XiaoMi-AI文件搜索系统
World File Search Systemengg
利用思想的力量控制无人机群的潜力
国防工业子领域的国防技术发展提出了一个新的战场，其中之一就是使用无人机（无人机战争）。无人机已被世界各国广泛应用，既用于战场，也用于应对混合威胁。据 SP 的《印度陆军报》（2021 年）报道，美国在阿富汗战争中使用无人机打击基地组织和塔利班战士和领导人。历史上最惊人的无人机使用发生在2020年1月3日，那次袭击在巴格达击毙了精锐圣城军指挥官卡西姆·苏莱曼尼少将。一些国家也曾使用无人机，包括土耳其对抗库尔德工人党，尼日利亚对抗博科圣地，伊拉克对抗伊斯兰国，沙特阿拉伯对抗利比亚和也门。无人机袭击已演化为群体袭击，使得无人机战场愈加致命。 SP 的印度陆军部队还表示，也门胡塞叛军于 2019 年 9 月 14 日进行了无人机群攻击，使用了 18 架无人机和 3 枚导弹，袭击了沙特阿拉伯石油公司旗下的两处阿美设施。援引美国之音印尼版2024年11月10日报道，俄罗斯国防部报告称，其防空部队已成功摧毁俄罗斯西部地区36架乌克兰无人机；援引美国之音印尼版2024年12月26日报道，乌克兰军方称，在切尔尼戈夫、第聂伯罗彼得罗夫斯克、哈尔科夫和基辅地区的袭击中，他们击落了俄罗斯军队发射的31架无人机中的20架。此外，据《大纪元时报》印尼媒体报道（2024年），乌克兰第255独立突击营的“黑天鹅”无人机部队成功部署在库尔斯克地区，据称多达270架（二百七十架）蜂群无人机袭击了莫斯科及周边的军用机场。这些例子表明，群体无人机已经成为当今战场上一种有效且致命的新武器选择。
PT Poliprima Cipta Unggul 使用 ODOO 16.0 在供应链管理系统中实施企业资源规划 (ERP)
摘要：PT Poliprima Cipta Unggul 是一家从事头盔制造和塑料注塑的公司。在管理货物移动记录时，是使用工作表手动完成的。库存管理系统是独立的，没有部门之间的集成，因此获取库存数据需要更长的时间，因为无法直接访问其他部门的信息。本研究旨在配置与供应链管理中的业务流程相关的ERP软件模块，为市场营销、PPIC、采购、仓库、生产和销售部门提供与数据库连接的订单、物料采购、仓库库存变化、成品交付和发票的输入表单，并使用库存模块显示成品数量的数据。使用的数据收集方法是实地研究和文献研究。在实地研究中，我们在 PT Poliprima Cipta Unggul 进行了观察和访谈。在文献研究中，通过各种文献来搜索信息。所采用的系统开发方法是系统原型方法，该方法包括需求分析、制作原型和实施几个阶段。本研究将ERP模块集成到与供应链管理相关的业务流程中，使用连接到数据库的输入表单更快地输入数据，并使用库存模块创建显示剩余成品数量的仪表板。最后，本研究通过进一步整合会计模块为未来继续研究提供了投入，这对于确定成本和生产预算也很有用。本研究建议公司在研究和实施过程中协调业务流程参与者（营销、PPIC、采购、仓库、生产和销售）。
使用多层感知器进行糖尿病分类...
提交轨道 摘要 提交日期：2024 年 11 月 7 日 糖尿病是一种慢性代谢疾病，其特征是由于身体产生胰岛素的能力受损而导致血糖水平高（高血糖症）。根据国际糖尿病联合会 (IDF) 的数据，糖尿病患者的数量将在 2024 年迅速增加到 7 亿人。因此，我们需要找出感染糖尿病的诱因。其中之一是使用机器学习方法。机器学习用于对哪些因素可能导致感染糖尿病进行分类。进行这种分类的众所周知的方法之一是多层感知器 (MLP) 方法，它是一种由多层组成的人工神经网络 (ANN)，其中每层都有相互连接的节点。它的优点是它能够处理复杂数据特征之间的非线性关系——包括患者数据和患者的疾病——因此据说这种方法与本研究非常相关。研究人员还将 MLP 的准确率与其他几种算法（如随机森林、支持向量机和 K-最近邻）进行了比较。这旨在评估 MLP 与其他方法相比在糖尿病分类中的有效性。此外，研究人员还希望克服传统方法在糖尿病分类中的弱点，并提供基于人工智能的解决方案，方法是利用 MLP 处理医疗数据并关注可能影响糖尿病患者的参数或特征。机器学习中的几种技术，如正则化和超参数优化可以防止过度拟合，数据规范化和降维可用于提高模型输入的质量，从而最大限度地提高准确率并使诊断过程更快、更准确。结果表明，与其他算法相比，MLP 在对该疾病进行分类方面具有良好的性能。MLP 获得更稳定、更高的结果。总体而言，可以说 MLP 的应用对改善糖尿病诊断系统做出了重大贡献，有望应用于医疗系统。
使用决策树方法
目前还有许多少年甚至未成年人患有糖尿病。这是由于生活方式不健康。除了食用的食物和饮料还含有大量糖，这种疾病通常也是由于缺乏日常活动而引起的。那么，非常有必要进行此类研究以预防并帮助治疗受糖尿病影响或患有糖尿病风险的患者。然后，为了帮助卫生部门，该研究是使用决策树算法方法进行的，并使用RapidMiner工具进行了。在使用决策树算法方法中，在糖尿病的分类中使用了77.34％，精度，精度，即75.08％，召回97.60％和F1得分为0.8486，这表明使用糖尿病方法使用糖尿病的数据来预测使用糖尿病的数据的准确性，该准确性是使用糖尿病方法的准确性是84.86％。使该方法具有相当高的准确性。关键字：数据挖掘，分类，糖尿病，决策树，快速矿工摘要 - 糖尿病是一种疾病，不仅会攻击年龄的人，而且目前许多青少年甚至未成年人已经患有糖尿病。这是由于生活方式不健康。除了含有大量糖的食物和饮料外，这种疾病还因缺乏日常活动而引起。因此，人们认为这种研究非常颈动作，还可以帮助治疗已经患有糖尿病或患有糖尿病风险的患者。为了帮助您在卫生部门的帮助，使用决策树算法方法进行了这项研究，并使用RapidMiner工具进行了研究。在使用决策树算法方法中，在糖尿病的分类中，准确性结果为77.34％，精度为75.08％，召回97.60％，F1得分为0,8486，这表明使用决策Tree Tree Tree Tree Tree Tree Tree方法的精确度预测了精确的准确性。因此，人们认为该方法具有相当高的准确性。关键字：数据挖掘，分类，决策树，糖尿病，快速矿工
Kesan Penggunaan Peranti数字Dan Amalan Pencegahan Pencegahan Terhadap Sindrom Penglihatan Komputer
大学生更容易受到计算机视觉综合征（CVS）的症状，这是由于数字设备（例如计算机，平板电脑和智能手机）在学习过程中的大幅增加而引起的，尤其是在Covid-19-19大流行期间。进行了这项研究是为了确定CVS综合征的患病率和在3年级学生和4年级学生中采取的预防措施的患病率，在马来西亚马来西亚校园吉隆坡（UKMKL）中。通过在线调查表的分布随机分配给80位受访者进行采样的横截面研究已被使用。分析发现，有90％的学生将智能手机用作学习过程中的主要数字设备，其中41.3％的人报告使用设备超过8小时。调查结果还表明，超过65％的受访者患有头痛和颈部疼痛（73.8％），背痛和眼痛（66.3％），以及发痒和水的眼睛（65.0％）。只有视力模糊和双视力的症状与数字设备的使用时间段有显着关系（p <0.05）。分析结果发现，有90％的学生采取了有效的预防措施，例如使用20-20-20规则在数字设备之间放松措施，以防止或缓解CVS症状。但是，这种预防措施与经历的简历症状没有发现显着的关系。这项研究的发现对于制定步骤的建议非常有用，作为学生的常规实践，可减少使用数字设备对视觉健康的负面影响。
studi sifat elektronik grafit menggunakan metode密度...
a b s t r a k i n f o a r t i r e l这项研究是通过使用量子意式浓缩软件实现的密度函数理论方法来确定基于状态的带结构和密度的石墨电子性能的。进行计算之前，收敛研究是收敛的截止和K点。计算是使用能量截止的125 RY和K-Point 30 30 30。从频带结构曲线中，石墨的电子特性是能带隙0.01085552 eV的半导体。同时，根据状态曲线的密度，在费米水平附近的2 ev中获得了高密度。div>旋转和旋转的状态曲线的密度表明石墨是一种非磁性物质。
使用
摘要 - 视频数据是最容易访问的信息手段。这项研究的目的是使用RC4钥匙发生器结合Beaufort和Vigenere替代密码，以生成通过Web在数据传输过程中抗攻击的加密视频。Vigenere加密算法和Beaufort芯片机是一种经典的加密算法，其相同的宣传字符并不总是形成相同的密码字符，这意味着所得的密码能够掩盖纯文本模式。RC4是用于制造Keystream的流密封加密算法。发现对30个AVI视频文件的研究结果发现加密和解密过程是成功的。视频框架文件大小与加密和解密的计算时间成正比。对三个视频数据样本测试数据组的测试结果获得了17分17秒的加密所需的平均时间，并获得了17分40秒的解密。随机加密质量，其中三组的音频给出了平均MSE±15883和PSNR±0.612 dB。MSE 0和PSNR无限证明了完美的解密质量。Beaufort和Vigenere芯片机与RC4密钥生成器的组合强烈建议通过Web进行数据传输过程。关键字：视频加密，Avi，Vigenere，Beaufort，RC4。摘要 - 视频数据是最广泛访问的信息介质。这项研究的目的是使用RC4密钥生成器将Beaufort和Vigenere替换量牌组合到生产者加密视频中，该视频在网络上可以在数据传输数据期间抗攻击。Vigenere和Beaufort Cipher加密算法是经典的加密算法，其中相同的明文字符并不总是形成相同的密码字符，这意味着所产生的密码能够掩盖宣传模式。rc4是一种用于键流创建的流密码加密算法。对30个AVI视频文件的研究结果表明，加密和解密过程是成功的。视频框架文件的大小与加密和解密计算时间成正比。测试三组测试样本视频数据的结果获得了17分钟17秒的加密所需的平均时间和17分40秒的解密。随机加密的质量，其中三组的音频的平均MSE为±15883，PSNR为±0.612 dB。MSE 0和无限PSNR证明了完美的解密质量。Beaufort和Vigenere Cipher与RC4密钥生成器的组合强烈建议通过Web进行数据传输过程。关键字：视频加密，Avi，Vigenere，Beaufort，RC4
使用Pyton和OpenCV
摘要。DIV>运动检测是计算机视觉中分析视频活动的重要过程。本研究实现了一个简单的系统，可以使用Python和OpenCV库在视频文件中检测运动。该系统通过比较视频中的连续帧来检测变化并标记体验运动的区域。实现在各种示例视频上显示出令人满意的结果。本研究提供了一种易于实现的解决方案，可用于视频分析和基于计算机的监视等应用程序。DIV>关键字：运动检测，视频，Python，OpenCV，摘要视频分析。运动检测是计算机对视频活动进行分析活动的愿景的重要过程。这项研究实现了一个简单的系统，可以使用Python和OpenCV库来检测视频文件中的移动。该系统通过比较视频中的连续帧来检测变化并标记正在体验动作的区域来起作用。实现在各种示例视频上显示出令人满意的结果。本研究提供了易于实施的解决方案，可用于视频分析和基于计算机的监视等应用程序。关键字：动作，视频，python，openCV，视频分析
使用计算机视觉来识别
导入cv2导入numpy作为np def indeion_fruit（image_path）：＃读取image = cv2.imread（image_path），如果图像无：print（“找不到图像！”）返回＃更改为hsv hsv_image = cv2.cvtcolor（image，cv2.color_bgr2hsv）＃颜色范围的定义要检测水果类型＃红色范围（苹果的示例）lower_red = np.array（[0，100，100，100，100，100，100]） （hsv_image，lower_red，upper_red）＃黄色范围（例如香蕉）lower_yellow = np。 np.Array（[80，255，255]）green_mask = cv2.inrange（hsv_image，lower_green，upper_green）＃masks = {
使用计算机视觉技术在照片中的面部检测
摘要。本研究讨论了使用两个示例图像在照明和面部姿势方面的示例图像中实施用于面部检测的计算机视觉技术。开发的系统结合了Viola-Jones算法和卷积神经网络（CNN），以增强针对照明和面部取向变化的弹性。实验结果即使只有两个样本图像也显示出很高的精度。这项研究还开发了处理极端照明条件的预处理技术，并使用Python和OpenCV证明了有效的实施。关键字：面部检测，Viola-Jones，CNN，OpenCV摘要。本研究讨论了使用两个示例图像在照片中进行面部检测的计算机视觉技术的实施，这些示例图像具有不同的照明和面部姿势。系统开发的系统结合了中提琴和卷积神经网络（CNN）算法，以增加对照明和面部取向变化的抗性。实验结果表明，即使仅使用两个示例图像，它也显示出高度的准确性。这项研究还开发了预处理技术，以使用Python和OpenCV来克服极端的照明条件和实施效率。关键字：面部检测，Viola-Jones，CNN，OpenCV 1。简介