XiaoMi-AI文件搜索系统
World File Search SystemSmartphone
追踪支持智能手机的客户旅程
纺织品管理中的论文瑞典纺织学校，博雷大学追踪智能手机支持的客户旅程 - 一种社会物质方法版权©patrik stoopendahl，2024封面图像：乔恩娜·斯平丹尔（Johanna stoopendahl）在dall-e in dall-e in dall-e提示。 ISBN 978-91-89833-32-6（PDF）ISSN 0280-381X，SkrifterFrånHögskolanIBorås，Nr。146电子版本：http：//urn.kb.se/resolve？urn= urnt：nbn：se:hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：hb：diva-30919瑞典纺织学校，瑞典纺织学院，BoråsofBoråsSe-501 Se-50190Borås，瑞典电话。+46 33 435 40 00 www.hb.se这项工作得到了知识基金会，赠款编号20170215的支持，以及奥德赛AB，斯德哥尔摩和博雷斯大学的支持。英国现实矿业有限公司（Reality Mines Limited）访问了“电话计量”工具“电话计量”。
评估智能手机成瘾的影响及其对五岁以下儿童心理健康的影响
在越来越多的数字世界中，智能手机已成为日常生活中不可或缺的一部分，提供便利性和连接性。但是，它们的普遍用法，尤其是在5岁以下的儿童中，人们对其对心理健康的影响引起了人们的关注。本研究旨在探讨智能手机成瘾对幼儿的影响及其对心理健康的潜在影响。通过对现有文献的全面审查，这项研究研究了5岁以下儿童智能手机使用率，这些因素导致了这个年龄段的智能手机成瘾，以及对他们的认知，社交和情感发展的影响力后果。该研究还深入研究了过度使用智能手机的机制，可能导致心理健康状况负面影响，例如增加焦虑症，注意力跨度减少和睡眠模式中断。此外，这项研究还研究了父母影响力和社会规范在塑造幼儿智能手机使用模式中的作用。通过分析相关的研究和理论框架，该研究强调了在儿童生活中建立健康数字习惯的重要性，以及需要有效策略来减轻智能手机成瘾的不利影响。
使用机器学习和通过智能手机录制的语音样本进行声音分析评估语音障碍
摘要：背景：将边缘计算集成到智能医疗保健系统中需要开发计算高效的模型和方法，以监视和检测患者的医疗状况。在这种情况下，移动设备（例如智能手机）越来越多地用于协助诊断，治疗和监测。值得注意的是，智能手机广泛普遍，很容易被大部分人口访问。这些设备使个人能够方便地记录和提交语音样本，从而有可能促进声音不规则或变化的早期发现。这项研究重点是基于智能手机捕获的人声样本来创建各种机器学习框架，以区分病理和健康的声音。方法：调查利用了公开发音的数据集，包括58个健康的语音样本和150个来自表现出病理状况的声音和机器学习技术的样本，通过使用MEL频率经常性经系系数来分类健康和患者的患者。结果：通过经过跨验证的两类分类，最佳的K-Neareb邻居表现出最高的性能，在识别健康和病理学的声音方面的准确率达到98.3％。结论：这项研究有望使智能手机能够有效识别人声疾病，为个人和医疗保健系统提供多种优势，包括提高可访问性，早期检测和持续监测。
电池技术拖延智能手机创新...
响应延迟预填充解码苹果（测试1）1秒14.57令牌/9.0令牌/秒苹果（测试2）3秒5.7代币/秒7.8令牌/秒苹果（测试3）1 sec 15.1 sec 15.1 sec/sec 6.9 6.9 sec/sec apple（测试4）apple（测试4）Sec/sec/sec/sec/sec/sec sec 5.2 token/sec 6.2 token/sec 5.2 token/sec 5.2 token/sec 5.2 token/sec 5.2 token/sec s sec 5.2令牌/秒三星（测试2）8秒5.3代币/秒5.8令牌/秒三星（测试3）10秒5.4代币/秒5.6代币/秒三星（测试4）10 sec 5.6 sec/sec 4.7 sec 4.7 sec
使用图形卷积神经网络学习智能手机的GNSS定位校正
抽象的智能手机接收器包括大约15亿个全球赛车卫星系统接收器。智能手机接收器的信号水平较低，噪音较低，而噪声则比Commer CIAL接收器更高。由于对尺寸，重量，功耗和成本的限制，与这些接收器进行准确的定位尤其是在城市环境中，这是一项挑战。传统上，全球定位系统测量方法是通过基于模型的方法（例如加权最小二乘和卡尔曼过滤方法）处理的。基于模型的方法可以以后处理方式提供仪表级的定位精度，但这些方法需要对相应的噪声模型进行牢固的假设，并且需要对参数（例如协方差）进行手动调整。相比之下，已经提出了基于学习的方法，这些方法对数据结构做出了更少的假设，并且可以准确地对环境特定的错误进行建模。但是，这些方法比基于模型的方法提供了较低的精度，并且对初始化敏感。在本文中，我们提出了一个用于学习校正的混合框架，该框架对应于真实接收器姿势和估计位置之间的偏移。对于基于学习的方法，我们提出了一个图形卷积神经网络（GCNN），该神经网络可以学习具有多构造和多频信号的不同图形结构。为了更好地对GCNN进行初始化，我们使用Kalman滤波器来估计一个粗糙的接收器位置。然后，我们使用此粗糙接收器位置来调节输入特征到图。我们从Google智能手机分解挑战中测试了对现实世界数据集的建议方法，并比基于模型的方法（例如加权最小二乘和卡尔曼过滤器方法）显示出改进的定位性能。
高中生中使用问题的智能手机
世界目前拥有超过30亿个智能手机用户。智能手机完全集成到个人的日常生活中，包括95％的美国青少年。过度使用智能手机会导致智能手机成瘾和有问题的智能手机使用（PSU），这些智能手机（PSU）与抑郁症，压力，自尊心减少和学习成绩降低有关。这项PSU研究调查了高中学生在美国一所全面且人口统计学上多样化的高中的九年级。这项研究与319名高中生进行了评估，以评估PSU，抑郁，压力，自尊，毅力和学习成绩的关联。这项研究的结果表明，学生使用智能手机来支持课堂内外学习。结果还表明，PSU，抑郁，压力，自尊，毅力和学习成绩之间的显着相关性。多元回归分析发现压力，自尊和砂砾是PSU的重要预测指标。这项研究的影响包括告知家庭，教育者，地区管理人员和政策制定者，以更全面而严格地利用加利福尼亚议会法案272号法案中提供的电子设备政策，并实施更健壮，周到的课堂智能手机政策和实践。建议将继续评估和建立对青少年（尤其是在Covid-19的大流行）中对PSU的认识，当时人际关系和个人联系是社会情感大流行恢复的重点。
AI智能手机应用程序
BAD 委托 Cochrane 审查，并确定了一些不符合监管要求的基于 AI 的皮肤癌诊断应用程序，这些应用程序可从 Apple 和 Google Play 应用商店下载。目前已发表的证据支持使用 AI 诊断皮肤病，但证据有限。因此，应用程序可能不安全或无效，并且 AI 可能会通过给出错误的诊断将人们置于危险之中。根据我们的调查结果，我们联系了 Apple Store 和 Google Play Store，将这些应用程序报告给相应的团队。随后，Google Play Store 进行了自己的内部审查，并从
基于智能手机的心脏康复计划提高了冠心病患者的功能能力：系统评价和荟萃分析
心脏康复（CR）降低了冠心病（CHD）的死亡率和发病率；但是，患者表现出对CR的依从性。另外，远程医疗干预措施已显示出有希望的结果，以改善CR中的目标结果。本研究旨在回顾基于智能手机的CR对冠心病患者功能能力的影响。使用PubMed，Medline，Embase和Cochrane库进行了文献搜索，于2022年3月21日在CR中找到智能手机使用的随机对照试验，以提高功能能力。结果包括最大氧气消耗（最大VO 2），6分钟步行测试（6-MWT），生活质量，戒烟和可修改的危险因素。对11项招募冠心病患者的试验进行了审查。连接到智能手机或基于聊天的应用程序的可穿戴设备通常用于CR交付。大多数试验设法通过干预提供了运动处方，有关药物依从性和控制风险因素的教育以及心理社会咨询。在智能手机患者中基于智能手机的CR后，功能能力显着提高，如VO 2 MAX和6-MWT所测量。患者更有可能戒烟。与传统护理相比，将CR交付给CHD患者的智能手机在功能能力增加方面表现出了较高的结果。脂质谱，血压，HBA1C，体重指数和生活质量没有显着改善。可以单独使用或用作辅助手段。最终应考虑患者的偏好和情况。
减少访问障碍：探索高等教育机构学生智能手机的使用情况
18-29 岁年龄段的年轻人几乎都拥有智能手机，许多学生随身携带移动技术，但人们对学生如何使用移动设备进行学习却知之甚少。对于历史上处于边缘地位的学生来说，手机可能是重要的学习工具——尤其是当它是访问互联网的主要设备时。这项研究以加州社区学院、加州州立大学和加州大学的学生为对象，探讨了学生对使用移动设备进行学习的看法。研究结果表明，学生通常依靠移动设备作为应急桥梁，并在一天中的空闲时间完成课程。然而，由于小屏幕的限制以及访问课程内容或完成作业的困难，学生也对使用移动设备感到沮丧。这项研究的意义在于强调教师发展在设计移动友好型课程方面的重要性，使学生能够利用移动设备进行学习。