XiaoMi-AI文件搜索系统
World File Search Systemintelligent
利用智能技术重塑医疗科技
这可能是医疗科技行业的一大福音，因为如今的患者更喜欢技术的便捷性和即时性，因为他们更喜欢能够帮助他们获取实时医疗信息的技术。在医疗保健几乎无法恢复到新冠疫情之前的水平的情况下，满足这些患者的需求需要创造力、价值导向和对智能技术的精明应用。我们对 800 名年龄在 13 至 72 岁之间的美国患者进行了研究，发现 94% 的患者利用设备和应用程序来管理自己的健康状况 1 ，这表明医疗科技公司不能忽视日益增长的市场需求。赋予患者权力的患者已经在做出关键决策，推动了不同环境中对高质量护理的需求——从紧急护理诊所和门诊手术中心到舒适的家。生成人工智能 (gen AI) 可能会增强这一趋势，影响患者寻求指导和接受治疗的方式。
实现智能编排，推动差异化和……
CX 转型为企业带来了可量化的价值。例如，Forrester 的 CX 指数衡量公司如何成功提供客户体验，以创造和维持忠诚度。6 无论行业如何，更高的 CX 分数与更高的客户保留率、丰富度和拥护度以及营业收入相关。7 此外，高增长公司对 CX 最佳实践的评价更高，并且更注重为客户提供价值。8 Forrester 的研究还表明，组织在 CX 指数中每增加 1 分，就有可能获得数千万甚至数亿美元的增量收入。9 因此，正确交付 CX 是企业的当务之急，可带来更高的客户终身价值、差异化增长和竞争优势。
多对象检测的远程智能感知系统
方法：视觉技术的进步对多个对象检测和场景理解的领域有重大影响。这些任务是各种技术的组成部分，包括将场景集成到增强现实中，促进机器人导航，启用自主驾驶系统以及改善旅游信息中的应用程序。尽管在视觉解释方面取得了长足的进步，但许多挑战仍然存在，包括语义理解，遮挡，定向，标记数据的可用性不足，照明不均匀，包括阴影和照明，方向变化，对象大小以及背景变化。为了克服这些挑战，我们提出了一个创新的场景识别框架，事实证明这是非常有效的，并产生了非凡的结果。首先，我们在场景数据上使用内核卷积执行预处理。第二，我们使用UNET分割执行语义分割。然后，我们使用离散小波变换（DWT），SOBEL和LAPLACIAN以及文本（本地二进制模式分析）从这些分段数据中提取特征。要识别对象，我们使用了深度信念网络，然后找到对象对象关系。最后，Alexnet用于基于图像中识别的对象将相关标签分配给场景。
DOI：https://dx.doi.org/10.30919/es1088 人工智能和机器学习在制造工程中的作用和应用：回顾 Sara Bunian，1，# Meshari A. Al-Ebrahim 2，*，# 和 Amro A. Nour 3，# 摘要 人工智能 (AI)、机器学习 (ML)、嵌入式系统、云计算、大数据和物联网 (IoT) 的使用正在影响工业 4.0 向先进技术和高效制造流程的范式转变。由于智能和学习机器的成功使用所带来的快速进步，对人工智能的需求日益增加。人工智能被植入智能制造中，以解决关键的可持续性问题并优化供应链、能源和资源使用以及废物管理。工业 4.0 致力于实现客户驱动的制造能力，以提高灵活性、可持续性和生产力。AI 和 ML 主要用于现代工业流程的优化和监控。工业人工智能系统研究是一个多学科领域，ML、机器人和物联网都参与其中。工业人工智能开发、验证、部署和维护可持续制造的解决方案。由于云计算的兴起和数据存储成本的大幅下降，现在可以存储大量信息和数据并将其传输到 ML 和 AI 算法中，以简化和自动化组织的不同流程。
DOI：https://dx.doi.org/10.30919/es1088 人工智能和机器学习在制造工程中的作用和应用：综述 Sara Bunian，1，# Meshari A. Al-Ebrahim 2，*，# 和 Amro A. Nour 3，# 摘要 人工智能 (AI)、机器学习 (ML)、嵌入式系统、云计算、大数据和物联网 (IoT) 的使用正在影响工业 4.0 向先进技术和高效制造流程的范式转变。由于智能和学习机器的成功使用所带来的快速进步，对人工智能的需求日益增加。人工智能被植入智能制造，以解决关键的可持续性问题并优化供应链、能源和资源的使用以及废物管理。工业 4.0 正在努力实现客户驱动的制造能力，以提高灵活性、可持续性和生产力。AI 和 ML 主要用于现代工业流程的优化和监控。工业 AI 系统研究是一个多学科领域，ML、机器人和物联网都参与其中。工业 AI 开发、验证、部署和维护可持续制造的解决方案。由于云计算的兴起和数据存储成本的大幅下降，现在可以存储大量信息和数据并将其传输到 ML 和 AI 算法中，以简化和自动化组织的不同流程。智能制造和工业 4.0 的框架基于智能流程设计、监控、控制、调度和工业应用。智能制造涵盖了广泛的领域，最初被称为基于物联网的技术。
Mphasis 与 AWS 合作推出用于金融服务的 Gen AI Foundry ~ 从核心平台现代化到智能文档处理，Gen AI Foundry 将为金融机构提供支持并帮助最大限度地发挥技术的影响力。
纽约，2024 年 4 月 14 日 Mphasis（BSE：526299；NSE：MPHASIS）是一家专注于云和认知服务的信息技术 (IT) 解决方案提供商，今天宣布与亚马逊网络服务 (AWS) 达成一项多年期全球协议。此次合作标志着 Mphasis 建立了由 Mphasis.AI 领导的 Gen AI Foundry，这是一个专注于人工智能 (AI) 解决方案、AI 用例评估、咨询和业务转型的专门业务部门。Gen AI Foundry 将作为一个动态平台，用于建模行业用例和开发概念验证 (POC) — 最初在金融服务行业内，并计划扩展到其他领域。这个虚拟论坛将为客户提供机会在纽约的 Mphasis 体验中心或纽约的 AWS 高管简报中心 (EBC) 体验演示和 POC，展示根据客户需求和目标量身定制的生成式 AI 解决方案。随着生成式 AI 成为一种强大工具，Foundry 致力于推动其在金融服务公司的应用，帮助提高效率并促进业务转型。智能文档处理 (IDP) 等解决方案可自动提取和分析数据，最大限度地减少错误并简化工作流程，从而节省大量时间和成本。此外，利用生成式 AI 进行联络中心转型可通过自动化流程和个性化互动提高客户参与度和运营效率。“我们与 AWS 的合作标志着 Mphasis 在提供云和认知服务领域的尖端解决方案方面迈出了重大一步。由 Mphasis.AI 领导的金融服务 Gen AI Foundry 是我们致力于为客户加速 AI 应用和业务现代化的承诺。通过利用 AWS 生成式 AI 和数据服务的强大功能，我们准备在金融服务行业树立新的标杆。这一举措强化了我们成为全球企业创新驱动力的愿景，提供可扩展、可持续的技术解决方案，”Mphasis 首席执行官兼董事总经理 Nitin Rakesh 表示。Gen AI Foundry 符合 Mphasis 的愿景，即全面融入金融服务领域，成为值得信赖的提供商，为财富 100 强银行、经纪公司和保险公司提供有针对性的产品和解决方案。用例将集中在关键行业应用，例如用于核心平台现代化的生成式 AI、银行的合同管理、新银行账户的智能文档处理、抵押贷款处理、保险公司的索赔处理以及调查金融犯罪。“AWS 很高兴与 Mphasis 合作，支持为金融服务行业引入 Gen AI Foundry。Mphasis 在 AWS 服务和 AI/ML 功能方面的专业知识，AWS 全球金融服务董事总经理兼总经理 Scott Mullins 表示：“Gen AI Foundry 的卓越表现与 AWS 的卓越表现相得益彰，再加上他们对行业特定解决方案的专注，与我们通过云计算和生成式 AI 的变革能力实现客户创新的使命完美契合。我们期待看到 Gen AI Foundry 帮助企业利用 AWS 先进的 AI 和机器学习服务，在当今的竞争环境中获得更好的体验和更高的效率。”
评估新一代智能变电站的继电器保护设备状态的策略
随着电网的快速发展，变电站中二级系统的结构和技术也在不断创新。新一代的智能变电站已为二级设备实现了在线监视功能，使继电器保护设备的某些状态变量成为可观察的指标。基于此，本文提出了一种新颖的继电器保护设备状态评估策略。首先，考虑了继电器保护评估水平边界划分的模糊性和不确定性，已经提出了基于正常云模型的中继保护风险评估方法。因此，由于历史统计数据的特殊性，采用了一种结合分析层次结构过程（AHP）和熵权重方法的权重计算方法，以消除权重计算过程中的主观因素。同时，设备操作风险水平是通过计算每个指标的相应评估水平的确定性来确定的。最后，在案例研究中，提出的方法用于评估继电器保护设备的状态，并通过分析结果来验证该方法的可行性和准确性。
研究基于保险的智能精确营销...
今天，成为营销人员并不是一件容易的事，因为它需要指导与客户的相关互动并推动业务成功。这在传统营销领域尤其具有挑战性。在过去的几年中，营销人员观察到，他们在宣传自己的品牌或服务上花费了大量资金，而没有得到收到直接邮件的客户的回应。对听众的缺乏知识使得很难从非相互作用的人中识别出互动者，从而使营销人员觉得自己盲目营销。他们在不知道是否在正确的时间到达合适的受众，这进一步使问题复杂化并延长了创建订婚并为其品牌或服务建立受众的过程。任何营销人员的主要目标是降低成本并增加收入。随着在不同领域（例如保险领域）的服务和通信技术的广泛数字化，在线平台每天都会生产大量有关客户行为的数据。多亏了这种信息来源，并且在市场上的新挑战的推动下，实现了一种更准确，更聪明的营销方法，这在研究人员和公司中越来越多。本研究根据高级功能工程方法和机器学习技术的组合提出了一个智能系统。建议的精确制作系统的目的是帮助管理人员根据潜在特征来辨别客户类别。首先，通过提取一系列数据功能（包括基本属性和消费属性）来开发全面的客户角色。然后，我们评估了各种算法的有效性，例如Catboost，Xgboost，Random Forest（RF），K-最近的邻居（K-NN），Nave Bayes（NB）和支持向量机（SVM）方法，以预测现有客户对下一份产品的响应。采用各种特征选择技术来确定最重要的功能。此外，评估并比较了所使用的模型的性能。结果表明，Catboost的精度，Kappa，Precision，Fmeasure和AUC值分别为0.871、0.711、0.94、0.822和0.85，表现优于其他模型。为了说明我们提出的精确制造系统的优势，我们使用了美国保险公司的现实数据集作为案例研究。关键字：精确营销，机器学习，功能工程，大数据分析，客户
对微生物的智能检查自动验证系统的好处分析
近年来，已经将用于微生物识别和抗生素易感性测试的自动机器引入了我们医院的微生物学实验室，但是仍然有许多步骤需要手动操作。这项研究的目的是建立一个自动验证系统，用于细菌命名，以改善周转时间（TAT）并减轻临床实验室技术人员的负担。在对微生物的革兰氏染色结果的基本解释之后，应变生长等的出现等，这9个规则是由专门从事微生物学自动验证细菌命名的实验室技术人员制定的。结果表明，在70,044份报告中，自动验证的平均通过率为68.2％，自动验证失败的原因得到了进一步评估。发现，主要原因是鉴定结果与应变外观合理性之间的不一致，呼吸道和尿液中的正常菌群，质谱仪的识别限制等等。细菌命名初步报告的平均TAT为35.2小时，自动验证后31.9小时。总而言之，自动验证后，实验室可以取代近2/3的手动验证和发布报告，将医疗实验室技术人员的日常工作减少约2 h。此外，初步识别报告中的TAT平均减少了3.3小时，这可能会为临床医生提供治疗证据。
使用优化的1D CNN的智能天气预测模型与Gru
影响人类生计的主要因素之一是天气事件。造成森林火灾，高空温度和全球变暖的高天气灾难，导致干旱。需要采取有效，准确的天气预报方法来针对气候灾难采取措施。因此，设计一种可以做出更好天气预测的方法很重要。这项工作提出了一个优化的深度学习模型，即1D卷积神经网络（CNN），其注意力门控复发单元（GRU）模型，可用于可靠的天气预测。也就是说，要捕获天气数据的局部特征，使用了1D CNN，并捕获天气数据的时间特征，使用了优化的GRU。注意机制用于改善性能，而GRU的超参数通过自适应野马算法（AWHA）进行了优化。这项工作考虑了具有14个参数的Jena气象数据库，并为不同的预测度量进行了比较分析。提出的天气预测模型达到了更好的均方误差（MSE）和均方根（RMSE）值。
在线锂离子电池智能感知热量...
- 将锂离子电池配备合理的热故障诊断可以避免热失控，并确保电池安全可靠。这项研究构建了一个锂电池热故障诊断模型，该模型基于参数和结构的电池数据集优化了原始掩模区域的Con Volutional Volutional Network。模型处理电池表面的热图像，确定有问题的电池并找到有问题的区域。骨干网络用于处理电池热IM年龄并提取功能信息。通过RPN网络，对热功能进行了分类和回归，并使用蒙版分支最终确定电池故障的位置。此外，我们还基于电池数据集优化了基于掩码区域的卷积神经网络，这既是参数和结构。在大多数情况下，改进的LBIP-V2的性能优于LBIP-V1。我们测试了单细胞电池数据集，13S电池组数据集和扁平的1P3电池组数据集上LBIP的性能。结果表明，LBIP的识别精度超过95％。同时，我们在0 - 15分钟内模拟了13S电池组的故障，并测试了LBIP在实时电池故障诊断中的有效性。结果表明，LBIP可以有效响应在线故障，置信度超过98％。