XiaoMi-AI文件搜索系统
World File Search SystemXplore
+IEEE IEEE
关于：•IEEE国际能源会议（EnergyCon）是IEEE 8旗舰国际会议，涵盖了广泛的电力和能源系统主题，将继续在巴林，意大利，克罗地亚，比利时，塞浦路斯，突尼斯，突尼斯和拉脱维亚组织的过去版本的传统。第八届会议将于2024年3月4日至7日在卡塔尔多哈举行。•EnergyCon致力于进行专业的专家，以能源和电力系统进行研究。它已经成为讨论电子，仪器，信息和通信技术在能源行业应用的中心事件之一。EnergyCon为科学家，专业工程师和工程专业的学生提供了机会，以展示他们的作品，发布结果，交流思想和网络，以实现未来的科学和工业合作。•如果至少一名作者注册，并且在会议上发表了论文（符合IEEE规则），则将在会议记录中发表简短和完整论文。会议会议记录的简短和完整论文将提交给IEEE Xplore数字图书馆，并在会议记录引用指数（CPCI） - 科学网络中的集成索引。
使用机器学习预测截肢
截肢是针对多种医疗概率的不可逆的最后一线治疗。延迟截肢而有利于肢体的治疗可能会导致发病率和死亡率的风险增加。该系统评价旨在综合有关如何应用ML以预测截肢为结果的文献。OVID EMBASE，OVID MEDLINE，ACM数字图书馆，Scopus，Web of Science和IEEE Xplore从Inception到2023年3月5日进行了搜索。1376年的研究被筛选；包括15篇文章。在糖尿病流行中，模型的范围从次级最佳到出色的性能（AUC：0.6-0.94）。在创伤患者中，模型具有强大的表现（AUC：0.88-0.95）。在接受其他病因的截肢的患者中（例如：烧伤和周围血管疾病），模型的性能相似（AUC：0.81–1.0）。发现许多研究的偏见风险很高，这通常是由于样本量较小。总而言之，已经成功地开发出了多个机器学习模型，这些模型有可能优于传统的建模技术和前瞻性临床判断，以预测截肢。需要进一步的研究来克服当前研究的局限性并将适用性带入临床环境。
脑机接口：人脑与人脑之间沟通的未来
本文全面回顾了脑机接口 (BCI) 的研究现状及其潜在应用。本研究的目的是从各种来源收集信息，包括期刊文章、会议论文和书籍，以分析 BCI 的进步和局限性。使用 PubMed、IEEE Xplore 和 Google Scholar 等数据库进行了系统的文献综述，并使用与 BCI 及其应用相关的特定关键词。对选定的研究进行了彻底分析，以确定共同的主题、方法和关键发现。本综述的主要贡献包括概述不同类型的 BCI、它们在医学、娱乐和教育等领域的应用，以及 BCI 技术面临的挑战和局限性。研究结果强调了 BCI 在恢复运动功能、改善各种疾病患者的生活质量以及增强人机互动方面的潜力。此外，本综述还确定了未来的研究方向，包括信号处理改进、探索混合和多模式方法、进行长期现实世界研究、解决道德问题以及优先考虑以用户为中心的设计。对现有文献的全面分析为 BCI 领域的研究人员和从业者提供了宝贵的见解，并为这一快速发展的领域的未来发展奠定了基础。
可解释人工智能在诊断和手术中的应用
摘要：近年来，人工智能（AI）在医学领域显示出巨大的前景。然而，可解释性问题使得AI在临床中的应用变得困难。一些研究已经对可解释的人工智能（XAI）进行了研究，以克服AI方法黑箱性质的局限性。与深度学习等AI技术相比，XAI可以提供模型的决策和解释。在这篇综述中，我们对使用XAI进行医学诊断和外科应用的最新趋势进行了调查。我们从PubMed，IEEE Xplore，计算机协会和Google Scholar搜索了2019年至2021年期间发表的文章。我们将符合选择标准的文章纳入综述，然后从研究中提取和分析相关信息。此外，我们提供了一个关于乳腺癌诊断的实验展示，并说明了XAI如何应用于医学XAI应用。最后，我们总结了医学XAI应用中使用的XAI方法，研究人员遇到的挑战，并讨论了未来的研究方向。调查结果表明，医学XAI是一个很有前景的研究方向，本研究旨在为医学专家和AI科学家在设计医学XAI应用时提供参考。
ATIF/REFERENCE：Aylak，B. L. (2022)。人工智能在海运物流中的应用影响。欧洲科学技术杂志，(34)，217-225。
本研究旨在确定当前使用人工智能 (AI) 方法解决航运问题的方法。正在研究人工智能的最新进展，并回顾其适应海运物流的方式。在本研究中，通过文献计量法审查了 66 篇有关海运业人工智能的论文。研究数据主要来自 IEEE Xplore、Web of Science、ScienceDirect (Elsevier)、Sciences Citation Index、Google Scholar、Springer 和期刊的数据库。对选定的论文进行分类，并详细讨论了一些值得注意的出版物的成果。还进行了全面评估，突出了研究差距并预测了未来的研究方向。提出了利用人工智能能力在海运业进行进一步研究的两个可能领域。预测分析是第一个领域，其次是能源效率优化。此外，机器学习 (ML) 和运筹学 (OR) 也引起了人们对自动学习启发式方法的兴趣，以解决优化问题，从而避免需要昂贵且低效的人力来创建高度专业化的启发式方法。未来的研究可以利用这些新的 ML 方法来解决海运物流问题，利用不断增加的可用数据量。未来对海运物流的研究还可以根据已发现的差距开发学习模型。
提高可持续性：对绿色技术创新及其环境影响的全面审查
摘要：这项全面的综述研究了绿色技术的最新创新及其对环境可持续性的影响。该研究分析了可再生能源，可持续运输，废物管理和绿色建筑实践的进步。为了实现当前研究的具体目标，该探索是使用主要学术数据库中的PRISMA指南进行的，例如Web of Science，Scopus，IEEE Xplore和ScienceDirect。通过研究影响映射技术的系统文献综述，我们确定了绿色技术的关键趋势，挑战和未来方向。我们的总调查结果表明，尽管在减少环境影响方面取得了重大进展，但诸如高初始成本和技术限制之类的障碍仍然存在。因此，对于社会社区的福祉，应更广泛地采用绿色技术创新和实践。通过投资可持续实践，社区可以减少环境退化，改善公共卫生，并创建支持生态和经济稳定的弹性基础设施。绿色技术，例如可再生能源，环保建筑，有效的废物管理系统和可持续农业，不仅减轻污染，而且还会减轻温室气体排放，从而抗击气候变化。最后，本文以政策制定者和行业领导人的建议结束，以促进广泛采用绿色技术。
大数据分析中的量子计算
重点关注量子计算在医疗保健、金融和科学研究等各个领域的应用。该研究采用系统的文献综述和内容分析，分析了来自 PubMed、IEEE Xplore 和 ScienceDirect 等数据库的同行评审文章、会议论文集和学术期刊。主要发现表明，量子计算凭借其先进的算法和机器学习技术，在计算速度和效率方面比传统计算方法有显著提高。这项技术进步使得处理大型复杂数据集成为可能，为数据分析带来了新机遇。然而，该研究还指出了可扩展性、错误纠正和与现有系统的集成等挑战，这些挑战目前限制了量子计算在大数据分析中的全部潜力。该研究最后为行业领导者和政策制定者提出了战略建议，强调需要投资研发、建立监管框架和制定教育计划来支持这一新兴领域。提出了未来的研究方向，重点是克服技术限制并探索量子计算在各个行业的长期影响。这项研究为量子计算不断发展的格局及其对大数据分析的重大影响提供了宝贵的见解。关键词：量子计算、大数据分析、高级算法、数据处理。_______________________________________________________________________________
引用：Gryska E、Schneiderman J、Björkman- Burtscher I 等人。在标准磁共振图像上自动分割脑损伤：scopi
摘要 目的 医学图像分析实践面临着一些挑战，这些挑战可以通过基于算法的分割工具来解决。在本研究中，我们绘制了自动 MR 脑病变分割领域，以了解流行方法和研究设计的临床适用性，以及该领域的挑战和局限性。 设计 范围审查。 设置 使用定制查询搜索了三个数据库（PubMed、IEEE Xplore 和 Scopus）。根据预定义的标准纳入研究。在连续的标题、摘要、方法和全文筛选中确定了新出现的主题。全文分析侧重于材料、预处理、性能评估和比较。 结果 在通过搜索确定的 2990 篇独特文章中，441 篇文章符合资格标准，估计每年的增长率为 10%。我们从出版来源、使用的分割原理和病变类型等方面介绍了该领域的一般概述和趋势。算法主要通过测量分割结果与可信参考的一致性来评估。很少有文章描述临床有效性的测量。结论 所观察到的报告实践在研究复制、方法比较和临床适用性方面还有改进的空间。为了促进这种改进，我们提出了一系列建议，供该领域未来的研究参考。
PB89-175525 人机交互中的心理模型
• 确定能够展示心理模型形式和模型上使用的操作的行为。 “• 探索目标导向表征的其他观点（例如，所谓的序列 / 方法表征），并详细描述从它们所预测的行为。• 扩展可能存在的心理表征类型，以包括那些可能不是机械的，例如代数和视觉系统。• 确定人们如何混合不同的表征来产生行为。• 探索如何获取有关系统的知识。• 确定个体差异如何影响系统的学习和性能。• 探索系统训练序列的设计。• 为系统设计师提供工具，帮助他们开发可在用户中唤起“良好”表征的系统。• 扩展本研究的任务领域，以包括更复杂的软件。
数字孪生系统的系统评价...
数字孪生系统在智能工厂中用于改进设备预测性维护的系统评价 Fredrick Nnaemeka Okeagu、Chika Edith Mgbemena 纳姆迪阿齐基韦大学工业/生产工程系，P.M.B. 5025，阿乌卡，尼日利亚。 *通讯作者：Chika Edith Mgbemena，纳姆迪阿齐基韦大学，P.M.B. 5025，阿乌卡，阿南布拉州，尼日利亚。电子邮件：ce.mgbemena@unizik.edu.ng 摘要 在生产系统组件的管理和监控中部署智能系统已提高制造车间的质量和生产率。本文系统地评价了数字孪生和其他智能系统在车间设备预测性维护中的应用。许多数据库（例如 Google Scholar、Scopus、IEEE Xplore、Research Gate 和 Science Direct）都用于数据收集。研究表明，数字孪生等智能系统是生产系统中设备预测性维护的有效工具。这已被发现可以提高生产率并减少生产系统的停机时间。该研究重点介绍了在智能工厂中部署数字孪生等智能系统用于设备预测性维护的当前趋势、优势和局限性。关键词：智能系统、制造设备、工业 4.0、智能工厂、维护。