XiaoMi-AI文件搜索系统
World File Search SystemOthman
洛特菲·本·奥斯曼
1. L. Ben Othmane、L. Dhulipala、N. Multari 和 M. Govindarasu，《关于检测 CAN 总线中伪造消息注入的性能》，《IEEE 可靠和安全计算汇刊》，第 19 卷，(1)，468–481，2022 年 1 月。2. M. Jedh、L. Ben Othmane、N. Ahmed 和 B. Bhargava，《使用连续消息序列图的相似性检测对 CAN 总线的消息注入攻击》，《IEEE 信息取证和安全汇刊》，第 16 卷，4133–4146，2021 年 7 月。3. R. Ranchal、B. Bhargava、P. Angin 和 L. ben Othmane，《Epics：在复合 Web 服务中实施安全策略的框架》，《IEEE 服务计算汇刊》，《Web 服务研究最新进展特刊》， 12 , (3), 2019 年 5 月。 4. L. ben Othmane、G. Chehrazi、E. Bodden、P. Tsalovski 和 AD Brucker，解决软件安全问题的时间：预测模型和影响因素，数据科学与工程，2，(2)，107–124，2017 年 6 月。 5. N. Al-hadhrami、B. Aziz 和 L. ben Othmane，RBAC 控制电子标记系统的增量 B 模型，国际安全软件工程杂志 (IJSSE)，7，(2)，37–64，2016 年 5 月。 6. H. Oueslati、MM Rahman、L. ben Othmane 和 IGA Arbain，评估使用敏捷方法开发安全软件所面临的挑战，国际安全软件工程杂志 (IJSSE)，7，(1)，2017 年 1 月。 2016. 7. L. ben Othmane、R. Ranchal、R. Fernando、B. Bhargava 和 E. Bodden，《将攻击者能力纳入风险评估和缓解》，计算机与安全，51，41-61，2015 年 6 月，Elsevier。 8. J. Son，V. Bhuse，L. ben Othmane 和 L. Lilien，将实验室经验融入计算机安全课程：三个案例研究，全球企业信息系统杂志（GJEIS），7，（2），2015。9. L. ben Othmane、P. Angin、H. Weffers 和 B. Bhargava，扩展敏捷开发方法以开发可接受的安全软件，IEEE 可靠和安全计算汇刊，11，（6），497-509，2014 年 11 月。10. L. ben Othmane、R. Fernando、R. Ranchal、B. Bhargava 和 E. Bodden，联网汽车面临威胁的可能性，国际下一代计算杂志（IJNGC），5，（3），290-303，2014 年 11 月11. L. Lilien，L. ben Othmane，P. Angin，A. DeCarlo，R. Salih 和B. Bhargava，《具有机会资源利用网络的无人机自组织网络模拟研究》，《网络与计算机应用杂志》，国土防御和安全先进技术专刊，38，3-15。2014 年 2 月，爱思唯尔。12. L. ben Othmane，H. Weffers，P. Angin 和B. Bhargava，《在线社交网络中信息传播隐私程度的时间演变模型》，《国际通信网络与分布式系统杂志》，11，（4），412-430，2013 年，Inderscience Publishers。
燃料电池技术在资源回收方面面临的巨大挑战 Abdullah Ali 1、Amani Al-Othman *1、Muhammad Tawalbeh 2,3
摘要 燃料电池被认为是弥合未来清洁能源路径与当前“肮脏能源”路径之间差距的有希望的候选者。在各种类型的燃料电池中，PEMFC 因其更高的能量密度和环保特性（如果使用氢作为燃料）而用于多种应用。某些类型的燃料电池（例如 PEMFC）不仅可用于发电，还可用作电解器以收集氧气和氢气用于太空应用。回收的氧气可用于满足航天器中的氧气需求，而回收的氢气可用于发电。其他类型的燃料电池（例如微生物燃料电池 (MFC)）可同时处理废水并发电。然而，存在一些挑战阻碍燃料电池发挥其全部潜力。大规模商业化仍然需要解决影响其可靠性、耐用性和坚固性的技术问题。因此，资源回收方面仍然存在重大挑战，例如成本高、缺乏合适的贵金属催化剂以及使用寿命缩短。首先要克服技术难题，赢得公众信任，从而催化燃料电池的广泛商业化推广，并适当促进对资源回收的更深入研究。关键词：燃料电池；优势；能源；挑战；氢能。
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。
