XiaoMi-AI文件搜索系统
World File Search SystemTHM
人造视觉 - Yolov8算法...
Coimbatore，泰米尔纳德邦，印度摘要：失明是一种残疾或无法看见的形式。缺乏视力仅是一个需要视线的人进行的活动，这只是一个劣势。盲人可能仅由于无法进入的基础设施和社会挑战而面临麻烦。在地方周围浏览并使用行人访问标志是盲人的最大挑战之一，尤其是视力为零的人。对于一个受到身体挑战的人来说，获得独立性可能最有价值的资产和视觉障碍的人可以在设计有必要适应的环境中过着独立的生活。本文使用Yolo（您只看一次）的实时对象检测系统，基于深度学习算法，以帮助视觉受损的人在日常生活中。cobotic眼镜是专为视障个体设计的剪边产品。使用Yolo算法无缝集成面部运动识别，对象识别和文本检测功能。Yolo使用卷积神经网络（CNN）和单个正向传播通过神经网络进行实时的对象检测。在此提议的系统中，Yolov8是一种在上下文（可可）数据集中对公共对象训练的实时对象检测算法，用于识别在对象识别中产生高准确性的人面前存在的对象。系统通过合成的语音传递输出，从而增强视觉感知。索引术语 - 视觉障碍，对象检测，Yolov8，文本，语音，CNN面部运动识别模块促进了改善的社会互动，而对象识别会提高环境意识。此集成解决方案结合了边缘处理和基于云的分析，以实时处理和计算效率。cobotic奇观使视觉障碍的个体能够提供最先进的智能眼镜系统，从而增强视觉感知，促进独立性并改善其整体生活质量。
使用机器学习算法检测糖尿病
糖尿病是一种慢性疾病，有可能造成全球医疗危机，会影响全球范围内数量惊人的人。根据国际糖尿病联合会的说法，目前有3.82亿人患有糖尿病，并且该数字预计到2035年将翻一番，达到5.92亿。糖尿病（也称为糖尿病）的特征是血糖水平升高。虽然有多种传统方法可通过物理和化学测试来诊断糖尿病，但可以准确预测早期疾病的发作对医生带来了重大挑战。这主要是由于各种因素的复杂相互作用以及糖尿病对肾脏，眼睛，心脏，神经和脚部等重要器官的影响。但是，数据科学领域为应对这一挑战提供了有希望的机会，并为科学界的常见问题提供了新的启示。尤其是机器学习，这是数据科学中新兴的科学领域，重点是使机器能够从经验中学习。该项目的目的是开发一个可以通过利用不同的机器学习技术来准确预测糖尿病发作的系统。该项目旨在利用三种监督的机器学习方法，即SVM，Logistic回归，随机森林，幼稚的贝叶斯，决策树分类器和K-Nearealt邻居分类器，以预测糖尿病。此外，该项目旨在提出一种有效的技术来早期检测糖尿病。
防毒面具实验室 (NIOSH) 微电子和纳米技术 Shamsuddin 研究中心 (UTHM)
微电子与纳米技术 Shamsuddin 研究中心 (MiNT-SRC) 是马来西亚敦胡先翁大学 (UTHM) 综合工程学院 (IIE) 下属的五个卓越中心 (CoE) 之一。该研究中心成立于 2006 年 11 月 27 日，前身为微电子与纳米技术中心 (MiNTEC)，2007 年 11 月 25 日升级为研究卓越中心。MiNT-SRC 以 UTHM 董事会主席 Y.Bhg. Tan Sri Dato' Seri Ir Shamsuddin bin Abdul Kadir 的名字命名，以纪念他对 UTHM (2007-2009) 的贡献。MiNT-SRC 的目标是成为马来西亚南部微电子和纳米技术领域的领先研究中心。该研究中心由副教授 Marlia Morsin 博士领导，她从事基于纳米材料的传感器、真菌治疗和媒介控制领域的研究。此外，还有6名来自不同领域的首席研究人员，分别是Nafarizal Nayan教授（纳米等离子体处理和诊断）、Mohd Khairul Ahmad教授（纳米结构材料）、Soon Chin Fhong副教授（生物纳米技术、生物工程和物联网）、Fariza Mohamad副教授（使用电沉积的同质和异质结薄膜）、Farhanahani Mahmud副教授（医疗电子、嵌入式系统和人工智能）和Nur Hanis Hayati Hairom副教授（纳米技术、膜技术和废水处理）。这七位核心研究人员构成了MiNT-SRC研究进步的骨干。
使用机器学习算法的鱼池水质评估模型
传统的养鱼面临着一些重大挑战，包括水污染，温度失衡，饲料管理，有限的土地可用性和高成本。水产养殖业继续面临各种挑战，包括需要增强监测系统的需求，早期鉴定疾病暴发，高死亡率以及促进可持续性。这些问题代表了需要解决的持续关注，并促使该研究使用woosong University Fish Pond Dataset进行了有关鱼类池塘水质管理的研究，这些数据集来自Kaggle Machine Learning存储库。这项研究的目的是开发利用机器学习（ML）技术的水产养殖解决方案，以增强虾的生长并在池塘环境中提高生产率。因此，该研究仔细检查了某些机器学习算法的有效性，包括XGBoost，梯度提升，K-Neighbors Repressor，随机森林回归器和混合集合模型。使用一些评估指标的评估指标，例如均方根误差（MSE），平均绝对百分比误差（MAPE），R-squared（R2）和根平方误差（RMSE），以评估算法的有效性。该研究的发现表明，在预测准确性方面，随机的森林回归和混合合奏模型优于其他算法，使其成为评估养鱼养鱼水质的强大候选者。
使用密码学的512位AES算法的设计
在当今的应用程序中，使用信息安全策略来获取安全的通信系统变得越来越重要。在我们几乎所有的日常互动中，安全都是必须的，尤其是在涉及敏感信息的情况下。加密算法，例如DES，两条鱼等，可以使用更多的信息来保护信息。由于它提供了高度的安全性并且易于实现，因此自2001年以来，先进的加密标准（AES）算法FIPS-197一直使用。先前建议使用各种位尺寸的AES硬件实现，并针对128-，192-，192-和256位列表标准键尺寸进行了测试。但是，有一些AES实现。这些不同的AES实现支持不同的应用程序需要不同应用程序对同一算法的不同实现。尽管某些应用程序具有严格的区域要求，并且实施紧凑的AE将对提供安全性非常有帮助，就像在某些嵌入式系统案例中一样，其他高度要求最高的安全性，而无需时间或空间约束。系统需要具有所需的安全性，并且可以通过提高ALGORITHS的参数来实现，并且可以通过提高该级别来实现。AES-512位是AES算法的一种新型变体，在这项工作中介绍了。此外，还显示了AES-512算法的硬件体系结构。此外，还将展示创建新的512位密钥的过程。将新AES算法提供了吞吐量和更大的安全性。与原始的AES-128位相比，这项研究的目的是提供AES-512，当需要更好的安全性和吞吐量时，可以在不扩大总设计区域的情况下使用。新算法的构造与原始AES的结构相似，除非它使用较大的键（512位而不是128位）和宣传。当使用512位输入代替128位时，该算法的整个结构会受到影响，因为稍后将更详细地介绍。具有128位的块大小，对称AES密码方法提供了128位，192位和256位的关键尺寸，分别为10、12或14次迭代弹。每个回合由四个主要操作组成：添加圆形钥匙，混合柱，移动行和替换字节。将AES 128位密钥与目前正在使用的其他对称密码算法进行比较，它被认为是安全的。它在安全性至关重要的许多应用程序中广泛使用。采用较大的钥匙会提高安全性，并且使用的块是原始AES块大小的四倍，从而增加了吞吐量。额外设计空间的要求是AES-512的唯一缺点。建议的AES-512算法中有四个主要的基于字节的修改。第一个修改称为“字节替代”，该修改使用并行S-box替换512位的值。换行行，第二个变换，将输出从上一步的行移动到等于行号的偏移量。将圆形钥匙添加到回合的最终结果中代表了回合的最终转换。第三个变换称为“混合列”，其中前阶段的结果乘以每个列中的不同值。
工作中的算法： - 明智的未来中心
随着平台经济的扩散，使用算法自动管理，组织，协调和评估工人已成为数字劳动平台的关键特征。虽然演出的工作通常被认为是灵活的，并且允许工人比传统工作更有自由，但这通常与算法扩展到管理工作的控制相矛盾（Zhang等人。2022）。由CSF为国际组织开展的关于在斯里兰卡的基于平台的演出工作扩展的以前的工作还强调了这些平台上存在的权力不对称性，其中大部分源于通过算法管理工作（Dahanayake 2024）。本研究简介以正在进行的研究为基础，探索了斯里兰卡的工作算法管理及其对演出工人的影响。
OTHM 5 级信息技术文凭
资格目标 OTHM 信息技术 5 级文凭的目标是为学习者在各种组织中打下良好的职业基础。它旨在确保每个学习者都“做好商业准备”：一个自信、独立的思考者，拥有信息技术的详细知识，并具备快速适应变化的技能。该资格非常适合那些已经开始或计划进入私营或公共部门业务的人。成功完成信息技术 5 级文凭将为学习者提供进一步学习或就业的机会。质量、标准和认可 OTHM 资格由 Ofqual（资格和考试监管办公室）批准和监管。访问受监管资格的注册表。OTHM 与几所英国大学有进修协议，承认学习者在学习 3-7 级资格后有能力被考虑提前进入相应的学位年/补充和硕士/补充课程。监管信息
精确动物健康SVM疾病检测算法
牲畜育种农场通常位于偏远地区，由于兽医通道有限，疾病的诊断很具有挑战性。快速而精确的诊断变得特别困难。但是，采用动物疾病诊断专家系统可以显着改善这种情况。这样的系统有可能迅速准确诊断动物疾病，从而促进股票鸟类行业的可持续增长。本文通过理论分析和实际实验验证了将支持向量机（SVM）技术纳入此类专家系统的可行性。这些发现确认了SVM在准确诊断疾病中的有效性，从而突出了其对牲畜健康管理的潜在影响。