XiaoMi-AI文件搜索系统
World File Search SystemMustafa
ijaz Mustafa助理董事V（MIS）2025年2月13日，星期四，3：5：16 pm
如果公司，由有效NTN的公司注册商发行的表单-C。b。出于所得税/营业税目的以及相关税收/税收管理局的有效注册，并在主动纳税人名单（ATL）上。c。顾问应通过信件负责人提供一项承诺，即任何政府/半政府机构都没有将顾问宣布为黑名单。d。必须具有至少03个公共部门实体/监管机构（IES）（将要附加的记录证据）提供税收服务的经验。许可证从相关许可方练习f。列表/限制税收问题的客户的详细信息g。拟议团队的每个成员的详细简历显示了详细的作业，并具有经验的分离。
（b）：Duygu Alpaslan，TubaErşenDudu，Busra Moran Bozer，Nahit Aktas，Mustafa Turk（2025）。由可可>产生的聚（CNO）和聚（CCO）有机粒子
摘要随着癌症病例数量的增加，建议这些病例的解决方案方法也非常重要。在提出的研究范围内，我们旨在通过合成聚（椰子油）（P（CNO））和聚（Cacao Oil）（P（P（CCO））有机粒子从椰子和可可油中开发癌症免疫疗法的替代材料。通过各种表征方法阐明了使用氧化还原聚合技术合成的这些颗粒的结构特征。通过傅立叶变换红外光谱（FT-IR）确定P（CNO）和P（CCO）有机粒子的化学结构和官能团。使用Zetasizer设备的动态光散射（DLS）方法确定有机粒径和Zeta电位值。通过扫描电子显微镜（SEM）确定颗粒的形态特征。生物活性性能。在这项研究中，还研究了P（CNO）和P（CCO）有机粒子对L-929成纤维细胞和CAPAN-1胰腺癌细胞系的细胞毒性和凋亡过程的影响。P（CNO）和P（CCO）有机粒子Capan-1细胞系
（第三届国际领域学术研究研究ICFAR 2024，6月15日至16日，2024年）ATIF/参考：Abubakar，S。M.，Karimi，M。U.，M. U.，Mustafa
（第三届国际领域学术研究研究ICFAR 2024，6月15日至16日，2024年）ATIF/参考：Abubakar，S.M。，Karimi，M。U.，M。U.，Mustafa，Mustafa，S。J.＆Ahmad，B。（2024）。使用人工智能和机器学习的结构工程应用程序：评论。国际高级自然科学与工程研究杂志，8（5），140-145。摘要 - 人工智能（AI）正在彻底改变土木工程，尤其是在结构设计和分析领域。本评论论文探讨了AI方法的应用，包括机器学习（ML）和深度学习（DL）在增强土木工程实践中的应用。该研究强调了AI如何应对结构健康监测，结构分析，设计优化和设计建模等复杂挑战。通过对文献，实证研究和实践预测建模的系统综述，本文强调了人工智能改善决策过程，优化结构分析和设计预测以及创新传统工程实践的潜力。它还讨论了AI的跨学科性质，借鉴了计算机科学，工程和数学，同时承认与数据质量，模型准确性和计算效率相关的挑战。这些发现强调了持续的研发需要充分利用AI的能力，以使土木工程界和整个社会的利益受益。
（第三届学术研究前沿国际会议 ICFAR 2024，2024 年 6 月 15-16 日）ATIF/参考：Karimi, MU、Abubakar, SM、Mustafa, SJ 和 Ahmad, B.（2024 年）。人工智能和机器学习算法简介：综述。国际先进自然科学与工程研究杂志，8(5)，30-34。摘要——本文广泛概述了人工智能 (AI) 和机器学习 (ML) 算法及其跨学科性质以彻底改变任何领域，讨论了它们的发展、基础、应用和挑战。人工智能和机器学习技术已经彻底改变了各个行业，推动了各个领域的创新和效率。本文探讨了人工智能和机器学习的多学科性质，强调了它们在分析大数据集、做出预测和自动化决策过程方面的重要性。它追溯了人工智能的历史里程碑，从艾伦图灵的开创性工作到深度学习和神经网络的兴起。本文介绍了机器学习算法的基础知识，包括监督学习、无监督学习和强化学习，以及它们在医疗保健、金融、工程、交通和电子商务中的实际应用。此外，本文还讨论了人工智能和机器学习技术面临的关键挑战，例如不确定性、算法选择复杂性和过度拟合，强调了持续研究和跨学科合作在应对这些挑战方面的重要性。本文的最终目标是加强人工智能和机器学习技术在塑造智能人工智能和机器学习驱动系统和智能社会的未来方面的范式改变潜力。
（第三届学术研究前沿国际会议 ICFAR 2024，2024 年 6 月 15-16 日）ATIF/参考：Karimi, MU、Abubakar, SM、Mustafa, SJ 和 Ahmad, B.（2024 年）。人工智能和机器学习算法简介：综述。国际先进自然科学与工程研究杂志，8(5)，30-34。摘要——本文广泛概述了人工智能 (AI) 和机器学习 (ML) 算法及其跨学科性质以彻底改变任何领域，讨论了它们的发展、基础、应用和挑战。人工智能和机器学习技术已经彻底改变了各个行业，推动了各个领域的创新和效率。本文探讨了人工智能和机器学习的多学科性质，强调了它们在分析大数据集、做出预测和自动化决策过程方面的重要性。它追溯了人工智能的历史里程碑，从艾伦图灵的开创性工作到深度学习和神经网络的兴起。本文介绍了机器学习算法的基础知识，包括监督学习、无监督学习和强化学习，以及它们在医疗保健、金融、工程、交通和电子商务中的实际应用。此外，本文还讨论了人工智能和机器学习技术面临的关键挑战，例如不确定性、算法选择复杂性和过度拟合，强调了持续研究和跨学科合作在应对这些挑战方面的重要性。本文的最终目标是加强人工智能和机器学习技术在塑造智能人工智能和机器学习驱动系统和智能社会的未来方面的范式改变潜力。
与人工神经网络的木聚合物复合材料的机械性能建模Mustafa AltayEroğlu，A， * Suat Altun，B和HasanHüsey
Mechanical properties (tensile strength (TS), modulus of elasticity in tensile (MET), flexural strength (FS), modulus of elasticity (MOE)) of the material to be obtained depending on the production parameters in the production of high-density polyethylene (HDPE) wood-polymer composites with Scots pine wood flour additive were predicted using Artificial Neural Networks (ANN) model and without破坏性测试。在研究的第一阶段，使用来自56种不同研究的有关木材聚合物复合材料的机械性能的不同研究开发了ANN模型。在第二阶段，为了确定模型的可靠性，使用未在模型的训练和测试中使用的输入参数估算输出值。基于相同的输入参数，产生了测试样品，并进行了机械测试。通过考虑平均绝对百分比误差（MAPE）值来比较从实验和ANN模型中获得的结果。在ANN模型的训练和测试阶段获得的测定系数（R 2）值均高于0.90。通过这种方式，ANN模型成功预测了木材聚合物复合材料的机械性能。由于从机械测试获得的大多数MAPE值低于10％，因此该模型被认为是可靠的模型。doi：10.15376/biores.19.3.4468-4485关键字：拉伸强度；弯曲力；弹性模量； HDPE; MAPE联系信息：A：Safranbolu的互助设计系，Safranbolu西YılmazDizdar职业学校，卡拉布克大学，Safranbolu/Karabuk，土耳其； B：土耳其卡拉布克大学卡拉布克大学技术学院工业设计工程系；答：土耳其杜兹克大学的林产品工业工程，杜兹斯大学林业教师； *通讯作者：altayeroglu@karabuk.edu.tr简介
穆斯塔法·苏莱曼（Mustafa Suleyman）的即将到来的浪潮：评论
即将到来的波浪包括十四章，其中13章分为“ Homo Technologus”，“下一波”，“失败状态”和“通过浪潮”的四个部分。本书的第一部分“ Homo Technologicus”与人类进化结合了技术的故事。在本书的这一部分中，苏莱曼演示了我们从灵长类动物到地球主导力量的演变的故事，技术和人类的浪潮在象征中发展了，因此是绰号，因此，人类是技术动物。他认为，整个历史，“人口规模和创新水平都链接在一起。新工具和技术会引起更大的人群，” 4又导致了普通技术技术的更专业，出现和扩散。技术的扩散导致了他所谓的“遏制问题”。他认为这本书的第一部分与人同性技术的关键事实是，尽管历史上人类面临着创造技术和释放其力量的挑战，但“当今的技术的挑战是包含其释放的力量，确保其继续为我们和我们的星球服务。” 5
达特茅斯数字共享引用 达特茅斯数字共享引用 Nasir-Moin, Mustafa；Suriawinata, Arief A.；Ren, Bing；Liu, Xiaoying；Robertson, Douglas J.；Bagchi, Srishti；Tomita, Naofumi；Wei, Jason W.；Mackenzie, Todd A.；Rees, Judy R.； Hassanpour, Saeed，“人工智能增强数字系统对结直肠息肉组织学分类的评估”（2021 年）。达特茅斯奖学金。4174。https://digitalcommons.dartmouth.edu/facoa/4174
作者单位：新罕布什尔州汉诺威盖泽尔医学院生物医学数据科学系（Nasir-Moin、Bagchi、Wei、MacKenzie、Hassanpour）；新罕布什尔州汉诺威达特茅斯学院计算机科学系（Nasir-Moin、Bagchi、Tomita、Wei、Hassanpour）；新罕布什尔州黎巴嫩达特茅斯-希区柯克医学中心病理学和实验室医学系（Suriawinata、Ren、Liu）；新罕布什尔州黎巴嫩达特茅斯卫生政策和临床实践研究所（Robertson、MacKenzie）；新罕布什尔州汉诺威盖泽尔医学院医学系（Robertson、MacKenzie）；佛蒙特州怀特河交界处退伍军人事务医疗中心胃肠病学科（Robertson）；新罕布什尔州汉诺威盖泽尔医学院社区和家庭医学系（Rees）；新罕布什尔州汉诺威盖泽尔医学院流行病学系（Rees，Hassanpour）。
引用本文：Ahmed Mustafa Elbasha、Yasmine Salah Naga、Mai Othman、Nancy Diaa Moussa 和 Hala Sadik Elwakil (2022) 向人工智能模型在透析中并发症预测中的应用迈出了一步，Alexandria Journal of Medicine，58:1，18-30，DOI：10.1080/20905068.2021.2024349
摘要简介：急性透析中并发症仍然是接受血液透析 (HD) 的终末期肾病 (ESRD) 患者的一大负担。它们常常导致 HD 疗程提前终止，从而影响透析充分性和患者的整体健康。这项研究的目的是建立一个人工智能模型并评估其在预测透析中临床事件发生方面的表现。方法：我们研究了 215 名 ESRD 患者进行的 6000 次 HD 疗程，记录了许多预测因素，包括：患者、机器和环境因素。这些数据是在 24 周内收集的，包括 COVID 19 时期的 12 周，并用于开发和训练人工神经网络模型 (ANN) 以预测透析中临床事件的发生，例如：低血压、头痛、高血压、痉挛、胸痛、恶心、呕吐和呼吸困难。结果：我们的 ANN 模型在二元 ANN 中预测透析中并发症（事件或无事件）发生的平均精确度和召回率为 96%，AUC 为 99.3%，而分类 ANN 在预测事件类型方面的准确率为 82%。我们发现心率变化、平均收缩压、超滤率、透析液钠、膳食、尿素减少率、室内湿度和透析持续时间对透析中并发症的发生影响最大。讨论：我们的 ANN 模型可用于预测 HD 患者透析中临床事件的风险，并可为经常人手不足的透析部门的医疗保健决策提供支持，尤其是在 COVID 19 时代。
