XiaoMi-AI文件搜索系统
World File Search Systemgupta
全长研究论文现代光学传感技术及其在农业Sheetanshu Gupta 1，Dhirendra Kumar 2，Ahmed
全长研究论文现代光学传感技术及其在农业工作表上的应用1，dhirendra kumar 2，艾哈迈德·阿齐兹3，穆罕默德·A·E·E·阿卜杜拉曼4,5，科斯坦扎·菲奥伦蒂诺6 *范围，北阿坎德邦263145，印度2，印度哈里亚纳邦Bhiwani的Chaudhary Bansi Lal University植物学系。3塔什肯特州经济大学，乌兹别克斯坦塔什肯特。4环境研究和土地使用部，国家遥感和太空科学的国家权威（NARS），开罗1564年，埃及。5农业和农村事务部农业遥感的主要实验室/中国农业科学院农业资源与地区规划研究所，中国北京100081，中国。6农业，林业和环境科学学院（安全），巴西里卡塔大学，Viale Dell'ateneo Lucano，10，85100 Potenza，意大利Potenza。 7农业学院Sohag University，Sohag的农业学院，埃及82524。 2024年6月12日收到； 2024年7月25日接受的现代农业面临的挑战是在更少的土地上生产更多的食物，以满足不断增长的全球人口的需求，同时最大程度地减少其对环境的影响。 为了实现这一目标，精确的农业已成为一种变革性的方法，利用了尖端技术来优化农业实践。 在这些技术中，现代光学传感由于其多功能性，无损性和高分辨率功能而引起了极大的关注。6农业，林业和环境科学学院（安全），巴西里卡塔大学，Viale Dell'ateneo Lucano，10，85100 Potenza，意大利Potenza。7农业学院Sohag University，Sohag的农业学院，埃及82524。 2024年6月12日收到； 2024年7月25日接受的现代农业面临的挑战是在更少的土地上生产更多的食物，以满足不断增长的全球人口的需求，同时最大程度地减少其对环境的影响。 为了实现这一目标，精确的农业已成为一种变革性的方法，利用了尖端技术来优化农业实践。 在这些技术中，现代光学传感由于其多功能性，无损性和高分辨率功能而引起了极大的关注。7农业学院Sohag University，Sohag的农业学院，埃及82524。2024年6月12日收到； 2024年7月25日接受的现代农业面临的挑战是在更少的土地上生产更多的食物，以满足不断增长的全球人口的需求，同时最大程度地减少其对环境的影响。为了实现这一目标，精确的农业已成为一种变革性的方法，利用了尖端技术来优化农业实践。在这些技术中，现代光学传感由于其多功能性，无损性和高分辨率功能而引起了极大的关注。本评论探讨了光学传感技术的最新发展及其在农业中的广泛应用，深入研究了这些传感器背后的原理，它们的优势以及它们彻底改变农业的各个方面的潜力，包括作物监测，疾病检测，土壤分析和养分管理。此外，还讨论了针对农业中光学传感的广泛采用的挑战和机遇，这突出了导致适当采用的数据集成，技术标准化和农民意识的需求。通过对当前的最新和未来前景进行全面检查，本综述旨在证明现代光学传感技术如何有可能实现可持续和高效的农业。关键词：光学感应，精确农业，作物监测，疾病检测，土壤分析，养分管理，归一化差异植被指数（NDVI）。引言精确农业的不断发展的景观一直是人类文明的基石，
Gupta A. Ojas和Vyadhikshamatava- ayurvedic的免疫观点及其在临床领域的调节。 Nat Ayurvedic Med 2024，8（3）：000451。 Goyal C和Tandon R. USP30抑制剂和Mitophagy，这是一对反对代谢相关脂肪肝病的细胞动力夫妇。 Phar＆Clin Tria 2024，9（3）：000248。 hataxia和痛苦治疗的发作 Nano Medicine的应用和挑战用于COVID ... 改进生成的对流 - 网络 - 储备 - 什么是狂热的心形 - 理由 - 符号 - co2存储容量的比较研究 - 估计 - 细菌学质量和安全 - 果汁分析... 比较 - olanzapine-with-inplo-in-in-in-in-with-... 心率 - 响应图案划分不同的阶段... 从细菌来源生产单细胞油 Aziz KMA等。自身免疫1型糖尿病的生长激素和生长迟缓。胰岛素是重要的内分泌生长因子。糖尿病obes int J 2023，8（1）：000267。 血糖 - 元素 - 抗氧化剂 - 侵入性和淀粉构成... 基因组选择在动物育种中的应用
背景：随着全球感染和生活方式障碍的新兴负担，如今通过阿育吠陀方法增强免疫障碍，如今已获得流行，以增强对感染，免疫缺陷障碍和自身免疫性疾病的抗病性。的目的和目标：批判性地探索Ojas和Vyadhi Kshamatav的经典概念与疾病的抗性有关。在临床角度找到OJAS应用的范围。材料和方法：涉及Samhita文本的文献综述和基于Internet的审查的批判性审查研究，并基于Internet的在线研究数据库，具有免疫，OJAS和Vyadhi Kshamatava的关键词。41个带有摘要的文章选择了15颗颗粒并进行了严格审查。讨论：免疫从根本上是Dhatu Samyta（Eqeilbrium）的理想状态，可以看作是对感染控制和炎症的抵抗的健康资产。它是由一系列健康促进阿育吠陀（Ayurveda）并采用各种复兴方式（Rasayana）创造的。结论：根据现代医学思想的免疫力仅针对宿主病原体防御，但阿育吠陀在透视上采取综合免疫力，并探索影响个人健康的所有因素，从而抗病。
基于天气预测功能工程框架的高级机器学习分类器的比较分析 * Rahul Gupta 1,2，Anil
5自动化学校，Banasthali Vidyapith，拉贾斯坦邦，印度304022。 电子邮件：ppathak9999999999999999999999999999999. 重大的气候变化是一项非常困难的任务，会影响全世界的人们。 降雨被认为是天气系统中最重要的现象之一，其速率是最关键的变量之一。 要通过标准方法开发预测模型，气象专家试图检测大气属性，例如阳光，温度，湿度和浑浊等。 机器学习（ML）技术最近进化得更具进化，它提供的结果比传统方法更令人满意，并且易于使用。 本文介绍了ML分类器，例如Logistic回归（LR），决策树（DT），随机森林（RF），轻梯度增压机（LGBM），CAT Boost（CB）和Extreme Grantient Boost（XGB），以使用功能工程框架来预测降雨。 采用接收器操作特征（AUROC）曲线和其他统计指标（例如回忆，准确性，精度和Cohen Kappa）的区域来预测和比较上述方法的成功率。 根据AUROC值的验证结果为XGB（0.94）> CB（0.93）> LGBM（0.87）> RF（0.93）> dt（0.88）> lr（0.78）。 最终，XGB模型在统计参数方面优于其他模型。 关键字：二进制分类，超级参数调整，机器学习，XGB分类器，天气预报。 1。 [6]。5自动化学校，Banasthali Vidyapith，拉贾斯坦邦，印度304022。电子邮件：ppathak9999999999999999999999999999999. 重大的气候变化是一项非常困难的任务，会影响全世界的人们。 降雨被认为是天气系统中最重要的现象之一，其速率是最关键的变量之一。 要通过标准方法开发预测模型，气象专家试图检测大气属性，例如阳光，温度，湿度和浑浊等。 机器学习（ML）技术最近进化得更具进化，它提供的结果比传统方法更令人满意，并且易于使用。 本文介绍了ML分类器，例如Logistic回归（LR），决策树（DT），随机森林（RF），轻梯度增压机（LGBM），CAT Boost（CB）和Extreme Grantient Boost（XGB），以使用功能工程框架来预测降雨。 采用接收器操作特征（AUROC）曲线和其他统计指标（例如回忆，准确性，精度和Cohen Kappa）的区域来预测和比较上述方法的成功率。 根据AUROC值的验证结果为XGB（0.94）> CB（0.93）> LGBM（0.87）> RF（0.93）> dt（0.88）> lr（0.78）。 最终，XGB模型在统计参数方面优于其他模型。 关键字：二进制分类，超级参数调整，机器学习，XGB分类器，天气预报。 1。 [6]。电子邮件：ppathak9999999999999999999999999999999.重大的气候变化是一项非常困难的任务，会影响全世界的人们。降雨被认为是天气系统中最重要的现象之一，其速率是最关键的变量之一。要通过标准方法开发预测模型，气象专家试图检测大气属性，例如阳光，温度，湿度和浑浊等。机器学习（ML）技术最近进化得更具进化，它提供的结果比传统方法更令人满意，并且易于使用。本文介绍了ML分类器，例如Logistic回归（LR），决策树（DT），随机森林（RF），轻梯度增压机（LGBM），CAT Boost（CB）和Extreme Grantient Boost（XGB），以使用功能工程框架来预测降雨。采用接收器操作特征（AUROC）曲线和其他统计指标（例如回忆，准确性，精度和Cohen Kappa）的区域来预测和比较上述方法的成功率。根据AUROC值的验证结果为XGB（0.94）> CB（0.93）> LGBM（0.87）> RF（0.93）> dt（0.88）> lr（0.78）。最终，XGB模型在统计参数方面优于其他模型。关键字：二进制分类，超级参数调整，机器学习，XGB分类器，天气预报。1。[6]。引言大多数行业，例如生物学，建构，运输和农业都受到不利天气条件（例如洪水，降雨，干旱等）的影响，从而使天气预报是必要的要求。防止农业和财务损失的最具挑战性的解决方案之一是天气预报。天气预报始于19世纪后期，随后在[1，2]中划定了天气预报行动的进展。在过去，气象学家用来根据其专业知识来估算天气参数，但现在该过程涉及应用技术和数据[3]。常规数据管理方法尚未被证明有效或有效地处理大数据[4，5]。事实上，世界各地的不可预测的天气模式必须通过使用不同的大气属性（例如湿度，压力，温度和风速等）来开发一种新的预测技术。传统上，预测是通过人类努力来完成的，但是今天，它是由需要使用高质量设备的巨大计算方法来控制的[7，8]。尽管使用卫星知识和超级计算机使用先进的技术来适应数据，但预后剂仍然对季风的变化感到困惑，这使得对数据的智能解释和分析变得困难。在现实世界中的应用中，例如医学诊断，语音和模式识别，自然语言处理，以及在某些可再生能源应用中，例如太阳照射，生物能源和风速预测机器学习（ML）算法利用计算方法来从历史数据和提取相关特征中获得所需的信息来增强预测输出[9-10]。
GUPTA, Himanshu, YADAV, Avinash Kumar, KUSI-SARPONG, Simonov, KHAN, Sharfuddin Ahmed 和 SHARMA, Shashi Chandra (2022)。克服障碍的策略
物流是任何组织的关键职能。在发生流行病或其他破坏的情况下，物流的作用变得更加重要。在这种情况下，物流和供应链的数字化被视为提高物流弹性的重要工具，但对于发展中国家来说，数字化带来了一定的挑战。本研究确定了阻碍疫情期间供应链物流数字化升级的创新数字化技术障碍。提出了应对和克服这些障碍的策略。使用多标准决策分析方法（贝叶斯最佳-最差方法）在印度制造组织物流部门的背景下对这些障碍进行优先排序。还根据策略对障碍的影响对策略进行优先排序，为此使用附加值函数。结果表明，“投资成本高”、“缺乏资金资源”、“互联网连接不足”、“缺乏 IT（信息技术）基础设施”和“数字投资的经济效益不明确”是疫情期间印度等发展中国家实施创新数字化技术的五大障碍。研究结果揭示了疫情期间数字化障碍，对管理人员和研究人员来说很有价值。
通过可解释的AI（XAI）技术增强神经网络中的可解释性。
通过可解释的AI（XAI）技术增强神经网络中的可解释性。电子。电子。eng。，卷。1，否。1，pp。1-5，2024。版权：从医疗保健诊断到财务建模的各种应用程序中神经网络的快速发展，已大大提高了决策过程的准确性和效率。但是，这些模型通常可以用作黑匣子，几乎没有深入了解它们如何到达特定的预测。这种缺乏解释性为其在信任，问责制和透明度至关重要的关键领域中采用的主要障碍。本研究旨在通过开发一个集成了多种可解释的AI（XAI）技术来增强神经网络的可解释性的新型框架来解决这一问题。所提出的框架结合了特征分析，层相关性传播（LRP）和视觉解释方法，例如梯度加权类激活映射（Grad-CAM）。这些技术共同对神经网络的决策过程提供了全面的看法，使它们对利益相关者更加透明和可以理解。简介和背景1.1。1.2。2。方法论2.1。数据收集我们的实验结果表明，综合的XAI框架不仅可以提高可解释性，而且还保持了高度的准确性，从而弥合了性能和透明度之间的差距。这项研究为在关键应用程序中部署可解释的神经网络提供了基础，确保了AI驱动的决策是可靠且可理解的。关键字：神经网络；可解释的AI；毕业-CAM;解释性；准确性缩写：XAI：可解释的AI； LRP：层次相关性传播； Grad-CAM：梯度加权类激活映射； AI：人工智能； FNNS：前馈神经网络； CNN：卷积神经网络； Shap：Shapley添加说明1。引言人工智能（AI）已成为现代技术进步的基石，神经网络在各种应用中起着关键作用，例如图像识别，自然语言处理和预测分析。尽管取得了成功，但阻碍神经网络更广泛接受的主要挑战之一，尤其是在医疗保健，金融和自治系统等关键领域，它们缺乏解释性。这些模型的黑框性质使得很难理解它们如何处理输入数据并生成输出，从而导致信任和问责制。可解释的AI（XAI）已成为一个关键的研究领域，旨在使AI系统更加透明和可解释。XAI技术努力阐明复杂模型的内部运作，从而允许用户理解，信任和有效地管理AI驱动的决策。本文着重于通过将各种XAI技术整合到一个凝聚力框架中来增强神经网络的可解释性。目标是为利益相关者提供对模型预测的明确和可行的解释，促进信任并使AI系统在高风险环境中的部署。背景这项研究的动机源于AI系统对透明度和问责制的需求不断增长。例如，在医疗保健中，临床医生需要了解AI驱动的诊断建议，以信任和对它们采取行动。同样，在金融中，利益相关者必须理解基于AI的风险评估，以确保公平性和法规合规性。在自主系统（例如自动驾驶汽车）中，了解决策过程对于安全性和可靠性至关重要。解决这些需求时，我们的研究旨在弥合高性能神经网络与可解释性的基本要求之间的差距，从而促进对各种关键应用程序的AI系统的更大接受和信任。神经网络，尤其是深度学习模型，由于能够从大型数据集中学习并捕获复杂的模式，因此在众多应用程序中取得了前所未有的成功。但是，它们的复杂体系结构通常由多个隐藏的层和数百万个参数组成，使它们变得不透明且难以解释。对AI的解释性的需求导致了旨在揭开这些黑盒模型的几种XAI技术的开发[1，2]。
最初发表于：Heeb，Laura V；塔斯科帕兰，贝图尔；卡特苏拉斯（Katsoulas），安东尼奥斯（Antonios）；贝芬格，米哈尔；克拉维恩，皮埃尔-阿兰；狗头人，塞巴斯蒂安；古普塔，
免疫抑制分子程序性细胞死亡配体 1 (PD-L1) 已被证明在自身免疫、感染和癌症等病理中发挥作用。PD-L1 不仅在癌细胞上表达，而且在未转化宿主细胞上的表达也与癌症进展有关。小鼠系统中 PD-L1 缺陷的产生使我们能够专门研究 PD-L1 在生理过程和疾病中的作用。最通用且最易于使用的位点特异性基因编辑工具之一是 CRISPR/Cas9 系统，它基于 RNA 引导的核酸酶系统。与其前身锌指核酸酶或转录激活因子样效应核酸酶 (TALEN) 类似，CRISPR/Cas9 催化双链 DNA 断裂，这可能导致由于非同源末端连接 (NHEJ) 的随机核苷酸插入或缺失而导致的移码突变。此外，尽管不太常见，但 CRISPR/Cas9 可以在存在合适模板的情况下通过同源定向修复 (HDR) 导致插入确定的序列。在这里，我们描述了使用 CRISPR/Cas9 在小鼠 C57BL/6 背景下敲除 PD-L1 的方案。外显子 3 的靶向结合 HindIII 限制位点的插入会导致过早终止密码子和功能丧失表型。我们描述了靶向策略以及创始者筛选、基因分型和表型。与基于 NHEJ 的策略相比，所提出的方法可产生具有与 NHEJ 相当的效率和时间线的确定终止密码子，生成方便的创始者筛选和基因分型选项，并且可以快速适应其他目标。
智能充电的尚未开发的潜力：电动汽车所有者如何节省资金并减少排放而无需行为改变Yash Gupta*。
智能充电的尚未开发的潜力：电动汽车所有者如何省钱并减少排放，而无需行为改变Yash Gupta *2，William Vreeland队，Andrew Peterman面，Coley Girouard面，Brian Wang〜Rivian Automotive，Palo Automotive，Palo Automotive，Palo Alto，Palo Alto，CA，USA，USA *Yashgupta@rivianc.com Yashgupta@rivian.com; yashg2607@gmail.com摘要运输部门是美国排放的最大贡献者，也是全球第二大的贡献者。电动汽车（EV）预计到2035年将占全球汽车销售的一半，成为减少排放并增强电网灵活性的关键解决方案。在未来十年中，建筑物，制造业和运输的电气化有望大大增加电力需求。没有有效管理的电动汽车充电，电动汽车可能会使能电网基础设施限制并增加电力成本。利用Rivian Automotive的De-Sisedified 2023 EV远程信息处理数据，这项研究发现，在客户插入车辆后，有72％的家庭充电开始，无论使用效用时间（TOU）关税或托管收费计划。在样本中不到26％的收费会话中，电动汽车所有者积极安排收费时间，以对齐或参与公用事业关税或计划。与大多数驾驶员一起在最佳充电期间同时插入但没有积极充电，该研究发现了一个机会，可以通过明智的充电习惯而没有进行重大的行为修改或用户偏好而牺牲的智能充电习惯来降低单个EV所有者的成本和碳排放。引言电气运输在对抗气候变化和减少全球对化石燃料的依赖方面起着至关重要的作用[1,2]。通过优化现有插件和插入窗口中的房屋充电时间表，该研究表明，电动汽车所有者平均每年可以节省140美元，并减少将电动汽车充电的相关碳排放量减少多达28％。美国环境保护局估计，运输部门占美国二氧化碳排放量的28％[3]和全球16.2％[4]。国际能源局（IEA）报告说，2023年售出的近五分之一是电动，并且预计全球汽车销售中的一半将根据当前的气候政策到2035年发电[5]。从内燃机（ICE）车辆过渡有可能避免2千吨的温室气体排放，并到2035年每天将石油需求减少超过1000万桶[5]。广泛采用的电动汽车既提出了美国能源电网的机遇和挑战。电动汽车电力需求有可能到2035年美国达到美国总电力需求的14％，高于今天[5]。虽然电动汽车可以降低电力成本，但支持可再生能源
引用 Bag S、Dhamija P、Gupta S 等人 (2021) 探讨采购 4.0 对再制造运营和循环经济的作用。产品
版权所有 © 2020 Taylor & Francis。本稿件的记录版本已发布，可在《生产规划与控制》2021 32(16): 1368-1383 中找到。http://www.tandfonline.com/https://doi.org/10.1080/09537287.2020.1817602
最初发表于：Kline, Cassie；Jain, Payal；Kilburn, Lindsay；Bonner, Erin R；Gupta, Nalin；Crawford, John R；Banerjee, Anu；Packer, Roger J；
摘要 ◥ 目的：PNOC003 是一项针对新诊断为弥漫性内在性脑桥神经胶质瘤 (DIPG) 的儿童和年轻人的多中心精准医学试验。患者和方法：患者 (3 – 25 岁) 入选依据是影像学检查符合 DIPG。收集活检组织进行全外显子组和 mRNA 测序。放射治疗 (RT) 后，根据分子肿瘤委员会的建议，患者被分配最多四种 FDA 批准的药物。纵向测量 H3K27M 突变型循环肿瘤 DNA (ctDNA)。使用全基因组测序和 DNA 甲基化分析来表征肿瘤组织和匹配的原代细胞系。在适用的情况下，在来自儿童脑肿瘤网络 (CBTN) 的独立队列中验证结果。结果：在入选的 38 名患者中，有 28 名患者 (中位数年龄 6 岁，10 名女性) 接受了分子肿瘤委员会的审查。其中 19
Chandrayaan-2轨道器高分辨率相机图像Amitabh，Ashutosh Gupta，K Suresh，Ajay K Prashar，Kannan V IY
简介：ISRO于2019年7月22日从印度太空港口Sriharikota推出了Chandrayaan-2 Mission。轨道器高分辨率摄像头（OHRC）板上Chandrayaan-2 Orbiter-Craft，是一款非常高的空间分辨率摄像机，可在可见的Panchronic（PAN）频段中运行。OHRC测量在可见的电磁频谱范围内从月球表面反射的太阳光。该相机设计用于在非常低的太阳高度条件下进行成像。OHRC图像被广泛用于着陆点表征，以检测小规模的特征，尤其是在Lunar表面上的较小巨石。OHRC的地面采样距离（GSD）（在Nadir View中）距离100 km的高度为0.25m和3公里。OHRC具有通过航天器操作产生多视立体声图像的能力。这些立体对可用于生成迄今可用于月球表面的最高分辨率数字高程模型（DEM）。这项研究提供了月球表面几个特定区域的OHRC多视图（Stecreo）图像的DEM生成能力。OHRC摄像机的规格：下表1中提供了OHRC摄像机的规格。