XiaoMi-AI文件搜索系统
World File Search SystemSridhar
Mohan Sridharan
我的主要研究兴趣包括知识代表和推理，认知系统，机器学习和控制系统，以及适用于与人类合作的自适应机器人和代理。i设计算法和体系结构：（a）用定性和定量描述常识域知识和不确定性的定性和定量描述； （b）基于从环境和人类获得的mul-timodal传感器线索进行交互和累积学习； （c）使设计师能够理解机器人的行为并确定其满足所需的属性。此外，我对支持在诸如气候信息学，农业灌溉管理和智能运输等领域中自动化的算法感兴趣。
R. Sridhar 等人/对人工智能在提高跨国公司员工敬业度方面的关键决定因素进行分析的批判性调查
P,paddumtech15@gmail.com。摘要员工表现出的承诺水平与组织取得的成功水平成正比。提高管理层与员工之间的沟通和协作水平是激励员工的最有效方法之一。人力资源管理中使用的人工智能系统的沟通和互动能力使得与员工打交道的方式更加个性化和定制化。人力资源部门各种角色越来越多地采用基于人工智能的解决方案，这对员工在工作中的体验产生了积极影响。另一方面，目前正在对人工智能介导的人力资源管理实践的影响进行初步研究。据说，当员工“投入”工作时，他们会对公司的价值有“积极的看法”。这项研究的目的是确定基于人工智能 (AI) 的工具、软件和技术是否可以帮助管理层识别员工敬业度等无形资产，并提供有关哪些因素影响它以及管理层如何努力提高它的提示。由于员工流动率已经非常高，前三大行业的员工流动率超过 10%，并且每年都在以危险的速度增长，因此组织必须努力通过保持员工敬业度和满足员工需求，同时牢记组织的使命，从而留住员工。据工作研究所和 2018 年留任报告估计，到 2020 年，公司可能预计在员工流动费用上花费总计 6800 亿美元。除此之外，他们还调查了员工对现有职位不满意的 50 个主要原因。与其他因素（包括工资和福利、员工健康以及主管和经理的行为）相比，职业发展和工作与生活的平衡（或缺乏平衡）更常被提及为令人担忧的领域。由于人工智能的进步，“理解工人”的概念近年来得到了长足的发展。由于大数据分析、机器学习和其他领域的突破，机器人已经发展到可以识别模式并预测人类行为的程度。关键词：员工敬业度、人工智能、员工生产力、相关性分析
任务概况对并网光伏逆变器可靠性的影响 Ranjith Kumar Gatla 1*、Sainadh Singh Kshatri 2、Patthi Sridhar 1
近几十年来，对能源的强烈需求增加了光伏 (PV) 能源作为化石燃料替代品的使用。随着电力电子技术的进步，当今的光伏能源对电力的需求巨大。然而，光伏系统的可靠性性能是一个主要问题。任务概况 (太阳辐照度、环境温度)、安装位置等环境条件影响光伏系统的性能。研究人员报告称，光伏逆变器是光伏系统的关键组件。此外，为了可靠运行，需要考虑环境条件对光伏逆变器进行可靠性评估。因此，本文的目的是评估任务概况对光伏可靠性 (寿命) 的影响。为此，将一个带有全桥光伏逆变器的 3 千瓦单相并网光伏系统视为测试用例，并在 PLECS 中建模。领先制造商的 600V/30A IGBT 被视为光伏逆变器中的电力电子开关。确定光伏市场的前十大国家并将其选为安装地点，考虑每个安装地点一年的实时任务概况。利用该任务概况对光伏逆变器的可靠性性能进行了测试用例评估，结果表明，任务概况对光伏逆变器的可靠性性能有相当大的影响。