收到:2024年7月21日。以修订的形式收到:2024年12月2日。接受:2024年12月12日。抽象的机器学习目前正在成为最快速前进的技术之一,最近在工业过程中用于过程自动化的最新上升趋势。这项研究的目的是进行文献计量分析,以确定机器学习的研究趋势。Scopus数据库用于识别科学生产。文献计量指标。对涉及22,383位作者的7,335个文件的分析显示,从1988年到2024年初的增长率为20.86%。确定了三个主要的研究趋势:第一个基于工业过程中的机器学习应用,第二个是指人类因素和人工智能,以及与卷积神经网络有关的第三个。关键字:机器学习;工业化;文献计量学;人工智能;监督学习;无监督的学习;强化学习。
抗N-甲基-D-天冬氨酸(NMDA)受体脑炎是一种特征良好的免疫介导的脑炎。越来越多地被认为是儿童脑炎的常见原因之一,但经常被误诊,尤其是在资源受限的环境中。有关最佳治疗策略的持续辩论。在本案报告中,尽管缺乏对甲基促甲硅烷的反应,但我们希望通过其对NMDA受体的直接影响来强调这种临床神经精神疾病对加巴喷丁的戏剧性反应。这种疾病应该是无法解释的行为/精神病症状和运动障碍的进行性脑病的患者的鉴别诊断。应在对照临床试验中进一步研究与加巴喷丁见证的改进。
摘要目的 - 本研究旨在回顾有关共享经济物流和人群后勤的文献,以回答以下三个问题:关于共享经济物流的文献如何结构化?共享经济物流和人群物流的主要趋势是什么?未来的研究选择是什么?设计/方法/方法 - 文献计量分析用于评估过去12年中发表的85篇文章;它确定了促成该领域的顶级学术期刊,作者和研究主题。发现 - 共享经济物流和人群后勤文献是围绕几个学科和亮点构建的,即在其主题定义,设计,建模和创新解决方案中,有些人比其他学科更先进。主要趋势是在三个群集左右组织的:群集1是指成本,价格,分销和供应商关系的最佳分配;集群2对应于与业务相关的众包和国际行业实践。集群3包括运输对最后一英里交付,人群运输和环境的影响。研究局限性/含义 - 该研究基于来自同行评审的科学期刊和会议的数据。更广泛的概述可以包括其他数据源,例如书籍,书籍章节,工作文件等。独创性/价值 - 未来的研究方向是在从人群后勤到人群智能的演变中讨论的,以及人群后勤的复杂性,例如了解如何将社交人群整合到物流过程中。我们的结果是人群科学和工程概念的一部分,并提供了一些有关人群网络系统问题有关物流领域中人群智能的答案。
摘要 本项文献计量研究分析了 2020 年至 2024 年期间人工智能 (AI) 在数学教育中的应用的科学成果。该研究基于从 155 个国际来源中提取的 384 篇文献样本,评估了新兴趋势、作者和国家之间的合作模式以及在数学教育中使用人工智能的主要主题。分析使用 RStudio 中的 Biblioshiny 工具进行,生成网络图和专题图,以可视化关键字与国际合作之间的关系。结果表明,中国和美国在科学生产力和国际合作方面处于领先地位。人们对在教育环境中使用生成性人工智能(包括深度学习和 ChatGPT)进行学习评估的兴趣日益浓厚。本研究概述了数学教育领域人工智能研究的当前动态,并强调了跨学科合作的机会。
抽象背景:浆膜骨髓瘤(PBM)是多发性骨髓瘤(MM)的罕见,侵略性亚型,预后不良。另一方面,浆膜淋巴瘤(PBL)是具有浆细胞表型的侵袭性B细胞淋巴瘤。重要的是,PBM很难与PBL区分开,因为两种疾病的临床特征都紧密重叠。我们报告了两例PBM病例,并伴有明显的外胸腔病变。案例:案例1:一名38岁的女性抱怨疲劳。她出现了全年的肿瘤,脾肿大,胸壁上的软组织病变以及多个溶性损伤。最初,软组织的病理确定了PBL的诊断。她回到了两个时代的周期,从而导致了大幅改进。然后,她收到了达拉特瘤(Dara)和列纳纳匹胺(Lenalidomide),达到了两年的缓解。病例2:对胰腺和腹膜后肿瘤的多个肿瘤进行了60岁男性的评估。胰腺肿瘤的活检鉴定出浆细胞样细胞,而骨髓活检没有显示浆细胞的迹象。因此,他最初被诊断为具有多个浆细胞瘤,并接受了与硼替佐米(BOR),Lenalidomide和Texamethasone的3个化学疗法,但徒劳无功。一旦BOR被替换为Dara,他就会迅速形成泛绿色炎和腹水,充满了浆膜,并最终死于多器官衰竭。结论:由于没有针对PBM的标准治疗方法,我们的病例提出了一种与抗肌瘤和抗淋巴瘤方案的联合治疗可能会提供更好的结果。此外,KI-67增殖指数将是诊断PBM的有用工具。
附录 3:PRISMA 流程图 ...................................................................................................... 82 附录 4:与亚麻制品管理相关的标准 .............................................................................................................. 83 附录 5:经过严格评估后排除的研究。 ............................................................................................................ 87
摘要 - 本研究旨在通过研究各个领域的关键趋势,框架和有影响力的应用来对聊天机器人研究进行全面的文献计量文献综述。它试图绘制聊天机器人技术的演变,确定有影响力的作品,并分析研究重点如何随着时间的流逝而变化,尤其是向AI-wired驱动的聊天机器人框架转移。从Scopus数据库中编辑了扩展的数据集,并使用N-Gram参考分析,网络映射和时间趋势可视化进行了文献计量分析。使用Biblioshiny的R Studio进行了分析,允许识别主题群集,以及在Chatbot研究中从基于规则的基于规则的检索到高级检索和生成语言模型范式的发展。聊天机器人研究从2020年到2024年都显着增长,出版物的数量不断增加,全球合作的增加,由美国,中国和新兴地区(例如东南亚)贡献。主题分析强调了从基础AI和NLP技术转变为精神健康聊天机器人和电子商务系统等专业应用程序,强调了实用和以用户为中心的解决方案。聊天机器人体系结构(包括生成AI)的进步已证明了该领域的跨学科性质和轨迹,对复杂的,上下文感知的对话系统。该分析主要使用了Scopus的数据,这可能会限制包括研究的广度。鼓励未来的研究集成来自其他来源的数据,例如科学(WOS)和PubMed,以对该领域有更全面的了解。
在过去的十年中,对人工智能(AI)的会计专业和教育的研究显着增加,但是AI带来的机遇和挑战仍在辩论中。本研究旨在通过综合现有研究来全面概述文献。使用文献计量技术和内容分析,本研究对相关文献进行了全面的综述。利用了2007年至2024年的科学数据库的书目数据,并分析了48项学术研究。vosviewer用于引用和网络分析,而Excel用于内容分析。该研究通过书目分析确定了有影响力的作者,期刊,国家,趋势文章和重要的网络合作。该研究最值得注意的发现之一是对学术研究中的四个主要会计师事务所的大量参考。内容分析表明,深度和特定研究的稀缺性。可以得出结论,与AI有关的研究和学术应用仍处于新兴阶段,强调了对未来研究中涉及监管机构,学术界,公司和从业人员的全面研究的需求。此外,该研究发现了证据表明,学术界采用AI应用和教育方面的步伐缓慢。
摘要常规火灾检测系统使用的主要方法是基于传感器的检测,在准确性和检测时间方面具有局限性。传统方法和技术可以通过基于计算机视觉预测和检测的计算机视觉技术的最新进步来提高。因此,本文旨在对使用计算机视觉技术进行早期火灾检测和预测的早期研究进行全面的文献分析。在本系统的审查中应用了用于系统评价和荟萃分析的首选报告项目,或2020年的Prisma 2020。在本研究中搜索了三个数据库,例如科学,Scopus和IEEE等相关出版物。系统评价表明,现有研究主要集中于火焰而不是烟雾检测。此外,大多数研究都集中在特定发生,忽视室内或室内环境的特定情况下。视频监视系统成为这些调查中使用的硬件和数据集的主要来源。值得注意的是,卷积神经网络(CNN)脱颖而出,是用于分类目的的最经常使用的深度学习方法。系统评价通过结合来自几个学术来源的数据,阐明了使用计算机视觉技术的火灾检测研究。通过系统的方法,这项研究对利用基于视觉的技术进行火灾检测和预测的机会和挑战有了更深入的了解。关键字:系统文献综述;基于视觉的;火灾检测;火灾预测;机器学习