XiaoMi-AI文件搜索系统
World File Search Systemnand
使用增益比和结合机器学习Dwinanda Bagoes Ansori，Joko Slamet，Muhammad Zakky Ghufron，Muham
最近，Android用户的数量已大大增加，这使Android成为攻击者发起恶意活动的目标。恶意软件或恶意代码通常嵌入到Android应用中，以访问用户的设备并检索个人数据。研究人员探索了各种方法来减轻Android恶意软件的传播。此外，Android恶意软件数据集具有巨大的尺寸，并具有数百个功能。选择适当的特征选择方法是产生可靠检测模型的挑战之一。本文提出了一种使用增益比选择和一个集成机器学习算法来检测Android恶意软件并将其分为五个类别的方法。通过增益比计算方法根据其重要性值降低的特征。然后，被认为必要的功能包含在结合许多模型的分类过程中。使用Cicmaldroid2020（加拿大网络安全研究所Android 2020）的实验数据集表明，所提出的方法可以改善检测性能。增益比的特征选择提高了几种机器学习分类算法的检测准确性，幼稚的贝叶斯的2.59％，最近的邻居和2.29％的支持向量机。因此，随机森林，额外树木和最近邻居的结合机器学习模型取得了最高的性能，精度为94.57％，精度分数为94.71％。
恰蒂斯加尔邦斯瓦米维韦卡南德技术大学（比莱）
2024 年 3 月 12 日——微电子技术与集成电路制造。能源与环境……微电子与超大规模集成电路。3 小时。3 小时。上午 10:00 至下午 01:00。3 小时。上午 10:00 至下午 01……
Fernando J. Muzzio-化学和生化工程
颁奖颁奖颁奖典礼，新泽西州新泽西主席奖的研发委员会，2018年新泽西州主席奖，美国化学工程师研究所2020年2020年质量质量，2016年11月2016 - 2020年新泽西州年度奖学金奖，2016年新泽西州持续制造业质量标准，2016年新泽西州奖学金奖。 Teacher Scholar Award, 2015 University of Alberta Distinguished Speaker Award 2015 PSE Model-Based Innovation Prize 2013 American Institute of Chemical Engineers, North American Mixing Forum 2008 Award for Excellence and Sustained Contributions to Mixing Research and Practice American Institute of Physics Prize (Gallery of Fluid Motion by Physics of Fluids) “Three-Dimensional Chaotic Mixing”, Physics of Fluids, Volume 16(9), S8, P.E.arratia，mm。Alvarez，T。Shinbrot和F.M. Muzzio Rutgers董事会研究员（Gold Star）Dupont Young教授奖，1995- 1997年。 杜邦教育奖1998-2001。 Hoechst-Celanese Young教授奖，1995年。 默克年轻教师发展奖学金，1993- 1997年。 3M基金会不稳定的教师奖，1993，1994，1995。 埃克森教育基金会奖，1992年，1993年。 学术成就金牌（1985年GPA，大学范围内的GPA最高），阿根廷Mar del Plata大学。 布宜诺斯艾利斯州最高GPA奖，1985年。Alvarez，T。Shinbrot和F.M.Muzzio Rutgers董事会研究员（Gold Star）Dupont Young教授奖，1995- 1997年。杜邦教育奖1998-2001。Hoechst-Celanese Young教授奖，1995年。默克年轻教师发展奖学金，1993- 1997年。3M基金会不稳定的教师奖，1993，1994，1995。埃克森教育基金会奖，1992年，1993年。学术成就金牌（1985年GPA，大学范围内的GPA最高），阿根廷Mar del Plata大学。布宜诺斯艾利斯州最高GPA奖，1985年。
博士Sunil Kumar Srivastava - 斯瓦米施拉德汉南德学院
1. 成功完成了 2020 年 9 月由多伦多大学举办的美国 Coursera 生物信息学方法 I 课程。 2. 成功完成了 2018 年 Wellcome Genome Campus 高级课程和科学会议举办的英国未来学习课程“细菌基因组 I：从 DNA 到蛋白质功能的生物信息学”。 教师发展计划 (FDP) 1. 参加了印度北方邦诺伊达阿米蒂大学阿米蒂分子医学和干细胞研究所于 2021 年 7 月组织的为期 5 天的教师充实计划 (FEP)，主题为“细胞和分子生物医学的前沿科学”。 2. 参加了由阿米蒂大学（诺伊达）和喀拉拉邦蒂鲁瓦尔拉马尔阿萨纳西奥斯高级研究学院 (MACFAST) 联合组织的关于人工智能： 2021 年 4 月。 3. 参加由阿米蒂大学阿米蒂生物技术研究所计算生物学和生物信息学中心组织的 COVID-19 时代及以后的生物信息学和人工智能国际研讨会的教师发展计划，诺伊达，2020 年 11 月。 4. 参加了 2020-2021 年的多个在线教学教师发展计划 5. 完成了由英国文化协会和英国阿伯泰邓迪大学于 2003 年 8 月在新德里组织的生物技术国际教师培训课程。继续医学教育 (CME) 1. 参加了梅奥诊所关于 COVID-19 变体、疾病、预防和管理的 CME，2021 年 9 月。 2. 参加了 Labroots 组织的关于快速基因组监测方法以识别 SARS-CoV-2 变体的 CME，2021 年 6 月。 3. 参加了 2021 年 COVID-19 疫苗开发和实施国际研讨会，欧洲继续医学教育认证委员会，荷兰，2021 年 6 月。 4. 2021 年 HIV 护理提供创新国际研讨会，欧洲继续医学教育认证委员会，荷兰乌得勒支，2021 年 6 月。
睡眠与肠道菌群之间的相关性：对健康的Fernanda de almeida barbosaFlores¶，Gabrielle Alves Ayala 2，Ralciane de Paula M
摘要目的：本综述旨在将有关睡眠与肠道菌群之间相关性的科学证据汇总在一起，并指出这两个因素之间的不平衡状态可能会影响人类健康。方法：为了构建本综述，使用科学和健康描述符（DECS），在2012年至2022年之间使用了Google Scholar，PubMed，Burf，Lilacs和Cochrane库数据库中存在的研究文章。结果：选择了与所有纳入标准相对应的9篇文章，介绍了过去十年中关于睡眠质量与人类肠道微生物群之间联系的证据，从而揭示了对健康感兴趣的主题，因为这一发现对于理解失眠症如何影响身体很重要。最终考虑：选定的文献表明睡眠与肠道菌群之间存在联系，并表明营养不良是几种非传染性，神经和精神病学慢性疾病（DCNT）的出现的主角。关键词：肠道菌群，睡眠，昼夜节律，健康
Oleksiy Mazurenko，Inna Tiutiunyk，Dymytrii Grytsyshen，Ferdinanddaňo，Artem Artyukhov和Robert Rehak（2023）。良好的治理：连贯性的角色
该国的税收竞争力的形成和反对经济的阴影取决于几个因素。其中之一是有效的公共管理。它定义了国家政策向量，机构的关键任务以及商业和社会发展的重点。本文的目的是分析善治对2011 - 2021年11个欧盟国家和乌克兰的阴影经济水平的善政的影响。该研究采用数据系列的统计分析。它构建了指标之间关系点的相关领域（确定影子经济水平，税收竞争力和良好治理指数的一般趋势）。线性数学模型和Fishburn公式用于构建公共管理效率水平（良好治理指数）的组成指标。结构建模方法出现了政府管理对影子经济水平和税收竞争力水平的影响。发现，政府效率指数和腐败控制指数与税收竞争力和影子经济的水平具有最显着的相关性。增加1％的人会导致斯洛伐克的税收竞争力水平提高7.015％，克罗地亚的税收竞争能力增加了6.889％，捷克共和国增加了6.606％，而罗马尼亚则增加了5.773％。同时，与税收竞争力水平的最小相关性是政治稳定和缺乏暴力/恐怖主义的指数。
一种新颖的机器学习算法选择蛋白质组签名以特异性识别癌症外泌体Bingrui li 1，Fernanda G. Kugeratski 1，ragh
一种新颖的机器学习算法将蛋白质组签名选择为特殊的IDENFY癌症出埃及病Bingrui li 1，Fernanda G. Kugeratski 1，raghu 1，2，2，3 3 3 3
Dayananda Sagar University
Dayananda Sagar大学（DSU）领导下的工程学院提供了基于科学和技术的教育，从而开发了适合行业和科学组织的高素质工程师。课程专注于与技能发展集成的基于知识的课程工作，作为培训的一部分。它同样有助于灌输终生学习过程的科学脾气。在研究生层面上，候选人通过科学，人文和工程学的基础课程。每个部门确保根据需要涵盖核心和选修课程。机构选修课的规定帮助候选人获得跨学科知识基础或在父母纪律以外的某个地区
ACM 参考格式：Juan-David Guerrero-Balaguera、Josie E. Rodriguez Condia、Fernando F. dos Santos、Matteo Sonza Reorda 和 Paolo Rech。 2023.并且
随着 GPU 逐渐脱离其传统领域（游戏、多媒体和消费市场），其可靠性引起了人们的关注和质疑 [3]。目前，活跃的 GPU 研究旨在评估可靠性并确定可行的改进方法。大多数研究都强调 GPU 对瞬态故障的高度敏感性 [11、13、16、24、27、32、44、47、51]，这是由 GPU 拥有的大量可用资源和采用的先进半导体技术造成的。此外，GPU 的并行管理和控制单元已被证明尤为关键，因为它们的损坏会影响多个线程 [24、38]。GPU 的并行性在性能方面提供了无可置疑的优势，因此，它是该设备最脆弱的特性之一。 GPU 制造商已提供了有效的可靠性对策，例如改进存储单元设计[39]、添加纠错码[15]、用于故障测试的硬件结构[25]，以及提出软件校验和[21]或多线程冗余[49]。现有的大多数 GPU 可靠性研究都针对瞬态故障及其作为软件错误的影响，而永久性故障基本上未被探究。这是有道理的，因为在大多数应用中，GPU 的预期寿命不超过两年。然而，用于汽车、航空航天和军事应用的 GPU 预计可以使用很多年。此外，HPC 级 GPU 的典型工作条件，例如过载、高温、高频率运行和技术节点缩小，都会加速老化[23]，甚至会使设备暴露于地面辐射引起的永久性故障[20]。延长的使用时间和过早的老化突然引发了人们对 GPU 及其应用程序在出现永久性故障时如何表现的疑问。至关重要的是，只有少数初步研究针对 GPU 中的永久性故障 [ 17 ， 26 ， 46 ]，而没有一项研究关注并行性管理单元。在本文中，我们旨在通过提出一种方法来针对一个完全未探索的方面显著提高对 GPU 可靠性的理解：负责并行性管理的 GPU 电路中永久性故障的影响。我们决定专注于调度器、提取和解码器单元，因为 (a) 它们是主要针对并行操作进行优化的特殊 GPU 资源，(b) 影响它们的永久性故障将对代码执行产生不小的影响，(c) 它们无法轻易通过纠错码或硬件冗余进行保护，(d) 它们很可能