XiaoMi-AI文件搜索系统
World File Search Systemdistribution
![文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控](/simg/8/8dd469c55249d1165cc0c55c494f5b27bda7b11b.png)
文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
气候变化对betula tianschanica rupr
结果：Maxent模型和RF模型确定了影响Betula Tianschanica潜在分布的主要环境因素。最大模型表明，较低的土壤层和高程中砾石体积的百分比是最重要的，而RF模型认为最潮湿的季度的高度和降水是最关键的。这两种模型都一致断言，高程是影响betula tianschanica分布的关键环境元素。曲线下的平均面积（AUC）得分分别为Maxent模型和RF分别为0.970和0.873，表明Maxent模型在预测精度中超过RF模型。因此，本研究采用了由Maxent模型建模的Betula Tianschanica的估计地理区域。按照最大模型的预期结果，Betula Tianschanica主要位于蒂安山山脉，伊利河盆地，伊斯西克 - 库尔湖，图班湖，图班河盆地，伊蒂斯河，乌尔蒂什河，乌尔ungur河，波格达山脉，鲍格达山脉，哈萨克山脉，哈萨克山脉，阿米尔河河流的米布尔特河的米德尔河河流，在所有情况下，栖息地区域均显示出增长，除了在SSP2-4.5方案下在2041 - 2060年期间观察到的下降。非常明显，在同一时间范围内的SSP58.5方案下，该区域显着扩展42.7％。相反，RF模型在总计
诱饵状态方法的量子密钥分布的安全性
信息保护是现代社会的关键要求之一。在大多数情况下，通过使用加密等加密技术来确保信息安全性。加密通常被理解为使用某种算法[1]所需的信息的转换（明文）到加密消息（Ciphertext）中。同时，为了实现加密，通信的合法各方需要一个所谓的加密密钥，这是一个秘密参数（通常是一定长度的二进制字符串），该参数决定执行加密时的特定信息转换。关键分布问题是密码学中最重要的问题之一[1，2]。例如，参考。[2]强调：``键与它们加密的所有消息一样有价值，因为对密钥的知识提供了所有信息的知识。对于跨越世界的加密系统，关键分布问题可能是一项艰巨的任务。''可以使用几种加密密钥分布的方法。首先，可以使用可信赖的快递员交付键。这种方法的主要缺点是人类因素的存在。此外，随着每年传输数据键的增加，身体转移变得越来越困难。另一种方法是公钥密码学。它基于使用所谓的单向函数的使用，即易于计算但很难为给定函数值找到参数。示例包括Diffie±Hellman和RSA（来自Rivest，Shamir和Adleman的缩写）算法（用于加密信息开发，但也用于密钥分布），这些算法使用了解决离散对数和Integer分支问题的复杂性。Internet上传输的大多数数据都受到使用公共算法的使用，该算法包含在HTTPS（HYPEXT TRANSPRAND SECURES SECURE）协议中。
![文章标题：人工智能（AI）在医疗保健中的应用：综述 作者：Mohammed Yousef Shaheen[1] 所属机构：沙特阿拉伯[1] Orcid ids：0000-0002-2993-2632[1] 联系电子邮件：yiroyo1235@tmednews.com 许可信息：本作品已根据知识共享署名许可 http://creativecommons.org/licenses/by/4.0/ 以开放获取的方式发表，允许在任何媒体中不受限制地使用、分发和复制，前提是对原始作品进行适当引用。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 上找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并已提交给 ScienceOpen Preprints 进行开放同行评审。 DOI：10.14293/S2199-1006.1.SOR-.PPVRY8K.v1 预印本首次在线发布：2021 年 9 月 25 日](/simg/d/d7cdd24d40fd1d294d48413a0763b9abd0fe8371.png)
文章标题：人工智能（AI）在医疗保健中的应用：综述 作者：Mohammed Yousef Shaheen[1] 所属机构：沙特阿拉伯[1] Orcid ids：0000-0002-2993-2632[1] 联系电子邮件：yiroyo1235@tmednews.com 许可信息：本作品已根据知识共享署名许可 http://creativecommons.org/licenses/by/4.0/ 以开放获取的方式发表，允许在任何媒体中不受限制地使用、分发和复制，前提是对原始作品进行适当引用。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 上找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并已提交给 ScienceOpen Preprints 进行开放同行评审。 DOI：10.14293/S2199-1006.1.SOR-.PPVRY8K.v1 预印本首次在线发布：2021 年 9 月 25 日
文章标题：人工智能（AI）在医疗保健中的应用：综述 作者：Mohammed Yousef Shaheen[1] 所属机构：沙特阿拉伯[1] Orcid ids：0000-0002-2993-2632[1] 联系电子邮件：yiroyo1235@tmednews.com 许可信息：本作品已根据知识共享署名许可 http://creativecommons.org/licenses/by/4.0/ 以开放获取的方式发表，允许在任何媒体中不受限制地使用、分发和复制，只要正确引用原始作品即可。使用条款和出版政策可在 https://www.scienceopen.com/ 上找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行开放同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVRY8K.v1 预印本首次在线发布：2021 年 9 月 25 日
基于广义 CHSH 不等式的设备独立量子密钥分发
量子密钥分发 (QKD) 的目的是使两方（Alice 和 Bob）能够在共享量子信道时生成密钥。例如，在 Ekert [ 1 ] 提出的实现中，信道由一个产生纠缠粒子的源组成，这些粒子被分发给 Alice 和 Bob。在每一轮中，Alice 和 Bob 各自从几种测量设置中选择一个来测量一个粒子。通过推断（从 Alice 和 Bob 的测量结果中）源发射接近于纯二分纠缠态的状态，可以保证 Alice 的测量结果是安全的，即任何可能控制量子信道的第三方（Eve）都不知道。这同时确保了如果 Bob 选择适当的测量设置，Bob 的结果与 Alice 的结果相关，即 Alice 和 Bob 的测量结果可以形成密钥。
火星大气中灰尘的垂直分布
MARS Express上的Omega光谱仪获得了对火星肢体的几种观察，这些观察仪仍未得到探索。在这里，我们根据火星大气灰尘的丰度和大小来探讨这些数据的信息内容。我们通过应用全球散射蒙特卡洛1D辐射转移代码来接近灰尘检索，以建模0.5 - 2.5μm光谱范围（VNIR和SWIR OMEGA通道），以使粉尘有效半径和数量密度变化在大约之间。8和50公里。 这是该方法第一次应用于欧米茄肢体数据。因此，我们仅介绍三个研究案例，其中水冰低于可检测性水平，以便将未来更广泛应用之前的方法论问题，假设和表现重点放在。 该模型完全包含多种散射效应，这些散射效应已知是导致在不同高度和表面上采用的肢体之间的耦合。 开发了表面反射率的延长的三维建模，形成了肢体光谱的表面晶体。 发现VNIR通道可用于降低辐射转移溶液的退化。 在15至30 km之间产生0.85±0.15μm（对应于模态半径〜0.3μm的模态R m m 〜0.3μm）的尘埃垂直分布，与全球循环模型（GCM）一致，但在模型中的模型预测中，与模型相比的一个级数相当一致，但与模型之间的模型（MC）相当吻合（GCMS），这是一个模型和MARS的clls clls clls clls clls clls clys的clains。8和50公里。这是该方法第一次应用于欧米茄肢体数据。因此，我们仅介绍三个研究案例，其中水冰低于可检测性水平，以便将未来更广泛应用之前的方法论问题，假设和表现重点放在。该模型完全包含多种散射效应，这些散射效应已知是导致在不同高度和表面上采用的肢体之间的耦合。开发了表面反射率的延长的三维建模，形成了肢体光谱的表面晶体。发现VNIR通道可用于降低辐射转移溶液的退化。在15至30 km之间产生0.85±0.15μm（对应于模态半径〜0.3μm的模态R m m 〜0.3μm）的尘埃垂直分布，与全球循环模型（GCM）一致，但在模型中的模型预测中，与模型相比的一个级数相当一致，但与模型之间的模型（MC）相当吻合（GCMS），这是一个模型和MARS的clls clls clls clls clls clls clys的clains。实际上与MCS数据达成了总体协议，在一种情况下，欧米茄退休的尘埃与Hellas Basin的当地风暴兼容。在火星气候数据库中没有很好地表示，该数据库提供了每月平均统计数据。我们的结果证明了欧米茄肢体数据在定量上有助于火星尘埃研究的能力，尽管需要在探测的光谱范围内准确地对多个散射进行准确模拟多个散射，但仍需要进行较复杂且缓慢的辐射转移计算方案。在整个Omega肢体数据集中，理想的检索方法的理想应用也有助于评估当地沙尘暴的发生，需要进一步的工作，旨在包括水冰气溶胶和可能的热发射。是使用蒙特卡洛建模方法对欧米茄肢体数据进行的首次尝试，这项工作代表了一种有用的基准测试，用于更快，虽然准确，但较不准确，辐射转移模型。
位置 - 纸 - Quantum-key-Distribution.pdf
为了减轻量子威胁，一种选择是在可行的对称键的安全分布的情况下，将预共享的对称键与经典安全的公共密钥密码相结合。另一种选择是开发公用密码学，可以将其视为安全的经典计算机和量子计算机的攻击。在过去的几年中，这种所谓的量子加密术在NIST上经历了严格的标准化过程，也是ISO标准化工作的主题。结果，将在2024年某个时候提供第一选择NIST标准。许多国家网络安全和通信安全机构提出了建议[1、4、5、6、13、14、18]，政府宣布了他们的意图和计划，并计划及时迁移到量子加密后。
颗粒有机碳的3D分布由大漩涡诱导
中尺度涡流会由于其固有特征而影响海洋中物质的分布，从而影响当地的生态系统。然而，以前几乎没有关于大旋转（GW）对颗粒有机碳（POC）分布的影响的研究。这项研究分析了GW对索马里沿岸印度洋西北部海洋POC浓度的三维分布的影响。表明，在GW的表面和地下海洋中，POC的空间分布模式存在显着差异。在海面，GW边缘的POC浓度高于GW的捕获和运输效果所产生的涡流中心。差异约为中心和边缘之间的20 mg·m -3。在地下层（大约在50至175 m之间），涡流中的POC浓度很高，而周围水中的POC浓度很低。中心和边缘之间的最大差异约为10 mg·m -3。这些现象表明，GW将对海洋中的POC分布产生影响，这反过来可能会影响当地海洋中的碳循环进展。