XiaoMi-AI文件搜索系统
World File Search Systempreprints
![文章标题：基于机器学习算法的情感分析：全面的研究作者：Song Jiang [1]，Ela Kumar [2]隶属关系：Unive](/simg/a\a18931ee1afd48d7d579d30bde6e7c6026fd7595.webp)
文章标题：基于机器学习算法的情感分析：全面的研究作者：Song Jiang [1]，Ela Kumar [2]隶属关系：Unive
Article title: Sentiment Analysis Based on Machine Learning Algorithms: A Comprehensive Study Authors: song jiang[1], Ela Kumar[2] Affiliations: university of houston[1], k l deemed to be university[2] Orcid ids: 0009-0007-8363-7304[1] Contact e-mail: sjiang24@central.uh.edu License information: This work has been在Creative Commons Attribution许可下发布的开放访问http://creativecommons.org/licenses/4.0/，只要适当地引用了原始工作，就可以在任何媒介中不受限制地使用，分发和复制。可以在https://www.scienceopen.com/上找到条件，使用条款和发布政策。预印度语句：本文是预印本，未经同行评审，正在考虑，并提交给ScienceOpen的预印本进行开放的同行评审。doi：10.14293/pr2199.000601.V2预印本在线发布：2024年2月19日
![文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控](/simg/8\8dd469c55249d1165cc0c55c494f5b27bda7b11b.png)
文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
文章标题：评论：真菌细胞中的CRISPR/CAS12介导的基因组编辑：植物 - 真菌病Patholo
文章标题：评论：真菌细胞中的CRISPR/CAS12介导的基因组编辑：植物 - 真菌病理学中的进步，机制和未来方向作者：Chiti Agarwal [1]，Vishnutej Ellur [1]附属机构[1]附属机构：华盛顿州立大学[1] ORCID IDS：0000-000-000-0003-41125-25-25-8880 [1] chiti.agarwal@gmail.com许可证信息：这项工作已在Creative Commons Attribution许可证下发布开放访问http://creativecommons.org/licenses/by/4.0/，只要适当引用任何原始工作，该工作就允许在任何媒介中进行无限制的使用，分发，分发和复制。可以在https://www.scienceopen.com/上找到条件，使用条款和发布政策。预印度语句：本文是预印本，未经同行评审，正在考虑，并提交给ScienceOpen的预印本进行开放的同行评审。doi：10.14293/pr2199.000129.v1预印本在线发布：2023年5月14日关键字：CRISPR，CRISPR/CAS12，真菌病原体，植物病原体
Judy Hoffman-计算学院
IV研究，奖学金和创意活动6 A出版的书籍，书籍章节和编辑卷。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 6 A.1书。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 6 A.2卷议章节。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。IV研究，奖学金和创意活动6 A出版的书籍，书籍章节和编辑卷。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。6 A.1书。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。6 A.2卷议章节。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。6 A.3编辑卷。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。6 B裁定出版物和提交的文章。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。6 B.1发表并接受期刊出版物。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。6 B.2会议出版物与诉讼（裁判）。。。。。。。。。。。。。。。。。。。。。。。。。。。。6 B.3其他被裁判的材料。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。10 C其他出版物和创意产品。。。。。。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>11 C.1软件版本。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 11 c.2出版物（不是参考）和预印本。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 12 d演示。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div>11 C.1软件版本。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>11 c.2出版物（不是参考）和预印本。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>12 d演示。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 d.1邀请的主题演示。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 d.2邀请研讨会。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。13 D.3学术介绍。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。15 D.4提交的会议演讲。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。15 e赠款和合同。。。。。。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>16 E.1作为首席研究员。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>16 E.2作为共同研究员。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。16 E.3作为高级人员或贡献者。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17 E.4项目完成（最近两年）。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17 F其他学术和创造性的成就。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17 g社会和政策影响。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17小时其他专业活动。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。18
Meenu Kumari
出版物和预印本O Meenu Kumari，ÁlvaroM。Alhambra，Eigenstate的特征集体旋转模型，Quantum 6，701（2022）。O Jack Davis，Meenu Kumari，Robert Mann和Shohini Ghose，《 Spin-J Systems》中的Wigner负性，物理。修订版研究3，033134（2021）。o namit Anand，Georgios Styliaris，Meenu Kumari和Paolo Zanardi，量子相干是混乱的签名，物理。修订版研究3，023214（2021）。o meenu kumari和shohini ghose，纠缠和混乱，物理。Rev，A 99，042311（2019）。 o meenu kumari和shohini ghose，周期性轨道附近的量子古典对应关系，物理。 Rev，E 97，052209（2018）。 o meenu kumari，shohini ghose和罗伯特·曼恩（Robert Mann），使用铃铛不等式的Qudits对称性扩展的不足条件，物理。 修订版 A 96，012128（2017）。 o meenu kumari，Eduardo Martin-Martinez，Achim Kempf和Shohini Ghose，通过耦合到量化的环境，稳定量子，Arxiv Preprint Arxiv：1711.07906（2017）。Rev，A 99，042311（2019）。o meenu kumari和shohini ghose，周期性轨道附近的量子古典对应关系，物理。Rev，E 97，052209（2018）。 o meenu kumari，shohini ghose和罗伯特·曼恩（Robert Mann），使用铃铛不等式的Qudits对称性扩展的不足条件，物理。 修订版 A 96，012128（2017）。 o meenu kumari，Eduardo Martin-Martinez，Achim Kempf和Shohini Ghose，通过耦合到量化的环境，稳定量子，Arxiv Preprint Arxiv：1711.07906（2017）。Rev，E 97，052209（2018）。o meenu kumari，shohini ghose和罗伯特·曼恩（Robert Mann），使用铃铛不等式的Qudits对称性扩展的不足条件，物理。修订版A 96，012128（2017）。o meenu kumari，Eduardo Martin-Martinez，Achim Kempf和Shohini Ghose，通过耦合到量化的环境，稳定量子，Arxiv Preprint Arxiv：1711.07906（2017）。
19 世纪印度契约劳工的政治经济学
摘要 英国殖民地废除奴隶制后，英国政府为印度契约移民提供了便利。这种移民形式产生于经济自由和个人自由的话语在英国政经圈引起强烈反响之时，当时亚当·斯密和 JS 密尔的著作已深入人心。我们分析了当自由言论成为主流知识界的必备条件时，契约劳工的不自由是如何被合理化的。我们思考了为什么自由劳动在种植园殖民地被认为是不可行的。我们还思考了信息不对称和不平等谈判对契约制度中的自由造成的制约。我们得出结论，契约代表了奴隶制问题和无法实现的自由劳动目标之间的一种艰难妥协。 * 雷丁大学。邮件至：n.hui@reading.ac.uk ** 雷丁大学。邮寄至：uskambhampati@reading.ac.uk 这份“预印本”是经过同行评审并被接受的打字稿，该文章即将以修订版的形式发表在《经济思想史杂志》（ISSN：1053-8372）（待定期）上，经过微小的编辑修改。该期刊文章的版权归经济学史学会（HES）所有，剑桥大学出版社 (https://www.cambridge.org/core/journals/journal-of-the-history-of-economic-thought) 是该学会的独家授权人和出版商。本预印本只能用于私人研究和学习，不得进一步分发。预印本可引用如下：Hui，Neha 和 Uma Kambhampati。“19 世纪印度契约劳工的政治经济学。”《经济思想史杂志》（即将出版）。SocArXiv 上的预印本，osf.io/preprints/socarxiv
LIT-OTAR框架用于从文献中提取生物学证据
通过欧洲PMC与开放目标之间的合作开发的Lit-Otar框架，通过从科学文献中提取证据来彻底改变药物靶向识别和有效性，以深入了解药物发现。这个新颖的框架将命名的实体识别（NER）结合在一起，用于识别科学文本中的基因/蛋白质，疾病，生物和化学/药物，以及实体正常情况，以将这些实体映射到诸如Ensembl，Exifore Fimical因素（EFO）（EFO）和Chembl等数据库中。持续运营，它处理了超过3900万个摘要和4个。迄今为止有500万个全文文章和预印本，有超过48个。500万个独特的关联，有助于加速药物发现过程和科学研究（>29。9 m不同的目标疾病，11。8 m dist-tint Target-Prug和8。3 m不同的疾病 - 药物关系）。可以通过开放目标平台（https://platform.opentargets.org/）以及欧洲PMC网站（Scilite Web应用程序）和注释API（https://europepepepmc.org/annotationsapi）以及欧洲PMC网站（Scilite Web App）以及欧洲PMC网站（SCILITE WEB应用程序）以及欧洲PMC网站（SCILITE WEB应用程序）以及欧洲PMC网站（SCILITE WEB APP）以及。
值得信赖的人工智能语言：深入的术语表
一旦选定术语，目标就是提供来自各种来源和学科的广泛定义。定义的选择主要集中在以下来源：NIST 出版物；IEEE、ISO 和 ANSI 发布的标准；以及同行评审期刊、会议论文集和许多领域和领域的教科书，包括计算机科学、统计学、心理学、社会学和人文学科。选择这些来源是为了确保这些来源经过充分审查，并且在许多情况下引用充分，并提供可靠的定义。鉴于许多术语的动态性质，我们还从其他来源（如 arXiv 预印本、新闻和技术网站的词汇表）中汲取灵感。在某些情况下，我们引用了词典（包括通用词典和技术词典）中的定义，以提供额外的背景和清晰度。对于已使用较长时间的术语，我们面临的挑战是找到计算机科学和统计学中描述这些术语的早期来源。在很多情况下，我们查阅了各种组织词汇表出版物以及技术和通用词典。对于少数术语，我们从易于访问的网站中选择了定义。此过程还允许同时搜索更多来源。
网络安全的大型语言模型：系统文献评论
＃1中的包含标准：本文的标题和摘要包含一对确定的搜索关键字；在＃2中：将大型语言模型（例如Bert，GPT，T5）应用于安全任务的论文；在＃3中：提出了基于大语言模型的安全任务的新技术或模型的论文；在＃4中：评估大语模型在安全环境中的性能或有效性的论文。排除标准Ex＃1：重复论文，与同一作者的多次反复差异很小的研究；例如2：短论文小于8页，工具演示，主题演讲，社论，书籍，论文，讲习班论文或海报论文；例如3：未在确定的会议或期刊上发表的论文，也没有作为Arxiv的预印本；例如4：不关注安全任务的论文（例如，一般域中的自然语言处理任务）；例如5：使用传统的机器学习或深度学习技术的论文，而无需大型语言模型；例如6：中学研究，例如SLR，审查或调查；例如7：论文未用英语写；例如8：论文专注于LLM的安全性，而不是使用LLMS进行安全任务。
COVID-19、人工智能爱好者和玩具数据集
在计算机科学中，教科书谈到了“垃圾进，垃圾出”（GIGO）的概念；即低质量的输入数据会产生不可靠的输出或“垃圾”。当我们处理高度复杂的数据模式（例如 X 光片和计算机断层扫描）时，GIGO 就变得更加紧迫。任何深度网络的性能都直接取决于它学习的数据集的质量。可靠数据集的一个例子是像 Cancer Imaging Archive [ 1 ] 这样拥有大量专家工作成果的知名存储库 [ 2 ]。遵守 DICOM 标准并确保图像正确链接到支持元数据对于构建精心策划的数据集至关重要。最近几周，我们观察到一种趋势，即匆忙使用不当数据来训练 COVID-19 深度网络。AI 爱好者似乎不耐烦地创建自己的医学图像数据集，而没有寻求临床合作者来指导他们。这些数据集更像是通过手动收集可公开访问的图像（例如在线期刊和非同行评审档案中的预印本）而形成的“玩具集”。大多数时候，没有临床或医学能力的人工智能研究人员会创建自己的实验性“玩具”数据集，以进行初步调查并建立算法挑战框架。需要明确的是，从医学成像角度来看，“玩具数据集”并不是因为非常小且不符合 DICOM 标准而成为玩具，更重要的是因为它是由工程师和计算机科学家创建的，而不是由医生和医学/临床专家创建的。此类 COVID-19 图像数据集已在互联网上出现，