XiaoMi-AI文件搜索系统
World File Search System使用频率
netmeta：使用频率学派方法进行网络元分析
描述 一套全面的函数，提供用于网络元分析的频率学派方法 (Balduzzi 等人，2023 年) < doi:10.18637/jss.v106.i02 > 并支持 Schwarzer 等人 (2015 年) < doi:10.1007/978-3-319-21416-0 >，第 8 章“网络元分析”： - 遵循 Rücker (2012) < doi:10.1002/jrsm.1058 > 的频率学派网络元分析； - 治疗组合的加性网络元分析 (Rücker 等人，2020 年) < doi:10.1002/bimj.201800167 >； - 使用 Mantel-Haenszel 或非中心超几何分布方法 (Efthimiou et al., 2019) < doi:10.1002/sim.8158 >，或惩罚逻辑回归 (Evrenoglou et al., 2022) < doi:10.1002/sim.9562 > 对二元数据进行网络荟萃分析； - 按累积排名曲线下表面 (SU-CRA) 对治疗进行排名图和排名 (Salanti et al., 2013) < doi:10.1016/j.jclinepi.2010.03.016 >； - 按照 Rücker & Schwarzer (2015) < doi:10.1186/s12874-015-0060-8 >，使用 P 分数（无需重采样的 SUCRA 频率学派类似物）对治疗进行排名； - 拆分直接和间接证据以检查一致性 (Dias et al., 2010) < doi:10.1002/sim.3767 >, (Efthimiou et al., 2019) < doi:10.1002/sim.8158 >； - 带有网络荟萃分析结果的排行榜； - “比较调整”漏斗图 (Chaimani & Salanti, 2012) < doi:10.1002/jrsm.57 >； - 按照 Krahn 等人 (2013) < doi:10.1186/1471-2288- 13-35 > 的净热图和基于设计的 Cochran's Q 分解； - 由 König 等人 (2013) < doi:10.1002/sim.6001 > 描述的表征两种治疗之间证据流的测量值； - 按照 Rücker 和 Schwarzer (2016) < doi:10.1002/jrsm.1143 > 的描述自动绘制网络图；
与工作相关的技术使用频率......
摘要 技术的普及，尤其是笔记本电脑、智能手机和平板电脑等设备的无处不在，导致大学生对社交媒体平台的使用激增。在当代环境下，工作效率是一个多方面的结构，受薪酬、工作与生活平衡、互联网利用、激励和服务导向型利润链等各种因素的影响。随着组织越来越重视提高员工效率的策略，了解技术使用与工作效率之间的关系变得势在必行。本研究致力于调查从事兼职工作的大学生的技术使用与工作效率之间的相关性。研究对象为 164 名目前正在攻读学位并同时就业的参与者。利用 Pearson 相关性分析在显著性水平 0.01 下评估了技术使用与工作效率之间的关系。此外，还采用回归分析探讨社交媒体使用对工作效率的潜在影响。关键词：技术使用、工作效率、大学生 1. 引言 Boyd 和 Ellison (2007) 认为，社交媒体是一种基于网络的工具，用于在具有相似历史、兴趣和生活方式的人之间建立社交网络和关系。笔记本电脑、智能手机和平板电脑等可访问设备数量的增加推动了社交媒体（Facebook、SnapChat、Twitter、WhatsApp 和 Instagram 等）的传播。人们有很多选择可以通过这些数字设备进行电子通信，而不受地理和时间限制（Junco，2012；Nadkarni & Hoffman，2012；Powell，2009）。由于员工生产力具有多个维度，因此它的概念在管理领域并不新鲜（Palmer & Dean，1973；Adeinat & Kassim，2019）。它目前与许多变量相关，包括薪酬、工作与生活的平衡、互联网使用、互联网激励和服务利润链。如今，组织更注重寻找提高员工生产力的方法（Burke 和 Hsieh，2006 年；Yunus 和 Ernawati，2017 年）。数字媒体有时被称为“新媒体”，是通过计算机、移动设备（如博客、电子书和视频游戏）以及互联网促成的其他物理形式（如硬盘和闪存棒）创建和分发材料。某些学者更愿意将数字媒体与“模拟”进行比较，将“大众媒体”与“新媒体”相对立，等等。将数字媒体与早期的交互式机器和媒体联系起来，数字媒体的历史回顾了计算机的发展
使用频率调制连续波传感对风力涡轮机复合材料进行表征
摘要：风力涡轮机叶片 (WTB) 是由复合多层材料结构组成的关键子系统。WTB 检查是一个复杂且劳动密集型的过程，其失败会给资产所有者带来巨大的能源和经济损失。在本文中，我们提出了一种用于叶片复合材料的新型无损评估方法，该方法采用调频连续波 (FMCW) 雷达、机器人和机器学习 (ML) 分析。我们表明，使用 FMCW 光栅扫描数据，我们的 ML 算法（SVM、BP、决策树和朴素贝叶斯）可以区分不同类型的复合材料，准确率超过 97.5%。SVM 算法的性能最佳，准确率为 94.3%。此外，所提出的方法还可以获得检测表面缺陷的可靠结果：层间孔隙率，总体准确率为 80%。特别是，SVM 分类器的最高准确率达到 92.5% 至 98.9%。我们还展示了检测复合材料 WT 结构中 1 毫米差异的气孔的能力，使用 SVM 的准确率为 94.1%，使用 Naïve Bayes 的准确率为 84.5%。最后，我们创建了物理复合材料样品的数字孪生，以支持 FMCW 数据相对于复合材料样品特性的集成和定性分析。所提出的方法探索了一种用于复合材料非接触表面和地下的新型传感方式，并为开发替代的、更具成本效益的检测方法提供了见解
使用频率响应分析进行旋翼小型空中平台的自动飞行测试和系统识别
旋翼机具有垂直起降和悬停能力，以及天生的灵活性和可控性，将扩大无人机的潜在作用。直升机在飞机中已经发挥了不可替代的作用，对于从医疗后送到运输到密闭空间施工等各种任务都是必不可少的。这种旋翼无人机 (RUAV) 已经受到军方的高度重视，可用于各种战场任务，例如勘探甚至作战行动。民用应用也有很多例子，包括电影制作（允许稳定和动态的空中视图）、近距离检查（桥梁、建筑物、水坝）和数字地形建模（小型飞行器由于可能更接近地形和结构，可以收集更详细的特征）。