XiaoMi-AI文件搜索系统
World File Search Systemproduction
人工智能作为快速有效生产再利用的推动因素：一项探索性研究
摘要 Covid-19 的爆发导致制造业运营中断。最严重的负面影响之一是关键医疗用品的短缺。制造公司面临来自政府的压力，要求其利用制造能力重新利用生产来满足对必需产品的关键需求。为此，技术和人工智能 (AI) 的最新进步可以作为应对解决方案，以克服与重新利用制造 (RM) 相关的威胁。该研究的目的是通过系统的文献综述 (SLR) 来调查人工智能在 RM 中的重要性。本研究收集了 SCOPUS 数据库中选定研究领域的约 453 篇文章。结构主题模型 (STM) 用于从选定的 RM 中 AI 文档中生成新兴的研究主题。此外，为了研究 RM 中 AI 领域的研究趋势，使用 R 包进行了文献计量分析。研究结果表明，由于该领域每年全球文章的产量有限，因此该领域的研究空间巨大。然而，这是一个不断发展的领域，已经确定了许多研究合作。该研究提出了一个全面的研究框架和未来研究发展的建议。
植物精油针对乳酸细菌和青贮生产中不良微生物的性能
非常关注植物提取物在牲畜和家禽生产中的应用，作为被禁止添加剂（例如抗生素）的替代品。植物提取物是从植物材料中提取的天然化合物或成分的混合物。由于存在众多具有药理特性的生物活性化合物，因此它们具有巨大的研究潜力。此外，由于它们的天然，可生物降解的性质以及减少对合成化学物质的依赖的能力，它们被认为是可持续和环保的选择。有关植物提取物在青贮饲料保存中施用的庞大科学研究已经报道了这种富集的植物的潜在抗真菌剂（Cock and van Vuuren，2015年），芦荟提取物具有广泛的微生物抑制活性，据报道它具有明显的抑制作用，并且对我的抑制作用具有明显的抑制作用，因此（命中率）（命中率）（命中率）（命中率）。 Al。，2013）。茶厂的有机简易提取物含有各种天然非离子表面活性剂，它们可以与某些抗菌剂合作以拮抗真菌（Hao等，2010）。一些研究报告说，ficus hirta vahl的乙醇提取物
电解器建模和实时控制以优化氢气生产
我们提出了一种方法，通过解决基于模型的最优控制问题，以经济高效的方式运行电解器以满足加氢站的需求。为了阐明潜在问题，我们首先对额定功率为 100 kW 的西门子 SILYZER 100 聚合物电解质膜电解器进行实验表征。我们进行实验以确定电解器的转换效率和热动力学以及电解器中使用的过载限制算法。得到的详细非线性模型用于设计实时最优控制器，然后在实际系统上实施。每分钟，控制器都会解决一个确定性的滚动时域问题，该问题旨在最大限度地降低满足给定氢气需求的成本，同时使用储罐来利用随时间变化的电价和光伏流入。我们在模拟中说明了我们的方法与文献中的其他方法相比显著降低了成本，然后通过在实际系统上实时运行演示来验证我们的方法。
牛肉和羊肉生产的气候和生物多样性影响
上下文：肉类生产的气候影响是一个备受争议的话题。不太常见的是，放牧反刍动物可以对生物多样性产生积极影响。目的：这项研究的目的是利用生命周期的观点来评估瑞典不同牛肉和羊肉生产系统的气候和生物多样性影响。方法：应用生命周期的观点，使用了一种基于土地使用的评分系统来评估生物多样性的定量方法。在气候影响计算中，使用了气候生物物理系统模型，包括排水有机土壤的排放和矿物质土壤中的碳固换。功能单元的重量为1 kg。结果和结论：结果表明，所研究的生产系统之间的生物多样性和气候影响差异很大。乳制品公牛的温室气体排放量相对低，但生物多样性评分也很低（高分表明生物多样性水平较高）。牛肉牛头和小母牛的
miR2118 依赖的富含 U 的 phasiRNA 在水稻花药壁发育中的产生
生殖特异性小 RNA 是动物和植物生殖系发育的重要调节因子。microRNA2118 (miR2118) 在植物中是保守的，可诱导阶段性小干扰 RNA (phasiRNA) 的产生。为了揭示 miR2118 的生物学功能，我们在此描述了 miR2118 簇大量缺失的水稻突变体。我们的结果表明，miR2118 的缺失会导致水稻严重的雄性和雌性不育，并伴有体细胞花药壁细胞的明显形态和发育异常。小 RNA 分析表明，花药壁中依赖 miR2118 的 21 核苷酸 (nt) phasiRNA 富含 U，与生殖细胞中的 phasiRNA 不同。此外，miR2118 依赖的 21-nt phasiRNA 生物合成可能涉及 Argonaute 蛋白 OsAGO1b/OsAGO1d，这些蛋白在花药壁细胞层中含量丰富。我们的研究突出了体细胞花药壁和生殖细胞之间 phasiRNA 的位点特异性差异，并证明了 miR2118/U-phasiRNA 在花药壁发育和水稻繁殖中发挥的重要作用。
![文章标题：人工智能（AI）在医疗保健中的应用：综述 作者：Mohammed Yousef Shaheen[1] 所属机构：沙特阿拉伯[1] Orcid ids：0000-0002-2993-2632[1] 联系电子邮件：yiroyo1235@tmednews.com 许可信息：本作品已根据知识共享署名许可 http://creativecommons.org/licenses/by/4.0/ 以开放获取的方式发表，允许在任何媒体中不受限制地使用、分发和复制，前提是对原始作品进行适当引用。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 上找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并已提交给 ScienceOpen Preprints 进行开放同行评审。 DOI：10.14293/S2199-1006.1.SOR-.PPVRY8K.v1 预印本首次在线发布：2021 年 9 月 25 日](/simg/d/d7cdd24d40fd1d294d48413a0763b9abd0fe8371.png)
文章标题：人工智能（AI）在医疗保健中的应用：综述 作者：Mohammed Yousef Shaheen[1] 所属机构：沙特阿拉伯[1] Orcid ids：0000-0002-2993-2632[1] 联系电子邮件：yiroyo1235@tmednews.com 许可信息：本作品已根据知识共享署名许可 http://creativecommons.org/licenses/by/4.0/ 以开放获取的方式发表，允许在任何媒体中不受限制地使用、分发和复制，前提是对原始作品进行适当引用。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 上找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并已提交给 ScienceOpen Preprints 进行开放同行评审。 DOI：10.14293/S2199-1006.1.SOR-.PPVRY8K.v1 预印本首次在线发布：2021 年 9 月 25 日
文章标题：人工智能（AI）在医疗保健中的应用：综述 作者：Mohammed Yousef Shaheen[1] 所属机构：沙特阿拉伯[1] Orcid ids：0000-0002-2993-2632[1] 联系电子邮件：yiroyo1235@tmednews.com 许可信息：本作品已根据知识共享署名许可 http://creativecommons.org/licenses/by/4.0/ 以开放获取的方式发表，允许在任何媒体中不受限制地使用、分发和复制，只要正确引用原始作品即可。使用条款和出版政策可在 https://www.scienceopen.com/ 上找到。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 进行开放同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVRY8K.v1 预印本首次在线发布：2021 年 9 月 25 日
海上石油和天然气勘探、生产... - GOV.UK
与该项目相关的大气排放来自拟议作业的电力需求。钻井设施集成在 MODU 上，并使用船舶燃烧装置产生的电力。预计这些排放将迅速消散，不太可能产生重大影响。钻杆测试将导致 137.4 te 凝析油和 1582 te 气体被送往火炬。Benriach 油井钻井和完井活动产生的年二氧化碳当量排放量估计约为 38,235 吨。这约占 2020 年 TEPUK 年总排放量的 2.8%。Benriach 钻井产生的二氧化碳当量排放量将占英国海上航运和石油和天然气活动产生的二氧化碳大气排放量的约 0.2%。
![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
在热量生产行业中使用藻类作为二氧化碳吸收剂
CO 2排放每年继续增加。因此，要达到巴黎气候协议中设定的目标，有必要减少排放并实施CO 2捕获方法（Kammerer等，2023）。减少CO 2排放的必要性是许多国际法律所需的，包括适合55个包装（Bro园等人2023）和排放交易系统（EU ETS）的修订（Bordignon和Gamannossi degl'innocenti，2023年，Rogulj等人。2023）。在2022年，在通过部门全球发射CO 2中，在电能和发热部门中观察到最大的排放，占总排放量的39.7％（国际能源局，2023年）。在波兰，系统热量大约有1500万人使用，受监管的热量占家庭市场的42％（IzbaGospodarczaCiepłownictwoPolskie 2023）。在热量产生中使用的燃料的多元化正在缓慢发展。波兰市场仍然由化石燃料主导，化石燃料在2021年占热源中使用的所有燃料的69.5％（2020年至68.9％，2019年至71％，2018年 - 72.5％，2017年至74.0％）。在2021年，使用了14,0.89亿吨这种原料来实现许可的热工程需求（UrządRegulacji Energetyki 2022）。必须指出的是，除了燃烧过程外，煤炭的发掘对环境造成了重大负担（Chłopek等人。2021）。上述数据表明，CO 2排放的减少构成了一个严重的挑战。减少
人工智能在牛繁殖中的应用
如今，畜牧业面临着增加产量以满足日益增长的动物产品需求的挑战。在这种情况下，牛的繁殖代表着一个多因素过程，需要做出明智的战略决策来提高繁殖率和经济效益。本研究的目的是分析人工智能在改善牛繁殖决策方面的潜力。分析了该学科的几种技术的应用，例如机器学习、人工神经网络、深度学习、支持向量机和决策树。这些技术可以应用于不同的领域，例如：基因选择、发情和疾病检测、人工授精和动物健康监测。这些技术的使用取决于三个基本因素：组织的特征、拟议的目标和数据集的特殊性，在决定使用哪种技术时必须考虑到这些因素。因此，智能技术的应用可以降低成本，增加牛奶和肉类产量，从而提高效率和盈利能力，保证动物福利，从而实现畜牧业的可持续发展。决策、畜牧业、智能技术、食品安全