XiaoMi-AI文件搜索系统
World File Search System智能手机
用于智能手机上植物识别的人工智能......
近年来，可用于帮助现场植物识别的智能手机应用程序数量激增。可用的方法有很多，从基于人工智能 (AI) 和自动图像识别自动识别植物的应用程序，到需要用户使用传统二分法键或多访问键的应用程序，再到可能只有一系列图像而没有明确的系统来识别任何感兴趣的物种的应用程序。所有照片均由作者拍摄。在这里，我只关注那些可用于从上传的图像中自动识别植物的免费应用程序，最多只需要用户做出一些小决定（列于表 1 中）。我首先确认，无论是在现场使用实时图像，还是在计算机显示器上显示并通过智能手机拍摄该图像后对其进行测试，这些应用程序的行为都相似。然后，我在 38 张对比鲜明的英国野生和归化植物图像上测试了找到的 10 个免费自动植物识别 (id) 应用程序的性能（包括禾本科、莎草科、草本植物和木本植物，以及花、叶、果实或整株植物的图像），这些图像主要选自我自己的 visual-flora 网站 (visual-flora.org.uk)。样本包括许多常见物种、一些花园逃逸物种和几种不太常见甚至稀有的物种（例如 Cyperus fuscus）。每个应用程序对每张图像测试五次，因为许多应用程序即使使用完全相同的图像，也给出出人意料的差异化识别结果。所有测试均在 2019 年 10 月或 11 月进行，但许多应用程序都在不断改进。图 1 显示了测试的 38 张图像中的一些，其中一些被所有应用程序成功识别，也有一些仅被
智能手机应用程序的自动化 Concolic 测试
1. 简介 具有先进计算能力和连接能力的移动设备（如智能手机和平板电脑）正变得越来越普遍。与此同时，在这些设备上运行的专用程序（称为应用程序）的开发和采用也呈激增态势。应用程序几乎渗透到从休闲到关键任务的所有活动中。因此，在应用程序生命周期的所有阶段（包括开发、测试、审计和部署）对软件质量工具的需求日益增长。应用程序具有许多使静态分析具有挑战性的特性：庞大的软件开发工具包 (SDK)、异步、进程间通信、数据库和图形用户界面 (GUI)。因此，许多现有的应用程序分析方法都是基于动态分析（例如 [7、9、10]）。任何动态分析有效性的核心问题是如何获得相关的程序输入。应用程序最不可分割和最常规的输入是事件。设备触摸屏上的点击、设备键盘上的按键和短信都是事件的实例。本文介绍了一种算法和系统，用于生成用于锻炼应用程序的输入事件。应用程序可以（实际上通常确实如此）拥有除事件之外的输入，例如磁盘上的文件和安全的 Web 内容。我们的工作与提供此类输入的方法正交且互补。应用程序是一类程序的实例，我们称之为事件驱动程序：程序 em
三星智能手机全球营销策略和...
摘要 三星在全球智能手机市场占有相当大的份额。近年来，三星一直是排名前二的智能手机制造商之一，与苹果、小米、Oppo、Vivo 等大公司展开激烈竞争。2022 年，三星控制着 20% 的智能手机市场份额，仅次于苹果，后者以 39% 的份额占据最大份额。三星不仅有内部战略，而且韩国还为三星提供各种支持，使其产品取得成功，其成功的好处极大地影响了韩国的经济增长。因此，本研究的目的是研究三星智能手机的全球营销策略和动态。本研究的设计是文献综述。使用基于三星全球营销策略和动态的关键词在 Google Scholar 和 ProQuest 上搜索文章。在 2013-2023 年期间找到了 85 篇文章，然后进行了筛选，并找到了 10 篇相关文章进行讨论和分析。研究结果发现，韩国政府的支持因素、原材料供应、生产制造、分销和物流、营销和销售、维护和客户支持使得三星成为全球智能手机行业的领先者。
智能手机、压力和认知资源的减少
目的回顾................................................................................................................19 操作的有效性....................................................................................................19 表现效果评分....................................................................................................20 心率影响.................................................................................................................20 含义......................................................................................................................21 局限性......................................................................................................................22 总体结论.......................................................................................................................22 参考文献.............................................................................................................................24 附录
智能手机对弥散加权成像的可靠性——...
背景：使用安装在智能手机上的医疗应用程序可以查看高质量的神经图像。虽然发现智能手机和台式电脑显示器之间的设备间一致性有利于评估计算机断层扫描图像，但没有用于弥散加权成像 (DWI) 的设备间一致性数据。目的：我们的研究旨在比较使用 Join 智能手机应用程序和使用台式电脑显示器对 DWI 的解释，包括设备间和评分者间一致性以及所用解释时间。方法：两名血管神经科医生使用 Join 智能手机应用程序和台式电脑显示器对连续患有大脑中动脉区域急性卒中患者的 DWI 缺血性变化进行分级。血管神经科医生对所有患者信息均不知情。根据日本神经血管内治疗协会的标准，每张图像被归类为弥散加权成像-阿尔伯塔卒中计划早期计算机断层扫描评分 (DWI-ASPECTS) ≥ 7 或 DWI-ASPECTS <7。我们分析了 DWI-ASPECTS 的设备间一致性和评定者间一致性。比较了 Join 智能手机应用程序和台式电脑显示器评估的 DWI-ASPECTS 的解释时间。结果：我们分析了 111 名患者（66% 为男性；中位年龄 = 69 岁；入院时美国国立卫生研究院卒中量表评分中位数 = 4）的图像。智能手机和台式电脑显示器之间关于 DWI-ASPECTS 的设备间一致性良好（血管神经科医生 1：κ =0.777，P <.001，血管神经科医生 2：κ =0.787，P <.001）。智能手机（κ =0.710，P <.001）和台式电脑显示器（κ =0.663，P <.001）的评定者间一致性也令人满意。智能手机和台式电脑显示器之间的平均解释时间相似（血管神经科医生 1：1.7 分钟 vs 1.6 分钟；P =.64）；血管神经科医生 2：2.4 分钟 vs 2.0 分钟；P =.14）。结论：使用智能手机应用程序可让血管神经科医生准确快速地估计 DWI-ASPECTS。Join medical 智能手机应用程序在急性中风管理方面显示出巨大的潜力。
智能手机中的晶体管如何形成量子点？
该团队取得了哪些成功？除了证明商用晶体管在低温下表现为量子点外，该团队还展示了使用商用半导体代工技术创建大型量子比特阵列的可行性。研究生 Suyash Pati Tripathi 设计了该团队的第一个 2 × 4 量子点阵列，实现了一个重要的里程碑。“这一突破使我们能够展示可以相互耦合的最小量子点（15 纳米 × 18 纳米）——这是量子技术领域向前迈出的重要一步，”他说。“然而，这只是一个开始！下一个目标是将这种量子点阵列与电子电路结合起来，创建一个完全集成的量子处理器。这种集成将使我们更接近开发实用、可扩展的量子计算机。”
高中生中使用问题的智能手机
世界目前拥有超过30亿个智能手机用户。智能手机完全集成到个人的日常生活中，包括95％的美国青少年。过度使用智能手机会导致智能手机成瘾和有问题的智能手机使用（PSU），这些智能手机（PSU）与抑郁症，压力，自尊心减少和学习成绩降低有关。这项PSU研究调查了高中学生在美国一所全面且人口统计学上多样化的高中的九年级。这项研究与319名高中生进行了评估，以评估PSU，抑郁，压力，自尊，毅力和学习成绩的关联。这项研究的结果表明，学生使用智能手机来支持课堂内外学习。结果还表明，PSU，抑郁，压力，自尊，毅力和学习成绩之间的显着相关性。多元回归分析发现压力，自尊和砂砾是PSU的重要预测指标。这项研究的影响包括告知家庭，教育者，地区管理人员和政策制定者，以更全面而严格地利用加利福尼亚议会法案272号法案中提供的电子设备政策，并实施更健壮，周到的课堂智能手机政策和实践。建议将继续评估和建立对青少年（尤其是在Covid-19的大流行）中对PSU的认识，当时人际关系和个人联系是社会情感大流行恢复的重点。
智能手机应用程序可防止2型糖尿病
简介：缺乏支持应用程序来改变生活方式行为的证据，并且缺乏糖尿病高风险的人的糖尿病。这项系统评价的目的是确定预防2型糖尿病的智能手机应用程序（APP）的可接受性和有效性。方法：从2008年至2023年搜索PubMed，Embase，Cinahl和Psychinfo。包括涉及成年人患有高风险患糖尿病的研究，以评估应用程序干预措施，以防止2型糖尿病。进行随机效应荟萃分析，以减轻体重，体重指数（BMI），糖化血红蛋白和腰围。叙事综合是为所有研究进行的，包括探索用户观点的定性研究。结果：这项系统的综述中包括了24个研究（n = 2,378），包括9个主导的对照试验（RCT），平均持续时间为6个月，10次准实验和7个定性研究。在社会上处于弱势群体的群体的代表性不佳。在荟萃分析中结合了六个RCT。应用程序可有效促进体重减轻[平均差异（MD）1.85; 95％CI 2.90至0.80]，降低BMI [MD 0.90，95％CI 1.53至0.27]，对糖化的血红蛋白和腰围没有影响。没有报道糖尿病发病率的研究。定性研究强调了应用程序个性化的需求。讨论：智能手机应用程序通过支持减肥对预防2型糖尿病有希望。Am J Prev Med 2024; 66（6）：1060 - 1070。©2024作者。未来的强大试验应包括在应用程序的共同设计和评估中的不同人群，并探讨了人工智能在进一步个性化干预措施方面的作用，以提高参与度和有效性。由Elsevier Inc.代表美国预防医学杂志出版。这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。
智能手机使用效果对睡眠质量
抽象智能手机已成为人们日常生活中不可或缺的一部分。智能手机均在所有家庭住所中使用，包括晚上在床上。智能手机屏幕和其他显示器发射蓝光，暴露于蓝光会影响一个人的睡眠质量。因此，就寝前使用智能手机可能会破坏一个人睡眠的质量，但是研究缺乏有关智能手机使用如何影响睡眠的定量研究。本研究结合了智能手机的应用程序，使用了75名参与者的数据以及可穿戴环收集的睡眠数据。平均而言，参与者在床上使用智能手机322.8 s（5分钟和22.8 s），IQR为43.7–456。参与者平均使用智能手机（IQR为5.87–55.5％）在床上花费42％的时间。我们的发现表明，智能手机在床上使用对睡眠潜伏期，清醒时间，平均心率和人力资源变异性产生重大不利影响。我们还发现，智能手机的使用不会降低床外使用时的睡眠质量。我们的结果表明，仅使用强烈的智能手机就不会对幸福感产生负面影响。由于所有智能手机用户都没有以相同的方式使用手机，因此将调查扩展到不同的智能手机使用类型可能会产生更多的信息，而不是通用智能手机的使用。总而言之，本文介绍了对智能手机应用程序使用日志和详细睡眠指标之间关联的首次研究。我们的工作还验证了先前的研究结果，并突出了新兴的未来工作。
电池技术拖延智能手机创新...
响应延迟预填充解码苹果（测试1）1秒14.57令牌/9.0令牌/秒苹果（测试2）3秒5.7代币/秒7.8令牌/秒苹果（测试3）1 sec 15.1 sec 15.1 sec/sec 6.9 6.9 sec/sec apple（测试4）apple（测试4）Sec/sec/sec/sec/sec/sec sec 5.2 token/sec 6.2 token/sec 5.2 token/sec 5.2 token/sec 5.2 token/sec 5.2 token/sec s sec 5.2令牌/秒三星（测试2）8秒5.3代币/秒5.8令牌/秒三星（测试3）10秒5.4代币/秒5.6代币/秒三星（测试4）10 sec 5.6 sec/sec 4.7 sec 4.7 sec