XiaoMi-AI文件搜索系统
World File Search System提取技术
从全...
本文研究了使用大型语言模型（LLM）从全长材料科学研究论文中提取聚合物纳米复合材料（PNC）的样本清单。挑战在于PNC样品的复杂性质，这些属性具有散布在整个文本中的许多属性。关于PNCS的注释详细信息的复杂性限制了数据的可用性，从而使文档级别级别的关系提取技术不切实际，这是由于综合命名实体的挑战跨度跨度。为了解决这个问题，我们为此任务介绍了一种新的基准和评估技术，并以零拍的方式探索了不同的提示策略。我们还结合了提高性能的自我一致性。我们的发现表明，即使是先进的LLMS陷入困境，也可以从文章中提取所有样本。最后，我们分析了此过程中遇到的错误，将它们归类为三个主要挑战，并讨论了未来研究的潜在策略以克服它们。
基于机器学习的面对情感识别
计算机现在可以通过机器学习和信息融合的最新发展来检测，理解和评估情绪。各个部门的研究人员越来越吸引情感识别，利用面部表情，文字，肢体语言和姿势作为辨别个人情绪的手段。然而，前三种方法的有效性可能受到限制，因为个人可以有意识地或不自觉地抑制自己的真实感受。本文探讨了各种特征提取技术，包括机器学习分类器的开发，例如K-Nearest邻居，Naive Bayesian，Support Vector Machine和Random Forest，根据既定的情感识别标准。本文具有三个主要目标：首先，通过概述基本理论概念来提供有效计算的全面概述；其次，详细描述目前情绪识别的最新;第三，要强调文献中重要的发现和结论，重点是重要的障碍和可能的未来途径，尤其是在创建国家的机器学习算法以识别情绪时。
通过科学文献挖掘循环经济范式中识别技术
技术创新是向循环实践转移的催化剂。技术不仅应对技术挑战，从而促进了向更循环经济的过渡，而且还提高了业务效率和盈利能力。此外，它们具有包容性并创造就业机会，最终产生了积极的社会影响。该领域的研究倾向于集中于数字技术，忽略其他技术领域。此外，它在很大程度上依赖文献评论和专家意见，可能引入偏见。在本文中，我们通过自然语言处理（NLP）研究了循环经济的技术格局，研究了该领域中使用的关键技术以及管理这些技术的主要挑战。该方法适用于45,000多个科学出版物，旨在在NLP的科学文章中提取技术。我们的分析结果表明，非常重视新兴的数字，生命周期评估和生物材料技术。此外，我们确定了CE领域内的七个不同的技术领域。最后，我们提供了在工业环境中采用和实施这些技术时产生的优势和问题。
芒果果皮提取物对钢的腐蚀抑制效率...
如今，研究人员有兴趣探索用自然来源衍生的绿色有机物质代替有害无机化学物质的可能性。 这项研究着重于使用当地芒果果皮的植物提取物来获取绿色腐蚀抑制剂对低碳钢的潜力。 使用溶剂提取技术提取了Harumanis芒果果皮剩余的剩余，并通过傅立叶变换Infra-Red（FTIR）和UV可见光谱法表征化学化合物。 分析表明，Harumanis Mango Peel（HMPE）的粗提取物包含用于腐蚀抑制特性的活性官能团，例如-OH，-OCOOH，-C = O和芳环结构。 也检测到了Mangiferin和其他黄酮醇的存在，可能是酸的五十五。 通过常规腐蚀试验研究了HMPE作为碳钢腐蚀抑制剂的效率。 在不同的温度下，在30、40、50和60°C的不同温度下进行，有或不加入50至350 ppm的HMPE抑制剂在1 m盐酸盐中，HCl。 结果表明，随着Harumanis芒果果皮的浓度增加，酸性培养基中低碳钢的腐蚀抑制效率会增加。 最大抑制效率为85％如今，研究人员有兴趣探索用自然来源衍生的绿色有机物质代替有害无机化学物质的可能性。这项研究着重于使用当地芒果果皮的植物提取物来获取绿色腐蚀抑制剂对低碳钢的潜力。使用溶剂提取技术提取了Harumanis芒果果皮剩余的剩余，并通过傅立叶变换Infra-Red（FTIR）和UV可见光谱法表征化学化合物。分析表明，Harumanis Mango Peel（HMPE）的粗提取物包含用于腐蚀抑制特性的活性官能团，例如-OH，-OCOOH，-C = O和芳环结构。也检测到了Mangiferin和其他黄酮醇的存在，可能是酸的五十五。通过常规腐蚀试验研究了HMPE作为碳钢腐蚀抑制剂的效率。在不同的温度下，在30、40、50和60°C的不同温度下进行，有或不加入50至350 ppm的HMPE抑制剂在1 m盐酸盐中，HCl。结果表明，随着Harumanis芒果果皮的浓度增加，酸性培养基中低碳钢的腐蚀抑制效率会增加。最大抑制效率为85％
使用YOLO V5与
摘要这项研究提出了一种创新的视频监视中人行人检测方法，利用Yolov5的功率（您只看一次版本5）与基于光感知融合的功能提取相结合。所提出的方法旨在在不同的照明条件下提高行人检测系统的准确性和效率。yolov5以其实时对象检测功能而闻名，与一种新型的特征提取技术集成，该技术融合了来自多个光感知传感器的信息。这种融合策略允许模型在不同的照明方案中适应和稳健。实验结果证明了所提出的方法的优越性，实现了出色的性能。Yolov5与基于光感知的特征提取的融合，展示了行人检测中有希望的进步，以解决现实监视环境中动态照明条件带来的挑战。关键字：行人检测，视频监视，Yolov5，光感知融合，特征提取
使用机器学习的网络钓鱼URL检测
摘要：旨在通过伪装成可信赖的实体来欺骗用户剥夺敏感信息的网络钓鱼攻击是数字景观中的重大威胁。检测网络钓鱼URL（统一的资源定位器）对于保护在线用户和保护敏感数据至关重要。传统的网络钓鱼检测方法，通常依靠手动黑名单和启发式方法，努力与攻击者快速发展的策略保持同步。本研究探讨了机器学习技术以改善网络钓鱼URL的检测，利用其从数据中学习的能力并识别指示网络钓鱼活动的模式。我们为使用机器学习算法的网络钓鱼URL检测提供了强大的框架，结合了特征提取技术和分类模型。我们的方法涉及从URL中提取关键特征，包括词汇特征，基于域的特征和URL元数据。这些功能是各种机器学习分类器的输入，包括逻辑回归，支持向量机（SVM），随机森林和梯度提升等。
使用机器学习的自主无人机强制着陆现场预测
无人驾驶汽车或无人机正在越来越多的应用中使用，包括监视，搜索和救援以及环境跟踪。但是，意外的发动机问题，发动机故障和飞行表面的崩溃可能需要强迫着陆，使无人机及其周围环境处于危险之中。如果无人机安全地降落的能力（例如建筑物或树木）有任何障碍，则必须能够返回其紧急着陆点。因此，在这些紧急情况下，可以迅速识别安全着陆场所的自动化技术。本文提出了一种创新的方法，该方法添加了特征提取，包括HOG，HSV，LBP和SFIT。gmm，SVM和使用机器学习技术本能地选择适当的无人机造成的着陆点的内核。通过使用机器学习和功能提取技术，我们在基线上提高了40％的精度。所提出的系统集成了来自多个来源的数据，包括地形图，卫星图像和板传感器。机器学习算法预测了可能的着陆点。注释的数据集，其因素，包括地形高度，土地覆盖类型，坡度和与障碍物的接近度用于训练这些算法。尤其是人工神经网络或ANN。
多任务超扫描 BCI 的常见空间模式制定
摘要 — 本研究提出了一种新的公共空间模式 (CSP) 公式，该公式通常用作脑机接口 (BCI) 和其他神经学研究中的强大特征提取技术。在这种方法中，应用于多个受试者的数据并命名为超 CSP，CSP 公式利用了多个同时记录的受试者脑电图之间的个体协方差和互相关矩阵。该方法旨在有效地隔离多个头部之间的共同运动任务，并减轻受试者固有或故意执行的其他虚假或不受欢迎的任务的影响。该技术可以在使用小数据量和低计算复杂度的情况下提供令人满意的分类性能。通过使用提出的超 CSP 和支持向量机分类器，在存在强烈不良任务的情况下，我们在 8 次试验中获得了 81.82% 的分类准确率。我们希望这种方法可以减少多任务 BCI 场景中的训练误差。记录的有价值的与运动相关的超扫描数据集将提供给公众使用，以促进该领域的研究。
00 引用本文：Anamika Raj、Noor Maizura Mohamad Noor、Rosmayati Mohemad、Noor Azliza Che Mat、Shahid Hussain，（2025）《智能糖尿病患者》
摘要 糖尿病视网膜病变 (DR) 是糖尿病的一种严重并发症，如果不及早发现和治疗，会导致视力障碍和失明。在这项研究中，我们提出了一种先进的预测系统，利用改进的深度神经网络 (DNN) 来提高 DR 诊断的准确性和效率。所提出的系统集成了一个深度学习框架，并针对受糖尿病影响的视网膜图像的独特特征进行了量身定制的修改。我们引入了专门的特征提取技术并优化了网络架构以适应糖尿病视网膜病变的复杂性。使用包含各种视网膜图像的综合数据集来训练和验证改进的 DNN 模型。实验结果证明，与现有方法相比，该方法具有更高的预测准确性，突出了所提出的方法在糖尿病视网膜病变的早期检测和预后方面的有效性。这种智能预测系统通过促进及时干预和降低不可逆视力障碍的风险，为改善糖尿病患者的临床管理带来了巨大的希望。