XiaoMi-AI文件搜索系统
World File Search SystemSharm
博士沙西·康德·夏尔马
副院长：学院事务及校园管理（2023 年 2 月 1 日至 2024 年 8 月 20 日）、董事会成员（2021 年 8 月 10 日至 2024 年 8 月 9 日）、建筑工程委员会成员（2019 年 12 月 9 日至 2024 年 9 月 3 日）、学术负责人（2019 年 8 月 22 日至 2022 年 5 月 8 日）、学生事务负责人（2018 年 12 月 26 日至 2019 年 9 月 25 日）、学院事务负责人（2018 年 12 月 26 日至 2023 年 1 月 31 日）、建立负责人、传感器与物联网实验室负责人、研究生和本科课程评估委员会主席、本科招生负责人 2021、2022、2023、2024、主席、 M.Tech ECE选拔委员会（2020届），UG入学委员会成员（2019年和2020届），2020年和2021年印地语Pakhwada委员会主席，成员：研究咨询委员会，成员：专利申请委员会，成员：基础设施委员会，协调员：NIRF 2025，主席：CPDA委员会，成员：安置咨询委员会。
引用本文为：Dhakaria U，Bansiwal RK，Kavita Khemchand A，Sharma R，Singh M，Kaur N等。胆囊切除术对有症状的GA
结果：入选患者的平均年龄为41.62±13.62岁，平均体重指数（BMI）为25.96±1.73 kg/m 2。与术前值相比，总胆红素（0.56 vs 0.76，p <0.0001）和直接胆红素（0.15 vs 0.27 vs 0.27，p <0.0001）显着降低了胆囊切除术的显着降低。血清谷氨酸 - 黑色乙酰乙酰氨基激酶（SGOT）的水平（49.14 vs 34.98 IU/DL），血清谷氨酰胺 - 丙氨酸透明氨基氨基氨酸酶（SGPT）（50.85 vs 35.46 vs 35.46 iu/dl）和碱性磷酸酶（Alkaline phospase（alp）（ALP）（101.1.16 vs i.99797）手术后。胆固醇值（146.28 vs 168.77 mg/dL），甘油三酸酯（TGS）（119 vs 133.56 mg/dl），低密度脂蛋白（LDL）（93.32）（93.32 vs 113.05 mg/dl）vs 113.05 mg/dl）和低密度lipoprototion（vs vs vs/dll）（18.68）（18.68）（18.68）（18.68）在三个月随访时，高密度脂蛋白（HDL）（48.96 vs 42.42 mg/dl）显着增加。脂肪肝的患病率随着1级脂肪变性的升高而增加（75％）。脂肪肝的严重程度随（8.73％）3级脂肪变性而增加，USG手术后。因此，有以前正常的USG报告的新患者患有脂肪肝，患有肝脏脂肪变性的患者似乎恶化。
Santosh K. Misra、Satyasiba Das、Sumeet Gupta、Sujeet K. Sharma。人工智能 (AI) 的公共政策和监管挑战。信息技术转移和传播国际工作会议 (TDIT)，2020 年 12 月，印度蒂鲁吉拉帕利。第 100-111 页，�10.1007/978-3-030-64849-7_10�。�hal- 03701826�
摘要：人工智能 (AI) 的应用正在我们的社会中迅速扩展。私营部门已经开始使用人工智能来提高效率，并为客户和股东创造更好的价值。人工智能的前景对政府来说也相当诱人。它有望成为突破性技术，使公共部门达到前所未有的效率和生产力。它有可能真正改变公共服务的提供方式和政府与公民互动的方式——从需求驱动模式转变为公共服务提供的预测模式。然而，人工智能存在大量陷阱和盲点，这使得政府采用人工智能尤其具有挑战性。为了在公共部门成功采用人工智能，政府必须清楚地了解这些挑战，并制定监管公共政策，以确保减轻人工智能可能带来的不利影响（如排斥、偏见等）。本文试图系统地探讨这些挑战，以使公共政策制定者能够应对这些挑战。
房间里的 AI 代理：为移植选择委员会提供客观决策信息 Bima J. Hasjim MD MSc 1,2 *、Ghazal Azafar PhD 2,3 *、Frank Lee MD 4、Tayyab S. Diwan MD 4、Shilpa Raju MPH 2、Jed Adam Gross MPhil JD 5,6、Aman Sidhu MD 2、Hirohito Ichii MD PhD 1、Rahul G. Krishnan PhD 7、Muhammad Mamdani MPH PharmD 8,9、Divya Sharma PhD 10,11 +、Mamatha Bhat MD PhD 2,3,12,13 + *共同第一作者 + 共同资深作者 1 加州大学欧文分校外科系，加利福尼亚州奥兰治，美国 2 多伦多大学大学健康网络 Ajmera 移植中心移植 AI 计划， 3 加拿大安大略省多伦多大学健康网络多伦多总医院研究所 4 明尼苏达州罗彻斯特梅奥诊所医学院移植外科分部 5 加拿大多伦多大学健康网络临床和组织伦理学系 6 加拿大安大略省多伦多大学达拉拉纳公共卫生学院临床公共卫生分部 7 加拿大安大略省多伦多大学计算机科学系 8 加拿大安大略省多伦多大学健康网络多伦多总医院药学系和妇女健康计划 9 临床评估科学研究所 10 加拿大安大略省北约克大学数学与统计学系 11 加拿大安大略省多伦多大学健康网络生物统计学系 12 加拿大安大略省多伦多大学医学系胃肠病学和肝病学分部 13 加拿大安大略省多伦多矢量研究所 通讯作者：Mamatha Bhat，医学博士
房间里的 AI 代理：为移植选择委员会提供客观决策信息 Bima J. Hasjim MD MSc 1,2 *、Ghazal Azafar PhD 2,3 *、Frank Lee MD 4、Tayyab S. Diwan MD 4、Shilpa Raju MPH 2、Jed Adam Gross MPhil JD 5,6、Aman Sidhu MD 2、Hirohito Ichii MD PhD 1、Rahul G. Krishnan PhD 7、Muhammad Mamdani MPH PharmD 8,9、Divya Sharma PhD 10,11 +、Mamatha Bhat MD PhD 2,3,12,13 + *共同第一作者 + 共同资深作者 1 加州大学欧文分校外科系，加利福尼亚州奥兰治，美国 2 多伦多大学大学健康网络 Ajmera 移植中心移植 AI 计划， 3 加拿大安大略省多伦多大学健康网络多伦多总医院研究所 4 明尼苏达州罗彻斯特梅奥诊所医学院移植外科分部 5 加拿大多伦多大学健康网络临床和组织伦理学系 6 加拿大安大略省多伦多大学达拉拉纳公共卫生学院临床公共卫生分部 7 加拿大安大略省多伦多大学计算机科学系 8 加拿大安大略省多伦多大学健康网络多伦多总医院药学系和妇女健康计划 9 临床评估科学研究所 10 加拿大安大略省北约克大学数学与统计学系 11 加拿大安大略省多伦多大学健康网络生物统计学系 12 加拿大安大略省多伦多大学医学系胃肠病学和肝病学分部 13 加拿大安大略省多伦多矢量研究所 通讯作者：Mamatha Bhat，医学博士
如何引用本文：R.K. Rahul Shandilya Sharma（2024）将基于嵌入式系统中零信任体系结构的芯片通信固定到芯片通信。
如今，半导体公司经常将芯片的生产外包，以满足对综合电路的不断增长的需求。因此，芯片供应链现在正在处理许多安全问题，例如硬件知识产权盗窃，特洛伊木马和生产过多。在对手攻击有可能造成巨大损失或损害的关键系统中，零信托提供了一种有希望的方法来保证综合电路（ICS）的有效性。可靠的协议，利用证书保证ICS的合法性是安全协议和数据模型（SPDM）。这项研究的工作提出了基于SPDM协议的安全芯片到芯片（S2C）零值安全体系结构，该协议试图在使用之前对任何附带的外围设备进行身份验证。这些贡献包括对拟议设计的全面解释，SPDM协议的实现以及对执行和实施时遇到的障碍的讨论。关键字：芯片到芯片通信，零值体系结构，SPDM，嵌入式系统
Radhe Shyam Sharma-教师
•Radhe Shyam Sharma，Santosh Shukla，Hamad Karki，Amit Shukla，Laxmidhar Behera，Venkatesh K S，“基于DMP的轨迹跟踪，用于自动目标适应和避免障碍物的非道义移动机器人，” IEEE International International International International of Robotics and Aubotics and Aubotics and Aubotics and Autrive 8613-8619，2019。 PDF实验视频W8613-8619，2019。PDF实验视频W
Ashish Sharma 博士 专业领域 - 勒克瑙
印度中央药用芳香植物研究所生物技术部科学家 PO CIMAP，勒克瑙 226015，北方邦，印度 手机：+91-7388939615 邮箱：ashishsharma@cimap.res.in
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
10.1002/sres.2994 Klarin, A.、Abadi, HA 和 Sharmelly, R. (2024)。人工智能的专业性：技术与道德之间的联系。系统研究与行为科学，41(4)，557-580。https://doi.org/10.1002/sres.2994 本期刊文章发布于 Research Online。https://ro.ecu.edu.au/ecuworks2022-2026/3636
组织和机构正在开发涉足深度学习和通用人工智能 (AI) 的技术，这是第五次工业革命的领域 (El Namaki, 2018 ; Petrillo et al., 2018 ; Serrano, 2018 ; Valenduc, 2018 )。技术格局发展速度越来越快，政策制定者和机构正在努力规范人工智能技术，以确保这些技术的道德行为 (Heilinger, 2022 ; The Bureau of National Affairs, 2020 )。因此，参与人工智能技术开发的主体的道德义务问题变得越来越重要，尤其是考虑到与技术相关的自主行为，更重要的是，影响社会的道德结果 (Gibert & Martin, 2022 ; Matthias, 2004 ; Ziewitz, 2016 )。
Bach，E。Orcid：https：//orcid.org/0000-0002-9725-0203，Mote，S.，Krishnamurthy，V.，Surjalal Sharma，A.，Ghil，Ghil，M。和Kalnay，E.（2021）
摘要：气候系统的振荡模式是其最可预测的特征之一，尤其是在季节内尺度上。这些振荡可以通过数据驱动的方法很好地预测，通常比动态模型更好。但是，由于振荡仅代表了总方差的一部分，因此以前尚不清楚将振荡预测与整体系统的动态预测相结合的一种方法。我们引入了集合振荡校正（ENOC），这是一种校正动力学模型集合预测中振荡模式的通用方法。我们计算合奏平均值或集合概率分布，只有最佳的集合成员，这是由它们与振荡模式的数据驱动预测差异所确定的。我们还提出了一种使用集合数据同化的替代方法，将振荡预测与系统的动态预测集合（ENOC-DA）结合在一起。使用一种称为多通道构思频谱分析（M-SSA）的时间序列分析方法提取振荡模式，并使用模拟方法进行了预测。我们使用具有显着振荡组件的混沌玩具模型测试这两种方法，并表明与未校正的集合相比，它们可稳健地减少误差。我们讨论了这种方法的应用，以改善季风的预测以及气候系统的其他部分。我们还讨论了该方法可能扩展到其他数据驱动的预测，包括机器学习。