XiaoMi-AI文件搜索系统
World File Search Systemhman
电气与计算机工程
疫情过后，我很高兴地报告，弗吉尼亚理工大学布拉德利电气与计算机工程系 (ECE) 在许多层面上继续表现出色。仅仅五年前，我们的北弗吉尼亚教师队伍只有 8 人，如今已发展到令人印象深刻的 24 名成员，他们从事着卓越的研究和教学，重点是生物信息学、量子工程、无线和网络安全以及电力系统/电子学。作为该系的一个重要里程碑，其中一位北弗吉尼亚教员 Saifur Rahman 当选为 2023 年度 IEEE 主席。让我们共同祝贺 Saifur 为我们的技术专业和整个社会做出的广泛贡献！我与 ECE 顾问委员会密切合作，旨在表彰和吸引我们的校友参与系里的未来道路，我很自豪地宣布，在中断 23 年后，我们将恢复 ECE 杰出校友学院。今年的入职典礼将在年度布拉德利宴会期间举行，并将表彰七位杰出校友，表彰他们做出的杰出贡献、模范贡献、非凡影响或职业成就。加入这一精英校友群体的还有肯·舒尔茨、丹尼尔·塔尔伯特、丹·塞布尔、肖恩·凯利、诺埃尔·舒尔茨、格雷格·博特姆利和大卫·罗普。今年是弗吉尼亚理工大学建校 150 周年，也是该系获得 NSF RED 资助的最高年，我们毕业了第一批体验过我们革命性本科课程的学生。作为这次大规模课程修订的一部分，我们现在吸引计算机和电气工程师，他们选择在房地产、社会学、绿色工程、领导力等广泛领域进行第二重点研究，
衡量城市内通勤和经济活动...
∗作者感谢Lirneasia组织提供访问Sri Lanka手机数据，尤其是Lirneasia高级研究经理Sriganesh Lokanathan。作者还感谢shibasaki的Ryosuke Shibasaki通过孟加拉国的手机数据导航，到Anisur Rahman和Takashi Hiramatsu，以获取DHUTS调查数据，以及孟加拉国国际增长中心（IGC）孟加拉国的数据。孟加拉国的手机数据由该项目的亚洲开发银行（A-8074REG：“在河流流域管理中应用遥感技术”），这是ADB与东京大学之间的一项联合计划。我们感谢Lauren Li，Akira Matsushita和Zhongyi Tang，他们提供了出色的研究帮助。We sincerely thank David Atkin, Alexander Bartik, Abhijit Banerjee, Sam Bazzi, Arnaud Costinot, Dave Donaldson, Esther Duflo, Gilles Duranton, Jean-benoît Eymeoud, Ed Glaeser, Seema Jayachandran, Sriganesh Lokanathan, Danaja Maldeniya, Melanie Morten, Ben Olken, Lirneasia BD4D团队的成员史蒂夫·雷丁（Steve Redding）和MIT，Lirneasia，Neudc 2016的MIT的研讨会参与者，哈佛城市发展小型会议，ADB城市发展与经济学会议，UEA 2019，NBER CIETS和全球经济会议，以进行建设性评论和反馈。我们感谢Dedunu Dhananjaya，Danaja Maldeniya，Laleema Senanayake，Nisansa de Silva和Thushan Dodanwala在斯里兰卡的Hadoop Code和GIS数据提供帮助。我们还感谢Darin Christensen和Thiemo Fetzer的R代码来计算Conley标准错误（http://www.trfetzer.com/使用r-to-to-to-to-estimate-spatial-spatial-hac-errors-per-per-per-conley/），我们在其中构建了我们的代码。我们非常感谢国际发展研究中心（IDRC）和魏斯基金（Weiss）数据分析的资金，以及国际增长中心（IGC）的资金，以分析孟加拉国数据。†哈佛大学。电子邮件：gkreindler@fas.harvard.edu‡波士顿大学。电子邮件：miyauchi@bu.edu
AMMA-2025 第二和第三名
召集人 ： 博士钦奈 Amrita 工程学院校长 V. Jayakumar 博士Alokesh Pramanik，澳大利亚科廷大学 | A.S. 博士Christine Georgantopoulou，巴林理工学院，巴林 | A.S. 博士德拉赞·科扎克 (Drazan Kozak)，克罗地亚斯拉沃尼亚布罗德大学 | A.S. 博士埃尔坎·阿尔廷索伊 (Ercan Altinsoy)，德国德累斯顿工业大学 | A.S. 博士卡皮尔·古普塔 (Kapil Gupta)，南非约翰内斯堡大学 | A.S. 博士Manoj Gupta，新加坡国立大学 | A.S. 博士穆拉利·桑达拉姆（Murali Sundaram），辛辛那提大学 | A.S. 博士Paulo David J，葡萄牙阿韦罗大学 | A.S. 博士Saidur Rahman，马来西亚双威大学 | A.S. 博士谢尔盖·赫洛赫 (Sergej Hloch)，斯洛伐克科希策技术大学 | A.S. 博士Vijai Shaknar，沃尔沃卡车，瑞典 | A.S. 博士东芬兰大学 Xiao-Zhi Gao 博士； Asokan T.，印度理工学院马德拉斯分校 | A.S. 博士Bibhuti Bhusan Biswal，NIT 梅加拉亚邦 | A.S. 博士Biranchi Panda，印度理工学院古瓦哈提分校 | A.S. 博士Golak Bihari Mahanta，NIT 巴特那 | A.S. 博士KL Vasudev，印度理工学院 Kharagpur 分校 | A.S. 博士Ramesh Kumar K.，Amrita Vishwa Vidyapeetham，哥印拜陀 | A.S. 博士Shankar Venugopal，Mahindra & Mahindra，钦奈 | A.S. 博士Shital S. Chiddarwar，VNIT Nagpur | A.S. 博士Sounak Kumar Choudhury，印度理工学院坎普尔分校 | A.S. 博士Sreekumar M.，IIITDM Kancheepuram | A.S. 博士Vivek Kumar Chouhan，福特汽车公司，印度
脑电图接口的脑电图（EEG）波的分析和提取
Analysis and Extraction of Electroencephalogram (EEG) wave for Brain-Computer Interfacing Pantha Protim Sarker Department of Electrical and Electronic Engineering, Bangabandhu Sheikh Mujibur Rahman Science and Technology University, Gopalganj, Bangladesh pantha[at]bsmrstu.edu.bd Abstract: The present work demonstrates the mining of brain data using non-invasive methods by简单地将大脑和计算设备接口。这项工作试图通过两个不同的传感器来分析和收集脑电图（EEG）信号，以进行大脑计算机交流（BCI）系统。这两个传感器之间进行了详细的性能分析。然后使用各种信号处理技术和算法来提取大脑的两个有用特征，注意力和冥想。最后，对于本文的后期部分，大脑的注意力（EEG Beta波）和冥想（EEG Theta Wave）值成功地进行了调节，以使其可用于实际应用。关键字：脑部计算机交流（BCI），脑电图（EEG），非侵入性信号提取，注意，冥想1。简介1.1。动机运动神经元疾病是受影响人无法移动肌肉的大脑功能障碍之一。，因此他们的正常运动受到阻碍。在这种情况下，受影响的人无法与外界交流。统计数据表明，每年约有50,000人受运动神经元疾病的影响[1]。大脑的研究也非常重要，因为大脑相关疾病。1.2。问题规范但是，如果开发了大脑信号的成功信号提取程序，我们可以为受运动神经元疾病影响的人们提供一种通信和控制电气轮椅等外部机车设备的方法。对疾病的适当诊断和治疗取决于对大脑当前状况的正确理解。例如，癫痫是一种疾病，其中大脑的电信号可用于分析神经元数据。可以通过检测从大脑的电信号中提取的典型癫痫的模式来成功诊断癫痫[2]。电信号还可以在头部受伤，中风或脑肿瘤后检测出异常的脑波。其他情况，例如头晕，头痛，痴呆和睡眠问题，可能会显示出异常的大脑模式。因此，找到一种更便宜，更可靠的方法来收集大脑数据并从中提取有用的功能，从而导致了这项研究工作。
EEE 部门 2025 年 1 月至 5 月课程时间表
Abbreviation Name Abbreviation Name AB Ankush Bag SC Sonali Chouhan ABA Arun B Aloshious SD Samarendra Dandapat AD Anirban Dasgupta SDM Sudarshan Mukherjee AR A. Rajesh SG Sanjib Ganguly AS Ashwini Sawant SJD Smarajit Das ATM Arun Tej Mallajosyula SJG Sreenath JG CB Chayan Bhawal SK Srinivasan Krishnaswamy CK Chandan Kumar SKN Sisir Kumar Nayak CM Chitralekha Mahanta SLK Salil Kashyap DJ Devendra Jalihal SM Somanath Majhi DS Debabrata Sikdar SN Shabari Nath GT Gaurav Trivedi SRA Shaik Rafi Ahamed HSS Hanumant Singh Shekhawat SS Suresh Sundaram IK Indrani Kar TD Tanmay Dutta KD Kalpana Dhaka TJ Tony Jacob KK Kannan Karthik LNS Laxmi Narayan Sharma KND Kuntal Deka CB Majumdar Chayanika Borah Majumdar KRS Rakhesh Singh Kshetrimayum D. Gogoi Dimpul Gogoi MA Mahima Arrawatia J. Rabha Jatin Rabha MB Manish Bhat MP Das Madhuriya Pratim Das MBR Manoj BRMR Khan Motiur Rahman Khan MKB Manas K Bhuyan PB Barua Paban Bujor Barua PB Parijat Bhowmick PJ Goswami Pranab Jyoti Goswami PG Pritwijit Guha R. Bharali Ridib Bharali PRB Prabir Barooah R. Rabha Riju Rabha PT Praveen Tripathy R. Singha Rakesh Singha RA Ravindranath Adda S. Josephine Josephine。 S. RB Ratnajit Bhattacharjee S. Senchowa Sauravjyoti Senchowa RDK 瑞诗凯诗 DKS Singha Sumit Singha RI Ribhu S. Sonowal Sidananda Sonowal RKJ Ravindra Kumar Jha SS Mazid Syed Samimul Mazid RKS Ramesh Kumar Sonkar UK Sarma Utpal Kumar Sarma RP Roy Paily Palathinkal S. Das Sanjib Das RS Rohit Sinha K. Yasmin Khurshida Yasmin
我应该听从人工智能的建议吗？衡量人类与人工智能决策的适当依赖程度
[1] Gagan Bansal、Tongshuang Wu、Joyce Zhou、Raymond Fok、Besmira Nushi、Ece Kamar、Marco Tulio Ribeiro 和 Daniel Weld。2021 年。整体是否超过部分？人工智能解释对互补团队绩效的影响。在 2021 年 CHI 计算机系统人为因素会议论文集。1-16。[2] Zana Buçinca、Maja Barbara Malaya 和 Krzysztof Z Gajos。2021 年。信任还是思考：认知强制函数可以减少人工智能辅助决策对人工智能的过度依赖。ACM 人机交互论文集 5，CSCW1 (2021)，1-21。[3] Adrian Bussone、Simone Stumpf 和 Dympna O'Sullivan。 2015.对临床决策支持系统中信任和依赖的解释的作用。 2015年医疗信息学国际会议。 160–169。 [4] Arjun Chandrasekaran、Viraj Prabhu、Deshraj Yadav、Prithvijit Chattopadhyay 和 Devi Parikh。 2018.解释是否能让 VQA 模型对人类来说更具可预测性？在 EMNLP 中。 [5] Muhammad EH Chowdhury、Tawsifur Rahman、Amith Khandakar、Rashid Mazhar、Muhammad Abdul Kadir、Zaid Bin Mahbub、Khandakar Reajul Islam、Muhammad Salman Khan、Atif Iqbal、Nasser Al Emadi 等。 2020.人工智能可以帮助筛查病毒和COVID-19肺炎吗？ IEEE Access 8 (2020)，132665–132676。[6] Berkeley J Dietvorst、Joseph P Simmons 和 Cade Massey。2015 年。算法厌恶：人们在看到算法错误后会错误地避开它们。《实验心理学杂志：综合》144，1 (2015)，114。[7] Mary T Dzindolet、Scott A Peterson、Regina A Pomranky、Linda G Pierce 和 Hall P Beck。2003 年。信任在自动化依赖中的作用。《国际人机研究杂志》58，6 (2003)，697–718。[8] Ana Valeria Gonzalez、Gagan Bansal、Angela Fan、Robin Jia、Yashar Mehdad 和 Srinivasan Iyer。2020 年。人类对开放域问答的口头与视觉解释的评估。 arXiv preprint arXiv:2012.15075 (2020)。[9] Patrick Hemmer、Max Schemmer、Michael Vössing 和 Niklas Kühl。2021 年。混合智能系统中的人机互补性：结构化文献综述。PACIS 2021 论文集 (2021)。[10] Robert R Hoffman、Shane T Mueller、Gary Klein 和 Jordan Litman。2018 年。可解释人工智能的指标：挑战与前景。arXiv preprint arXiv:1812.04608 (2018)。
增强 MRI 中的脑肿瘤分类
增强 MRI 中的脑肿瘤分类：利用深度卷积神经网络提高准确性 Shourove Sutradhar Dip 毛拉纳巴沙尼科技大学信息和通信技术系，孟加拉国 Tangail-1902 电子邮件：it16008@mbstu.ac.bd Md. Habibur Rahman 毛拉纳巴沙尼科技大学信息和通信技术系，孟加拉国 Tangail-1902 电子邮件：it16051@mbstu.ac.bd Nazrul Islam* 贾汉吉尔纳加尔大学信息技术学院，孟加拉国 Dhaka-1342 Savar 电子邮件：nazrul.mbstu@gmail.com ORCID iD：https://orcid.org/0000-0002-9276-8388 *通讯作者 Md. Easin Arafat 信息技术学院， Jahangirnagar 大学，Savar，Dhaka-1342，孟加拉国 电子邮件：arafatr.research@gmail.com ORCID iD：https://orcid.org/0000−0003−4014−9144 Pulak Kanti Bhowmick Mawlana Bhashani 科技大学信息与通信技术系，Tangail-1902，孟加拉国 电子邮件： pulak.ict.mbstu@gmail.com Mohammad Abu Yousuf 信息技术研究所，Jahangirnagar 大学，Savar, Dhaka-1342, 孟加拉国 电子邮件：yousuf@univ.edu ORCID iD：https://orcid.org/0000-0001-8065-7173 收稿日期：2023 年 10 月 25 日；修订日期：2023 年 12 月 7 日；接受日期：2024 年 1 月 12 日；发布日期：2024 年 6 月 8 日 摘要：脑肿瘤是最致命的癌症之一，患者的死亡率很高。识别和分类脑肿瘤是了解其功能的关键步骤。治疗脑肿瘤的最佳方法取决于其类型、大小和位置。在现代，放射科医生利用可以通过磁共振成像 (MRI) 确定的脑肿瘤位置。然而，手动测试和 MRI 检查既费时又需要技能。此外，肿瘤的误诊可能导致不适当的药物治疗，这可能会降低他们的生存机会。随着深度学习 (DL) 技术的进步，计算机辅助诊断 (CAD) 以及机器学习 (ML) 技术已经发展到帮助检测脑肿瘤的程度，放射科医生现在可以更准确地识别脑肿瘤。本文提出了一种使用 VGG16 模型进行 MRI 图像分类以构建深度卷积神经网络 (DCNN) 架构。使用来自 Kaggle 的两组脑部 MRI 数据对所提出的模型进行了评估。在 Google Colab 训练期间，考虑到这两个数据集，所提出的方法取得了显著的性能，最高总体准确率分别为 96.67% 和 97.67%。据报道，所提出的模型在训练期间运行良好，准确率很高。所提出的模型的性能标准超越了现有技术。索引词：CNN、脑肿瘤、ML、MRI 图像、VGG16。
利用生成式人工智能自动注释化学文档及其评估
[1] Takahiro Arima、Tomoko Okuma 和 Tatsuya Dewa。从技术文档中提取材料信息以探索新应用。自然语言处理协会第 29 届年会论文集，第 512-515 页，2023 年。[2] Annemarie Friedrich、Heike Adel、Federico Tomazic、Johannes Hingerl、Renou Benteau、Anika Marusczyk 和 Lukas Lange。SOFC-exp 语料库和神经方法在材料科学领域的信息提取。在计算语言学协会第 58 届年会论文集，第 1255-1268 页。ACL，2020 年。[3] Shu Huang 和 Jacqueline M. Cole。使用飞行数据提取器自动生成的电池材料数据库。科学数据，第 5 卷7，第1号，第2052-4463页，2020年。[4] Fabrizio Gilardi、Meysam Alizadeh和Maël Kubli。Chatgpt在文本注释任务中的表现优于众包工作者。美国国家科学院院刊，第120卷，第30期，第e2305016120页，2023年。[5] Tom Brown、Benjamin Mann、Nick Ryder、Melanie Subbiah、Jared D Kaplan、Prafulla Dhariwal、Arvind Neelakantan、Pranav Shyam、Girish Sastry、Amanda Askell、Sandhini Agarwal、Ariel Herbert-Voss、Gretchen Krueger、Tom Henighan、Rewon Child、Aditya Ramesh、Daniel Ziegler、 Jeffrey Wu、Clemens Winter、Chris Hesse、Mark Chen、Eric Sigler、Mateusz Litwin、Scott Gray、Benjamin Chess、Jack Clark、Christopher Berner、Sam McCandlish、Alec Radford、Ilya Sutskevser 和 Dario Amodei。语言模型是少样本学习器。载于《神经信息处理系统进展》，第 33 卷，第 1877-1901 页。Curran Associates, Inc.，2020 年。[6] Md Tahmid Rahman Laskar、M Saiful Bari、Mizanur Rahman、Md Amran Hossen Bhuiyan、Shafiq Joty 和 Jimmy Huang。在基准数据集上对 ChatGPT 进行系统研究和全面评估。载于《计算语言学协会研究结果：ACL 2023》，第 1877-1901 页。 431–469。ACL，2023 年 7 月。[7] Bart lomiej Koptyra、Anh Ngo、Lukasz Radli´nski 和 Jan Koco´n。Clarin-emo：使用人类注释和 chatgpt 训练情绪识别模型。在国际计算科学会议上，第 365–379 页。Springer，2023 年。[8] Taiki Watanabe、Akihiro Tamura、Takashi Ninomiya、Takuya Makino 和 Tomoya Iwakura。使用化合物释义进行化学命名实体识别的多任务学习。在 2019 年自然语言处理经验方法会议和第 9 届国际自然语言处理联合会议 (EMNLP-IJCNLP) 的论文集上，第 6244–6249 页。ACL，2019 年。[9] Amalie Trewartha、Nicholas Walker、Haoyan Huo、Sanghoon Lee、Kevin Cruse、John Dagdelen、Alexander Dunn、Kristin A. Persson、Gerbrand Ceder 和 Anubhav Jain。量化领域特定预训练在材料科学命名实体识别任务中的优势。Patterns，第 3 卷，第 4 期，第 100488 页，2022 年。[10] Gupta Tanishq、Zaki Mohd 和 NM Krishnan。Matscibert：用于文本挖掘的材料领域语言模型
M.Sc. （荣誉）食品科学技术的农业... 学期 - III英语-III（沟通技巧）学分：3 QR 101 定量推理的工具BSU109第二学期... ew 201-说明性写作 - iii-专业写作 代码：Econ-304标题：巴基斯坦经济的主要问题... 课程代码：ECON-104 b'' 神经心理学（选修课程）简介 课程教授Moaz ur Rahman博士 定量推理的工具 b'' b'' b'' 定量方法-II课程代码：BSC-112程序
其他课程被批准为M.Sc（荣誉）课程的主要课程植物病理学，园艺，昆虫学，植物育种和遗传学，土壤科学和农艺学中的农业可作为M.Sc（HONS。）农业（食品科学与技术）。
LEC 17：量子自旋霍尔绝缘子，Kene-Mele模型 讲座1：超导性的历史介绍 LEC 14：Dirac Hamiltonian，Hofstadter Butterfly 讲座15- prf 的CPA安全加密 讲座39-光电探测器的一般特征 清洁和可再生能源生产的技术 讲座45 EEG信号的基本面 演讲2关于超导性的简短课程 讲座 - 3个电子配对，BCS理论的基础 Kane-Mele模型如此，在最后一类中 讲座31-随机Oracle模型 - 第I部分 讲座15-图像增强 AI营销教授Zillur Rahman教授... 功能基因组学
我们看到了以非零搅拌数为特征的Haldane模型或Chern绝缘子，并且绝缘子的特征是破碎的时间逆向对称性。系统中没有时间逆转对称性，这是我们提到的第二个邻居复杂跳跃所引起的，这是Haldane的这张照片，后来在2004年至2005年左右，这是Charlie Kane和Mele，他们已经知道，他们已经知道，可以恢复时代不变性，并且可以恢复其他胰岛素，这将是一个跨媒介，这是可以恢复时代的不变性。实际上，他们意识到的是非常深刻的，如果我们在系统中包括自由度的自由度，而不是我们一直在谈论的伪旋转器，那么我们到目前为止一直在谈论的伪旋转器，那么有可能恢复丢失的时间逆转对称性。当然，系统不会有Chern号，也不会称为Chern绝缘子，但它将是另一种绝缘体，它被称为量子旋转厅绝缘子，这就是我们所看到的。So, Kane and Mele they proposed this model which is known as the Kane Mele model and these are the papers that you see that which were published in 2005 in the physical review letters by both Kane and Milley the one of them is called as the quantum spin Hall effect in graphene which they realized that because along with the spin orbit coupling term there is the Hamiltonian respects all symmetries of that of graphene.因此，它很可能会在石墨烯中存在，然后他们在同年写了另一篇论文，或者比下一篇论文提前了，该论文说的是Z2拓扑顺序和量子旋转厅效应。