XiaoMi-AI文件搜索系统
World File Search System智能手机
利用智能手机开展众包项目
a Hochschule für Technik Stuttgart，Schellingstr 24，70174 Stuttgart，德国 - (eberhard.guelch，shohrab.uddin)@hft-stuttgart.de b Imkerverein Waiblingen e.V.Waiblingen，德国 - bernhardwilli@web.de ICWG III/VII 关键词：花朵识别、蜂蜜产量网络门户、地理定位、无人机 摘要：Beesmart 项目旨在利用智能手机的众包方法推导出蜜蜂的地理定位产量目录。因此，核心问题是智能手机应用程序 (App2bee) 的设计以及花朵识别软件的设计，该软件使用智能手机的传感器信息和开花时间信息来识别和定位花朵。实施的花卉识别基于“最小视觉词袋”方法。分类准确率可达到约 60-70%，当然，这受花卉种类繁多的影响，也受图像拍摄方式以及图像质量和分辨率的影响。通过在触摸屏上应用先验简单的手动分割将图像焦点放在所讨论的花朵上，分类结果得到进一步改善。介绍了 App2Bee 的设计和功能，然后详细介绍了通信、数据库和 Web 门户组件。在项目的第二部分，使用固定翼无人机系统研究对蜜蜂很重要的较大花卉区域的分类，该系统配备两种不同类型的相机，即 RGB 数码相机和 NIR 数码相机。当然不可能识别单朵花，但可以证明，相同花朵的较大花田，例如红三叶草，可以用这种方法进行分类。利用现有数据，还可以对裸地、道路、低牧场、高牧场以及混合牧场进行分类。对于高牧场，可以自动识别花簇，如蓍草。1.简介
用于预测智能手机成瘾的机器学习模型
智能手机已成为我们生活中不可或缺的一部分，并且在过去的十年中，它们的使用急剧增加。虽然智能手机提供了许多好处，但过多的智能手机使用可以导致成瘾，并对个人和心理健康，社会关系和生产力产生负面影响。机器学习可用于开发可以根据各种功能（例如智能手机使用模式，社交媒体使用情况，人口统计信息和心理因素）预测智能手机成瘾的模型。这些模型可以帮助识别有智能手机成瘾风险的个人，并为他们提供适当的干预措施和支持。开发一种用于预测智能手机成瘾的机器学习模型，通常是从大量个体样本中收集数据开始。这些数据将包括有关其智能手机使用模式，社交媒体使用，人口统计信息（例如年龄，性别和心理因素）的信息，例如焦虑，抑郁和压力水平。它通过打电话或发短信为人们之间的沟通提供了极大的便利。
护士将智能手机用于菲律宾的工作目的
Bautista，J。R. R.（2019）。 护士将智能手机用于菲律宾的工作目的：预测因素，结果和问题。 新加坡南南技术大学博士论文。Bautista，J。R. R.（2019）。护士将智能手机用于菲律宾的工作目的：预测因素，结果和问题。新加坡南南技术大学博士论文。
智能手机的面部解锁背后的技术-IJRPR
智能手机中的Face解锁技术近年来变得越来越流行，作为一种访问设备的安全方式。该技术利用各种传感器和算法来创建一个唯一的面部配置文件，可用于验证用户并解锁设备。该技术通过使用前置摄像头捕获用户脸的图像来起作用。然后通过识别面部关键特征的软件（例如眼睛之间的距离，下巴的形状以及鼻子和嘴的轮廓之间的距离）对此图像进行分析。然后使用这些功能来创建存储在设备上的唯一面部轮廓。当用户尝试解锁手机时，将激活前置摄像头并捕获其脸部的另一个图像。该软件将此图像与存储的面部轮廓进行比较，如果有匹配，则将设备解锁。
众包 GNSS 智能手机的自动选择......
智能手机已转换为便携式GNSS（全球导航卫星系统）接收器。具有数十亿此类设备记录的GNSS数据具有很大的科学研究潜力，并具有前所未有的时空分辨率。但是，目前访问大型GNSS智能手机数据的访问量是有限的，并且数据处理具有挑战性。Camaliot项目（机器学习技术在GNSS IOT数据融合中的应用）旨在解决这些问题，以促进众包GNSS数据的可用性，以进行天气预报和太空天气监测。Camaliot众包活动中大量的GNSS数据具有异质性的质量。为了应对此数据处理挑战，我们使用机器学习（ML）开发了一种自动数据选择算法。在这项研究中，比较了不同ML模型的分类性能。还检查了不同数据质量指标的重要性。初始结果表明，基于ML的分类器可以在广告系列的实际数据上获得95％的精度，而无需为质量指标设置明确的阈值。基于选定的智能手机GNSS数据，也进行了对流层参数估计实验。
在纸上写作后的大脑活动比平板电脑或智能手机
最近对大学生和近期毕业生的一项研究表明，在一个小时后记住信息时，在物理纸上写作可能会导致更多的大脑活动。研究人员说，与手工写作有关的独特，复杂，空间和触觉信息可能会导致记忆力改善。摘要尚待确定记忆编码的不同输入（例如使用纸质笔记本或移动设备）如何影响检索过程。我们比较了三组参与者，他们阅读了个人时间表上的对话，并使用纸质笔记本（Note），电子平板电脑（平板电脑）或智能手机（电话）在日历上写下了预定的约会。在保留一个小时（包括干扰任务）的保留期之后，我们在检索任务中测试了对这些约会的识别记忆，同时用功能性磁共振成像进行了扫描。我们获得了三个主要结果。首先，笔记组的写作时间表比平板电脑和电话组要短得多，而且票据组的准确性要高得多（即更直接）问题。因为在音符组和平板电脑组之间尽可能地等同于输入方法，因此这些结果表明，音符组的认知过程更深，更固体。第二，在检索阶段的所有参与者的大脑激活都位于双侧海马，前后，视觉皮层和与语言相关的额叶区域中，确认了言语记忆检索过程的参与。第三，在这些区域中，音符组的激活明显高于平板电脑和电话组的激活。这些增强的注释组无法通过一般认知载荷或任务困难来解释，因为整个任务性能在组之间相似。Note组的准确性和激活方面的显着优势表明，使用纸质笔记本促进了实际论文的丰富编码信息和/或空间信息的获取，并且该信息可以用作有效的检索线索，从而导致这些特定地区的更高激活。
基于计算机视觉方法的智能手机跟踪手动障碍
摘要。本文介绍了使用基于智能手机的计算机视觉技术来诊断手动障碍的经济高效，高效且可访问的解决方案的开发。它突出了使用TOF相机数据与RG数据和机器学习算法相结合的想法，以准确识别四肢和运动，这克服了传统运动识别方法的局限性，改善了康复和降低专业医疗设备的高成本。使用智能手机和先进的计算方法的无处不在，该研究提供了一种新的方法来提高运动障碍诊断的质量和可及性，为未来的研究和在临床实践中的研究和应用提供了有希望的方向。
智能手机交互方式对传统和自动驾驶汽车驾驶性能的影响
研究 MTI 致力于为各级政府和私营部门提供政策导向研究，以促进最佳地面交通系统的发展。研究领域包括：自行车和行人问题；为公共和私营部门的交通改善提供资金；多式联运连通性和一体化；交通系统的安全性和保障性；交通系统的可持续性；交通/土地使用/环境；交通规划和政策制定。认证研究员负责研究。认证需要高级学位，通常是博士学位，有学术出版物记录和专业参考资料。研究项目最终会以同行评审的出版物形式发表，可在 MTI 网站 TransWeb 上找到（http://transweb.sjsu.edu）。
范围审查 - 正畸中使用的智能手机应用程序
利益相关者显而易见；然而，如果要获得更多认可，正畸应用程序需要经过验证并证明其治疗益处。直到最近，Google Play Store 和 Apple App Store 中的正畸应用程序的数量一直在稳步增加。Singh [ 5 ] 于 2013 年进行了首次关于正畸应用程序数量和类型的研究，他在 Google Play Store 和 Apple App Store 上发现只有 19 个应用程序。2014 年，这一数字跃升至 119 [ 6 ]。到 2017 年，Gupta 和 Vaid [ 7 ] 发现了 354 个应用程序。Siddiqui 等人 [ 8 ] 在 2019 年进行的最新研究将正畸应用程序的数量定为 305 个，这是该数量首次出现下降。这些应用程序以患者和临床医生为中心，在类型和目标上差异巨大。尽管正畸应用数量众多，但对其真实性进行研究的却寥寥无几。在过去 20 年里，范围审查已成为一种颇受欢迎的文献审查方法，并已广泛应用于医疗保健领域。然而，在正畸文献中，很少有范围审查 [ 9 ]。范围审查通常用于研究某一主题领域内研究的程度、范围和类型，有助于
请愿书：在威尔士的所有学校禁止智能手机（对特殊情况有豁免）
研究强调了智能手机对儿童的有害影响，英国议会选拔委员会报告说，屏幕时间的风险超过了收益。BMJ最近呼吁采取预防性的公共卫生反应。智能手机破坏了大脑的发展，降低自尊心，引发焦虑，并使儿童暴露于有害内容中。报告包括青少年在社交媒体上目睹现实生活中的杀戮以及“七分子”的自杀案件。83％的父母认为智能手机有害，有58％的人支持禁止16岁以下的禁令（Parentkind Poll）