XiaoMi-AI文件搜索系统
World File Search Systemyak
椰子和棕榈糖的抗氧化活性和诱变化合物印度尼西亚特殊地区
椰子和棕榈树液中含有抗氧化剂成分，蛋白质和各种糖的成分会经过高热处理，以产生硬糖和棕色的糖。尽管进行了这种处理，但椰子和棕榈糖仍然通过形成黑色素素具有抗氧化活性。然而，该处理导致形成诱变化合物，例如5-羟基乙基曲面（HMF）和Furfuryl酒精（FA）。使用[2,2'-氮杂性 - （3-乙基苯甲酰唑啉-6-磺酸）]（ABTS）测定法测定抗氧化活性，并使用带有UV探测器的梯度HPLC方法测量诱变化合物。椰子和棕榈糖与总HMF相比具有更高的抗氧化活性。在糖和椰子中发现的诱变化合物是HMF和Furfural，但糖中不存在富富烯醇。椰子和棕榈糖的Trolox等效抗氧化能力（TEAC）分别为55.37 ppm和110.74 ppm。椰子和棕榈糖中的总HMF含量分别为3.25 ppm和2.97 ppm。椰子和棕榈糖中的总呋喃含量分别为462.03 ppm和371.87 ppm。
使用多种方法对糖尿病患者的预测
摘要本研究使用Babulu Puskesmas UPT的患者数据讨论了使用多线性回归方法的糖尿病患者的预测。这项研究的目的是使用Babulu Puskesmas UPT上的多个线性回归方法为糖尿病患者建立预测系统，并查看如何将预测模型应用于Upt Puskesmas Babulu的糖尿病患者。本研究中使用的研究方法是数据库（KDD）方法中的知识发现，该方法具有多个阶段，例如数据选择阶段，预处理阶段，数据转换阶段，数据挖掘阶段，评估阶段，然后是部署和实施阶段。这项研究中的数据收集技术是访谈技术，私人数据和文献研究。这项研究的结果是获得R2精度值为75％，然后获得93％的精度模型，精度为90％，召回95％和F1得分的评估结果92％。对于预测模型也可以应用于为糖尿病患者构建预测系统，但需要调整使用舍入方法，以便所得的输出可以显示1或0的值。除了系统中的输出外，偶尔会产生负值，因为数据变量与其他几个变量具有负相关性。关键字：糖尿病预测，机器学习
使用
电子邮件; iChannadafitria@gmal.com*摘要。糖尿病（DM）是一种代谢性疾病，其特征是由于胰岛素缺乏症而引起的高血糖水平。导致糖尿病（DM）的因素是生活方式，包括饮食，缺乏运动，监测血糖和药物。大多数人没有意识到自己有DM，只有在遇到严重症状的情况下才能发现。为避免这种情况，可以使用K-Neartiment（KNN）方法来预测患糖尿病的可能性。这项研究的目的是使用K-Neartheber（KNN）方法对糖尿病进行分类，并通过健康的生活方式改变使人们更加了解疾病的风险。根据研究人员的需求（包括年龄，BMI，胰岛素，皮肤厚度，葡萄糖，糖尿病，遗传学和胰岛素）对从Dharma Husada诊所收到的数据进行分类。这项研究是通过三个主要步骤进行的：数据集输入，预处理和评估。第一阶段是数据分析，该数据分析是从输入数据集来训练和测试模型的数据，每个数据元素都具有某些特征（属性）和类。预处理步骤包括培训数据生成和数据清洁，其中包括卫生，小写，标准化，停止词，茎和令牌化。最后一步是评估。评估包括构建评估模型并衡量准确性的水平，建立预测模型并保存模型。。k值太小会导致过度拟合，而太大的k值可能会导致不合格。。Latar Belakang这项研究表明，K-Nearest邻居（KNN）方法可用于对糖尿病（DM）进行分类，但尤其是在一个由245个日期和8个属性组成的小数据集中，对于30岁的患者而言，它不准确。howver，如果数据量很小，那么K的选择可能会产生很大的影响。关键字：糖尿病，KNN，抽象数据集。糖尿病（DM）是一种代谢性疾病，其特征是由于缺乏胰岛素而导致高血糖水平。导致糖尿病（DM）的因素，即生活方式，包括饮食模式，缺乏运动，监测血糖和治疗。大多数人没有意识到自己患有这种DM疾病，只知道何时出现严重的症状。为避免这种情况，可以使用k-nearest邻居（KNN）方法来预测糖尿病的可能性。这项研究的目的是使用K-Neartialt Neighboar（KNN）方法对糖尿病进行分类，并通过健康的生活方式改变使人们更加了解疾病的风险。根据研究人员的需求，包括年龄，BMI，胰岛素，皮肤厚度，葡萄糖，糖尿病，遗传学和胰岛素的需求，对从Dharma Husada诊所收到的数据进行了分类。这项研究是通过三个主要步骤进行的：数据集输入，预处理和评估。第一阶段是数据分析，该数据分析是输入数据集来训练和测试模型的数据分析，每个数据元素都具有特征（属性）和某些类。预处理步骤包括创建培训数据和清洁数据，其中包括卫生，小写，标准化，停止词，茎和令牌化。最后一步是评估，评估，包括建立评估模型并衡量准确性，构建预测模型和存储模型的水平。这项研究表明，可使用K-Nearthign（KNN）方法可用于对糖尿病（DM）进行分类，但主要是在一个由245个日期和8个30岁患者的小型数据集中进行分类。k值太小会导致过度拟合，而太大的k值可能会导致不合格。但是，如果数据量很小，则K的选择可能会产生很大的影响。关键字：糖尿病，k-nearest邻居（KNN），数据集1。
牙周疾病与Covid-19
摘要牙周炎是一种慢性，多因素，炎症性疾病，与牙菌斑生物膜有关，其特征是逐渐支持牙齿支持的结构。牙周疾病可以增加患者的炎症反应，这可能会加剧冠状病毒的全身症状和临床病程（COVID-19）。可以通过增强SARS-COV-2和牙周口袋的毒力的细胞受体表达的改变来解释牙周炎和Covid-19的潜在关联。牙周炎与covid之间的这些关联可能是由于这两种疾病具有共同的免疫途径，例如NF-κB途径，NLRP3/IL-1β途径，IL-6信号通路以及常见的风险因素，例如性别，生活方式和合并症。这表明两种疾病可以通过相同的遗传途径联系起来。
香茅油业务商业模式画布描述
摘要 本研究旨在根据商业模式画布描述北米纳哈萨摄政区 Dimembe 区 Pinilih 村香茅油业务的商业模式。这项研究于 2023 年 5 月至 7 月在北米纳哈萨摄政区 Dimembe 区 Pinilih 村的香茅油企业进行了三个月。本研究中使用的数据分析使用了商业模式画布方法。数据收集技术使用访谈和观察。收集的研究数据包括原始数据和二次数据。本研究的结果是从商业模式画布的九个要素中获得的香茅油业务的商业模式的描述，以保持产品质量，通过创建社交媒体 sarimbata 业务利用技术进步，提高服务质量，为香茅油业务开展营销活动。希望这项研究能够为增加收入来源和发展业务提供益处，以便他们能够在未来参与竞争。
Larasati, Retno；De Liddo, Anna 和 Motta, Enrico (2021)。人工智能医疗保健系统界面：非专家用户信任的解释设计。在：ACMIUI-WS 2021：ACM IUI 2021 研讨会联合论文集（Glowacka、Dorota 和 Krishnamurthy、Vinayak 编辑），CEUR 研讨会论文集，2903。
摘要研究表明，非专家用户倾向于过度信任或不信任人工智能系统。当人工智能应用于医疗保健时，这引起了人们的担忧，患者信任不可靠系统的建议或完全不信任可靠系统的建议可能会导致致命事故或错过医疗保健机会。先前的研究表明，解释可以帮助用户对人工智能系统的信任做出适当的判断，但如何在医疗支持场景中为非专家用户设计人工智能解释界面仍然是一个悬而未决的研究挑战。本文探讨了一个基于阶段的参与式设计过程，以在人工智能医疗支持场景中为非专家开发一个值得信赖的解释界面。值得信赖的解释是一种帮助用户对医疗保健是否信任人工智能系统做出深思熟虑的判断的解释。本文的目的是确定可以有效地为值得信赖的解释界面的设计提供信息的解释组件。为了实现这一目标，我们进行了三次数据收集，研究了专家和非专家对人工智能医疗支持系统解释的看法。然后，我们开发了一个用户心理模型、一个专家心理模型和一个目标心理模型，描述了非专家和专家如何理解解释，他们的理解有何不同，以及如何将它们结合起来。基于目标心理模型，我们提出了一套 14 条解释设计指南，用于可信的人工智能医疗系统解释，这些指南考虑到了非专家用户的需求、医疗专家的实践和人工智能专家的理解。
Dieakonov表面波在介电晶体中具有负各向异性
摘要：由于在两种介电介质的一条有限界面上最初发现了Dyakonov表面波，因此至少有一个是各向异性的，广泛的研究，对其在具有阳性各向异性的材料的理论和体验研究中进行了研究。由于其存在的严格条件以及对位置各向异性的要求，这些波的潜在应用最初是限制的。在我们的研究中，我们介绍了一种新型的dyakonov表面波的理论预测和实验观察，该表面沿着两个具有负各向异性的介电介质之间的界面沿界面的平流传播。我们证明，由于带有两种金属板之间的浅层波导的特异性边界，因此对表面波的条件满足了各向异性介电的状态。我们通过在弱各向异性的近似中使用扰动理论来理论上研究这种模式，并证明了
在Türkiye的毕业生中，碳足迹...
表5。这些论文是在2013年产生的主题月经来源定居点22 Atabey，2013年； Turanli，2015年； Özçelik，2017年； Yüksel，2017年； Perdeli 2018; Altınöz2019; Cevizci，2019年； 2019;阿克杜丹（Akdudan），2022年；卡菲，2022年； Karakaya，2022年； Karakoç，2022年； Yakut，2022年； Aydın2023; Çerçi，2023年； Gürsoy，2023年；熟练，2023年；根，2023； Sileybi，2023年；冰，2024年； Çağan2024; Özcan2024行业23Özlem，2013年； Sreng，2016年； Young，2017年；快乐，2018年； Doğan，2019年； 2019年；斧头，2020年；丁达，2021年；萨班，2022年；乌兹古尔，2022年； Yaşar，2022年； Akpınar，2023年； Coşgun2023;埃德兹（Ediz），2023年；光，2023年； Öksüm，2023年； Vayiç，2023年；助理Dogan，2023年； Yeşilyurt2023; Aşır2024;亨特，2024年；肯迪尔·杜曼（Kendir Duman），2024年；伊斯兰教2024运输16铁，2008年； Elbasan，2015年； Pehlivan 2016;小胡子，2018年； Türkay，2018年； Altınöz，2019年； Özcan，2019年；钢2020; Özkaynak，2020年； Farzambehbodi，2021年； Ekinci，2022年； Kılıç，2022年； Aksoy 2023; Aydın2023; Bozkurtterdem，2023年； Wild，2024年废物10Toröz，2015年；卡尔贝，2018年； Demirbaş，2018年；玫瑰，2018年； Okan 2019; Yılmaz，2019年；火，2021年；卡拉卡斯，2021年； Kepenek，2023年； Eken 2024农业7 Ahmet，2019年； Elitaş2020; Ertürk，2021年； Aydın，2022年；斯通，2022年； Özcan2023;潘，2023年旅游2 Sunurlu，2017年； Yavuz，2020建筑1 Ahmetoglu，2019 Energy 7 Shaikh，2017年； Demirci，2018年； Ayan，2019年； 2022; Erfidan 2023; Sever，2023年； Tosun 2023 Banking 2 Aksu 2023; Alkan 2023经济，发展4Tatlıbadem，2020年；费用2023; Unaldi 2023; Kuşcu，2024
eNOS表达在狗的小脑中自然感染了犬ltes虫
摘要基于人类的生态足迹越过世界的承载能力，并威胁了子孙后代的生命。制定政策并创造机会减少生态足迹的负面影响。生态足迹的范围比其他环境变量更大，并且是文献中少数研究的概念。在这项研究中，使用Stipypath模型的生态足迹的概念有助于解释人类的活动和环境关系，并试图分析人类在Türkiye的积极和负面影响。在Türkiye中，已经检查了GDP，人口，能源使用，绿色技术专利与生态足迹和生态足迹之间的关系，这是1973 - 2021年之间的人均关系。分析结果表明，变量之间存在长期且具有统计学意义的关系。根据发现，人均GDP增加了人口和能源的生态足迹，绿色技术和出口减少。考虑到Türkiye最近通过签署了《巴黎协定》并开始实施欧洲绿色共识的标准，从而签署了巴黎协定，因此可以看出，对环境政策的需求正在增加。也有可能欧洲绿色共识有助于减少Türkiye的生态缺陷。关键字：生态足迹，Stirpal模型，生物能力凝胶代码：Q56，Q57，F64根据从研究中获得的发现，可以说，为了减少Türkiye的生态足迹，有必要提高消费者的环境意识，确保能源效率，并使用环境敏感性和出口中的绿色技术。
Curriculum Vitae G. C. Nayak Post
1。开发微波吸收材料，用于伪装和最小化RF Hazard，S。Das博士，2016，2。高性能超级电容器的基于纳米层的混合电极材料的合成和表征，R。Oraon博士，2017年3。在聚合物混合物中氧化石墨烯/氧化石墨烯的合成和分散剂，以增强热力学特性，S。K. Tiwari博士，2017年4。用于超级电容器应用的基于石墨烯的混合纳米复合材料的开发和修改，A。Adhikari博士，2018年5。非对称超级电容器的基于氮化硼的杂种电极，Chandan Maity博士，2022年。6。MXENE及其纳米复合材料的综合和修饰，用于混合超级电容器，S。De博士，2023年。