鼓励在机器学习和人工智能领域开发新方法和具体模型的创造力和创新。
通过机器学习驱动的mxene
水净化对于维持生命和维护公共卫生至关重要，但是现有的方法面临着诸如低功效和高成本之类的挑战。本研究研究了MXENE材料由于其独特的结构和特性而解决这些问题的潜力。该研究旨在增强MXENE功能化技术，以通过应用机器学习方法最大化其在水过滤中的有效性。通过研究各种功能化方法和利用机器学习以优化MXENE特征，该研究试图推进净水技术。这项研究的新颖性在于它整合了机器学习驱动的方法，用于水纯化中的MXENE功能。通过探索新的方法来修改MXENE特性并提高水过滤效率，该研究有助于应对全球净水挑战。该研究始于MXENE物质的深入概述，其合成技术及其与水纯化的相关性。然后，它深入研究了不同的功能化程序，强调了针对特定水处理应用定制特征的重要性。提出了机器学习方法，以预测并优化MXENE特性，以增强水的净化功效。研究证明了机器学习驱动的MXENE功能化在改善净水过程中的潜力。通过优化MXENE特性，水过滤的功效显着增强，以解决纯化技术的当前局限性。该研究结论是通过强调其发现在应对全球净化挑战方面的重要性。通过通过创新的方法和利用机器学习技术克服障碍，该研究强调了基于MXENE的水净化方法在确保普遍获得清洁水的潜在影响。关键字：机器学习，MXENE，功能化，水净化，吸附，表面