XiaoMi-AI文件搜索系统
World File Search SystemMulia
印度尼西亚穆利亚大学穆利亚大学武器大规模破坏的资金扩散量质量的潜在加密货币
加密货币已迅速发展，并用于各种跨境交易中。但是，负面潜力包括滥用犯罪，例如大规模杀伤性武器的扩散（PPSPM）。本文旨在研究如何在PPSPM资金中使用加密货币，以及遇到的挑战以克服这个问题。使用的研究方法是一种具有概念方法的规范研究方法。结果表明，加密货币的特征（例如高匿名性和跨境事务）使PPSPM参与者更容易隐藏资金痕迹。此外，区块链缺乏透明度增加了跟踪PPSPM资金的困难。这项研究的建议是需要更强大的国际合作和能够检测和防止核材料传播的金融系统。
心脏病预测基于生理参数，使用集合分类器和参数优化Agung Muliawan 1，Achmad Rizal 2，
使用集合分类器和参数优化基于生理参数的心脏病预测Agung Muliawan 1，Achmad Rizal 2，Sugondo Hadiyoso 3* Institut Teknologi Dan Sainsia Mandala，Indonesia，Indonesia 1 Telekom University 1 Telekom University，Indonesia 23 sugondo@telkomuniversity.actistia in Indonesia telkomuniversity.ace.ac.act.ace.ace.act.act act：20 3 333 333 303 303接受：2023年11月7日 *通讯作者摘要本研究描述了使用具有参数优化的集合分类器对心脏病的预测。作为输入，从UCI机器学习存储库中获取了一个公共数据集，该数据集是指UCI机器学习中的数据集。数据集由13个变量组成，这些变量被认为会影响心脏病。粒子群优化（PSO）用于特征选择和主成分分析（PCA），以降低特征的尺寸。在几种机器学习方法上的应用优化应用，例如SVM（径向基础功能），深度学习和集合分类器（装袋和增强），以获得最高的精度比较。与PCA相比，该研究使用PSO维度降低的结果降低导致精确度。相反，通过优化深度学习参数的精度为84.47％，并优化SVM RBF参数，精度为83.56％，获得了最高精度。使用SVM上的袋子在83.51％的装袋中的最高精度，与SVM相差0.5％，而无需使用袋装。关键字：心脏病，机器学习，降低维度，参数优化，合奏分类器1。简介