XiaoMi-AI文件搜索系统
World File Search SystemTiwari
SANDEEP KUMAR ECE 助理教授 - 为什么选择 GBPIET
SANDEEP KUMAR ECE 助理教授 学历：博士（在读）、技术硕士（ECE）、技术学士（ECE） 兴趣领域：纳米级固态器件的建模与仿真 联系电话：+91- 9411751826 电子邮箱：sandy.ec@gmail.com，sandeep.kumar@gbpec.ac.in 工作经历（总计：10 年） 2012 年 7 月至今，GB Pant 工程技术学院电子与通信工程系助理教授，Pauri Garhwal。 研究兴趣： • JLFET、TFET 的建模与仿真。 • FET 生物传感器 教育： • 哲学博士（Ph.D.）（在读） • 印度 Pantnagar GBPUAT 技术学院电子与通信工程硕士（M.Tech）。 • 印度潘特纳加尔 GBPUAT 技术学院电子与通信工程学士 (B.Tech.)。 Google 学术简介：（链接：https://scholar.google.com/citations?view_op=list_works&hl=en&user=XFN2CPoAAAAJ 研究出版物：期刊论文：1. S. Kumar、Y. Singh、B. Singh 和 PK Tiwari，“基于介电调制双通道沟槽栅极 tfet 的生物传感器的仿真研究”，IEEE Sensors Journal，2020 年。2. S. Kumar、Y. Singh 和 B. Singh，“具有双重感应功能的基于扩展源双栅极隧道 FET 的生物传感器”，Silicon，第 1-8 页，2020 年。3. S Kumar、B Singh 和 Y Singh，“用于生物传感应用的介电调制沟槽双栅极无结 FET 的分析模型”，IEEE Sensors Journal，2021 年担任的职责：
将可穿戴传感器和认知启发架构的融合应用于手动装配任务的实时人机工程学分析
将可穿戴传感器和认知启发架构的融合应用于手动装配任务的实时人体工程学分析 Oyekan, J. 1 、Chen, Y. 1 、Turner, C. 2 和 Tiwari, A. 1 1 谢菲尔德大学，Amy Johnson 大楼，自动控制和系统工程系，Portobello Street，谢菲尔德，S1 3JD，英国 2 萨里大学，Rik Medlik 大楼，萨里商学院，吉尔福德，萨里，GU2 7XH，萨里商学院，萨里，英国；摘要：高价值制造系统仍然需要符合人体工程学的密集型手动活动。例如，在航空航天工业中，将管道和电线安装到飞机机翼的密闭空间中仍然是一项手动操作。在这些环境中，工人长时间承受不符合人体工程学的力量和姿势。这会导致肌肉骨骼损伤，严重限制车间的产出，导致生产力下降。使用可穿戴传感器等工具可以提供一种实时跟踪工人人体工程学的方法。然而，需要一个信息处理架构来确保实时处理数据，并以有意义的行动点供工人使用的方式进行检索。在这项工作中，基于自适应控制思维——理性 (ACT-R) 认知框架，我们提出了一种可穿戴传感器的认知架构 (CAWES)；一种可穿戴传感器系统和认知架构
“公共采购和供应链中数据分析国际会议” {icdaps}是由AJNIFM A
20023年3月17日至1823年3月18日在德里Scope会议中心，由Arun Jaitley National Finantal Managements Arun Jaitley National Institute of Arun Jaitley National Institute of Arun Jaitley National Institute of Public Contract和供应链中使用智能合约的会议。会议旨在讨论区块链技术在公共采购中的使用。为期两天的会议包括7个讲座，然后是听众的问题。R. K. Shyamasundar教授，名誉教授孟买教授（主题演讲者），Manoj Kumar Tiwari博士（Nitie Mumbai的主任），Amit Kumar Vishwakarma博士印度埃森哲），Swati Bhide夫人（印度IBM合伙人）和Sandeep Shukla博士（IIT Kanpur教授）发表了他们的演讲。该会议目睹了来自不同组织的近100名代表的参与DTU，MIET MEERUT，GKCIET，RAJDHANI学院，NICF，印度银行，印度联合银行，ONGC，MSCTC Ltd.，BPCL，NHSRCL，MRVC，NBCC，NBCC，BSNL，BSNL，TCIL，NCLC，NCRTC，NCRTC，GOA Shipyard Limited，AVNL，AVNL，AVNL，Metaverse Blove Blovespore Bloverse Brokece Interal Charn，Ircon Internallimits，Ircon Internalys，Trisys。邀请来自不同学术机构的学生和研究人员进行海报演讲，并获得了最佳介绍。
项目编号48
先生。 Guntur Pramod Kumar，AOR MS。普雷纳·辛格（Prerna Singh），副词。 div>先生。萨玛斯·卢斯拉（Samarth Luthra），副词。 div>先生。 Dhruv Yadav，Adv。 div>先生。 Abhishek Pandey，Adv。 div>先生。 Prashant Kumar Umrao，AOR Akshay Girish Ringe先生，AOR ANAND DILIP LANDGE先生，Adv。 div>先生。 Siddharth Dharmadhikari，Adv。 div>先生。 Aaditya Aniruddha Pande，AOR BHARAT BAGLA先生，Adv。 div>先生。 Sourav Singh，Adv。 div>先生。阿迪亚·克里希纳（Aditya Krishna），副词。 div>ms。 Preet S. Phanse，Adv。 div>先生。阿达什·杜比（Adarsh Dubey），副词。 div>先生。 Pukhrambam Ramesh Kumar，AOR Karun Sharma先生，Adv。 div>ms。 Anupama Ngangom，副词。 div>ms。 Rajkumari Divyasana，Adv。 div>先生。 R. Rajaselvan，Adv。 div>先生。 Anando Mukherjee，AOR Shwetank Singh先生，Adv。 div>ms。 Akshata Chhabra，Adv。 div>先生。 Milind Kumar，AOR Shiv Mangal Sharma先生，A.A.G。 div>先生。 Saurabh Rajpal，AOR Vinay Kumar Singh先生，副词。 div>先生。 Siddhant Singh，Adv。 div>先生。 Saubhagya Sundriyal，Adv。 div>先生。 Himanshu Tiwari，副词。 div>先生。 Raghvendra Kumar，AOR Anand Kumar Dubey先生，副词。 div>先生。 Sabarish Subramanian，AOR MS。 Garima Prasad，高级A.A.G. div>先生。 Pradeep Misra，AOR Daleep Dhyani先生，Adv。 div>先生。 Sanjay Jain，Adv。 div>先生。苏拉吉·辛格（Suraj Singh），副词。 div>先生。 Manoj Kumar Sharma，Adv。 div>
Gurju (T. cordifolia) 蒸汽乙醇提取物的抗真菌活性 Sunita Shrestha (Singh) * 摘要 Tinospora cordifolia 是一种药用植物
Gurju (T. cordifolia) 蒸汽乙醇提取物的抗真菌活性 Sunita Shrestha (Singh) * 摘要 Tinospora cordifolia 是一种药用植物，俗称 Guduchi 或 Gurjo，开着绿色的小花，其叶、茎、根等所有部分都具有巨大的药用价值。本研究的主要目的是评估在 Padma Kanya Multiple Campus 的微生物实验室中用琼脂孔扩散法连续 3 个月对不同浓度 T. cordifolia 茎乙醇提取物的抗真菌活性。在本研究中，只选择了茎，将其磨成粉末，然后在乙醇中进行提取。将提取物稀释在不同浓度的 DMSO 中，分别为 2%、3%、4%、5%、6%、7% 和 8%。对单宁、黄酮类化合物和生物碱的存在进行了初步定性植物化学筛选。本研究从 T. cordifolia 茎提取物中发现鞣质、黄酮类化合物和生物碱。在 2%、3%、4%、5%、6%、7% 和 8% 的不同浓度下，发现 6%、7% 和 8% 的浓度具有高度有效的抗真菌活性（对青霉菌除外）。本研究的结论是，较高浓度的 T. cordifolia 乙醇提取物对真菌有效。因此，在进一步的研究中，建议使用 T. cordifolia 的乙醇提取物来研究抗真菌活性。 关键词：Tinospora cordifolia、乙醇提取、琼脂孔扩散、真菌 简介 T. cordifolia 被广泛认为是 Guduchi 或 Gurjo，是一种属于防己科月种子的传统药用植物（Tiwari 等人，2014 年）。 Tinospora cordifolia 是一种落叶攀缘灌木，开有绿色的小花，其叶、茎、根等所有部分都具有巨大的药用价值（Pandey 等人，2012 年）。
利用人工智能实现多任务的机器人
2. 文献综述 1. 根据陈志豪等人[1]的论述，它为智能移动应用（例如道路交通和铁路气候）实现了对象识别、定位和监控框架。首先在两种深度学习方法中进行对象检测和跟踪方法：You Only Look Once (YOLO) V3 和单次检测器 (SSD)。 2. Zhong-Qiu Zhao 等人[2]的论述，本文介绍了一种专注于对象检测框架的深度学习分析。在卷积神经网络（CNN）的背景下解决了通用对象检测架构，并进行了一些修改和有用的技巧以提高检测效率。 3. Licheng Jiao 等人[3]的论述，本文重点介绍了用于检测任务的深度学习网络的快速发展，以及对象检测器的效率得到了大大提高。 4. Yakup Demir2 等人[4]的论述，涉及在真实驾驶环境中对周围物体进行可靠和准确的检测和识别的自动驾驶。虽然已经提出了许多用于物体检测的算法，但并非所有算法都足够稳健，可以检测和识别被遮挡或截断的物体。本文提出了一种基于卷积神经网络 (CNN) 和支持向量机 (SVM) 的混合局部多系统 (LM-CNNSVM)，因为它具有强大的提取能力和稳健的分类特性。5. Mukesh Tiwari 编辑 [5] 讨论了由于物体运动的日常变化和场景大小的变化、遮挡、外观变化以及自我运动和照明的变化，物体的识别和跟踪是重要的研究领域。具体而言，特征选择是跟踪物体的重要组成部分。
太空殖民和探索；一项经济活动……
经济在稳定人类时代方面发挥了重要作用，因此，无论是通过研究社会环境发展（Polasky 等人，2019 年）还是逃避平等特权模式，都可以成为他们扩大可持续殖民的途径。如今，私人航天机构正在合作实现新的突破，这些突破曾经被认为是投机性的，因此，无论是可重复使用的火箭的开发还是太空旅行的愿景（Yazıcı & Tiwari，2021 年）。现在，正是这些像 SpaceX 这样的私营公司正在与国家机构合作，雄心勃勃地将人类送上火星。凭借其商业模式，人类正在寻求其长期目标，即在其他天体上维持它们并获得良好的投资回报。几个太空组织已经创建了几份预算表，以确保人类殖民太空的努力。例如，NASA 希望通过 Artemis 任务，通过建造月球门户为火星铺平道路（NASA 月球探索计划概述，2020 年）。人类定居计划将有助于解答有关人类生存的问题，并通过在天体（即月球背面）上建立望远镜来探测大爆炸的指纹（Siegel，2018 年）。本文将对人类在太空和地球上的定居进行简要研究，第一部分专门介绍社会内部发展的经济配置的历史预览。第二部分总结了定居和科学探索的投资方法。本文的最后一部分介绍了定居模式的类型，并简要介绍了人类在不久的将来将通过国际合作实施的 Artemis 计划。
QUILT：使用多种量子分类器集合在量子计算机上进行有效的多类分类
介绍问题动机。量子算法已经在化学、密码学、机器学习和优化领域得到了发展（Lu 等人 2019 年；Shor 1999 年；Tiwari 和 Melucci 2019 年；Khairy 等人 2020 年）。一类称为量子变分算法的算法被设计用于优化和执行量子机器学习和分类工作负载（Benedetti 等人 2019 年）。虽然理论上很有希望，但现有的量子机器学习分类器是为未来大规模理想量子系统设计的。这是因为由于严重的硬件错误，在现有的近期中型量子 (NISQ) 计算机上加载数据、训练和测试样本具有挑战性（Schuld 和 Killoran 2019a；Jurcevic 等人 2021 年；Preskill 2018 年）。因此，现有的量子分类器已被证明仅对相对简单的二元分类任务有效（Schuld、Fingerhuth 和 Petruccione 2017；Grant 等人 2018）。正如我们的评估所证实的，现有的最先进方法对于多类分类无效（例如，八类图像分类的准确率不到 30%）。目前，缺乏在真实量子机器上执行多类分类任务的能力以供探索和改进。贡献。Quilt 通过向社区开源其框架和数据集，以便在 NISQ 量子机器上进行多类分类，专门弥补了这一空白。Quilt 做出了以下主要贡献：（1）Quilt 背后的一个关键思想是构建一组量子分类器来执行多类分类。
QUILT：使用多种量子分类器集合在量子计算机上进行有效的多类分类
介绍问题动机。量子算法已经在化学、密码学、机器学习和优化领域得到了发展（Lu 等人 2019 年；Shor 1999 年；Tiwari 和 Melucci 2019 年；Khairy 等人 2020 年）。一类称为量子变分算法的算法被设计用于优化和执行量子机器学习和分类工作负载（Benedetti 等人 2019 年）。虽然理论上很有希望，但现有的量子机器学习分类器是为未来大规模理想量子系统设计的。这是因为由于严重的硬件错误，在现有的近期中型量子 (NISQ) 计算机上加载数据、训练和测试样本具有挑战性（Schuld 和 Killoran 2019a；Jurcevic 等人 2021 年；Preskill 2018 年）。因此，现有的量子分类器已被证明仅对相对简单的二元分类任务有效（Schuld、Fingerhuth 和 Petruccione 2017；Grant 等人 2018）。正如我们的评估所证实的，现有的最先进方法对于多类分类无效（例如，八类图像分类的准确率不到 30%）。目前，缺乏在真实量子机器上执行多类分类任务的能力以供探索和改进。贡献。Quilt 通过向社区开源其框架和数据集，以便在 NISQ 量子机器上进行多类分类，专门弥补了这一空白。Quilt 做出了以下主要贡献：（1）Quilt 背后的一个关键思想是构建一组量子分类器来执行多类分类。
使用农杆菌介导的转化技术的CRISPR编辑的桦木植物无DNA整合
摘要39 CRISPR/CAS9系统已成为基因组编辑中的强大工具；但是，40代CRISPR编辑的无DNA植物仍然具有挑战性。在这项研究中，使用了使用农业介导的转化43（CPDAT方法），使用41个Betula Plathylla（Birch）构建一种生成CRISPR PRECTER 42植物的方法。该技术利用瞬时遗传转化将TNNA编码GRNA和Cas9引入桦木细胞，T-DNA将表达45个合成的GRNA和CAS9蛋白，这将形成一个复合物以裂解靶标46 DNA位点。基因组可能由于DNA修复而被突变，并且这些突变将被保留47个，并积累不取决于是否将T-DNA整合到48个基因组中。瞬时转化后，将桦树植物切成植物，至49个诱导不定的芽而没有抗生素选择压力。每个不定的芽50可以视为突变51检测的独立潜在的CRISPR编辑线。CRISPR编辑的桦木植物没有外国DNA整合，还可以通过筛选CRISPR编辑的线条而没有T-DNA整合。在65 53个随机选择的独立线中，突变率为80.00％，包括40.00％54的线，两个等位基因突变。此外，在有65条研究的线（7.69％）中，有5条线是CRISPR-编辑的桦木植物，而没有DNA整合。总而言之，这56种创新方法提出了一种生成CRISPR编辑的桦木57种植物的新型策略，从而显着提高了产生常见的58种CRISPR-CRISPR-编辑植物的效率。81这些发现提供了开发植物59基因组编辑技术的巨大潜力。60 61简介62 CRISPR/CAS9是一种适用于植物育种的强大而有效的基因编辑技术，63可以精确有效地修饰基因组（Fidan等，2023）。CRISPR/CAS 64系统最初被发现可以识别并裂解入侵的病毒或噬菌体的65个DNA，可作为细菌中的免疫系统（Ahmad，2023; Kim等，2016; 66 Komor等，2016; Koonin等，2017; Zetsche等，2015; 66 Komor et al。，2015;CRISPR-CAS系统67已根据其CRISPR-CAS位点的布置和相关的CAS 69蛋白（Koonin等，2017; Makarova; Makarova and Koonin，2015）分类为两个主要类（II，II，III，68 IV，V和VI）和各种类型（I，II，III，68 IV，V和VI）。两个主要类是70类1和2，根据其利用的CRISPR 71 RNA（CRRNA）摄影蛋白的复合物（McDonald等，2019）。1类系统（包括72型I，III和IV）由由几种CAS 73蛋白结合的成熟CRRNA组成，形成了巨大的蛋白质复合物。该复合物通过在原始探针75的互补链DNA（靶位点）和GRNA间隔者的5'-End序列之间进行配对，作为目标74 DNA位点的指南，并且具有核酸酶76的活性，以裂解靶向序列（Garneau，2010; Tiwari等，2010; Tiwari et and and and an。2类系统包括II型，V和VI，分别具有78个CAS蛋白，例如Cas9，Cas12或Cas13，并且还具有靶向和切割DNA的79功能（Jinek等，2012）。在2类系统中，80 Cas9-Crispr系统已被广泛应用。