XiaoMi-AI文件搜索系统
World File Search System应用数学
数学系应用数学理学硕士...
MATH 500 实数分析 MATH 525 常微分方程 MATH 540 运筹学 I MATH 544 应用统计学 COSC 504 软件设计与开发 II MATH 541/COSC 541 数值分析 I 完成上述六门核心课程即可获得应用与计算数学研究生证书。若要获得理学硕士学位，学生必须从以下选修课列表中选择另外三门计算机科学课程（9 个学分）和另外三门数学课程（9 个学分）： COSC 522 离散结构 COSC 528 算法设计与分析 COSC 565 软件工程 I COSC 573 人工智能 I MATH 641/COSC 641 数值分析 II COSC 678 建模与模拟 MATH 580 应用排队论
心脏左心室中涡旋结构的拓扑识别| Siam关于成像科学的日记|卷。 16，第3号|工业和应用数学学会
摘要。心脏左心室（LV）内部的涡流血流结构在从心脏到器官的有效血液供应中起着至关重要的作用。最近的医学成像和计算技术进步为超声心动图和心脏MRI中的血流可视化工具带来了。但是，由于流动非常不稳定和动荡，因此仍然很少有工具可以精确捕获涡流结构。由于涡流流量力对心脏病中心脏功能的预后的重要性，因此在医学科学中识别涡流流结构而没有歧义的情况。在本文中，我们提出了一种数学方法来描述带有符号图表达式的二维（2D）流的拓扑特征，称为COT表示。由于心脏收缩并在短时间内反复放松，因此沿该运动边界的瞬时血流模式将作为源/水槽结构出现。这意味着该流量无法满足2D流的前面拓扑分类理论中假定的滑移条件[T. Sakajo和T. Yokoyama，Ima J. Appl。数学。，83（2018），pp。380--411]，[T。 Sakajo和Y. Yokoyama，离散数学。 算法应用，15（2023），2250143]。 因此，我们通过引入一个名为n-划合的SS addle的简化奇异点，建立了一种新的拓扑分类理论和一种适用于具有运动边界条件的血流的算法。380--411]，[T。 Sakajo和Y. Yokoyama，离散数学。算法应用，15（2023），2250143]。因此，我们通过引入一个名为n-划合的SS addle的简化奇异点，建立了一种新的拓扑分类理论和一种适用于具有运动边界条件的血流的算法。将理论应用于可视化工具获得的2D血流模式，我们成功地将涡流结构识别为拓扑涡流结构。这实现了一种新的进化处理，表征了健康的血流模式以及患病心脏中效率低下的模式。
应用数学系
Nanoarchaeota(Nanoarchaeum), Crenarchaeota (Sulfolobus, Thermoproteus) and Euryarchaeota [Methanogens (Methanobacterium, Methanocaldococcus), thermophiles (Thermococcus, Pyrococcus, Thermoplasma), and Halophiles (Halobacterium, Halococcus)] Eubacteria: Introduction and以下组的重要性：革兰氏消极：非蛋白杆菌：合适的例子的一般特征alpha protobacteria：一般特征与合适的例子β蛋白杆菌：一般特征与适当的例子示例蛋白杆菌：γ蛋白杆菌：gamma protebacteria：一般特征，具有合适的例子，具有合适的例子，具有合适的例子，具有适当的典范：蛋白质细菌：具有合适例子的一般特征革兰氏正阳性：低g+ c（公司）：一般特征与适当的例子高g+ c（肌动杆菌）：一般特征，有适当的例子cyanobacteria：简介
应用数学和生物信息学双重样本课程
哲学课程不应是逻辑课程的两个通识教育课程的两个课程，以满足国际和美国多元文化覆盖要求，以满足社会科学，人文科学和自然科学的学科要求。一个社会科学课程必须在500级或更高的水平上
应用数学和力学（英语版）
Abstract In this paper, a reduced globus pallidus internal (GPI)-corticothalamic (GCT) model is developed, and a tri-phase delay stimulation (TPDS) with sequentially applying three pulses on the GPI representing the inputs from the striatal D 1 neurons, subthalamic nucleus (STN), and globus pallidus external (GPE), respectively, is pro-摆姿势。GPI可以控制以2 Hz -4 Hz尖峰和波浪放电（SWD）为特征的缺勤性癫痫发作。因此，基于基础神经节 - 丘脑皮质（BGCT）模型，我们首先探索D 1-GPI，GPE-GPI和STN-GPI途径的三重效应对癫痫发作模式。然后，使用GCT模型，我们将TPD应用于GPI上，如果阻止了这些通往GPI的途径，则可能研究替代方法和改进的方法。结果表明，纹状体D 1，GPE和STN确实可以共同且显着影响癫痫发作模式。特别是，如果D 1-GPI，GPE-GPI和STN-GPI途径被切割，则TPD可以有效地再现癫痫发作模式。另外，可以通过对TPDS刺激参数进行很好的调整来获得癫痫发作。这意味着TPD可以扮演类似于基底神经节的调节的替代作用，希望这可以有助于在癫痫的临床应用中开发脑部计算机界面。
使用深度学习技术通过 MRI 图像对脑肿瘤进行检测和分类 Rashika Mangla 应用数学系，德里理工学院
使用深度学习技术通过 MRI 图像对脑肿瘤进行检测和分类 Rashika Mangla 德里理工大学应用数学系，新德里，印度 *通讯作者电子邮件：rashika123mangla@gmail.com Chetna 德里理工大学应用数学系，新德里，印度 电子邮件：chetnamor4family@gmail.com 摘要 --- MRI 图像在脑肿瘤分类和检测中起着重要作用，但与使用医疗设备进行检测和分类（由放射科医生或临床专业人员完成一项耗时费力的任务，其准确性仅取决于经验）相比，使用深度学习技术和算法对脑肿瘤进行检测和分类会有所帮助。因此，为了克服这些限制，使用计算机辅助技术变得越来越重要。在本文中，早期检测和诊断的脑肿瘤图像及其 csv 数据已被用来找出 CNN 算法对肿瘤检测的准确性和 SVM 算法对肿瘤良性和恶性分类的准确性。HOG 已用于特征提取。经过实验，观察到CNN的检测准确率达到了87.02%，进一步利用SVM对肿瘤进行分类，最高准确率达到了96.35%。实验证明，即使在整个过程中使用了三种不同的方法，检测和分类的准确率仍然很高。关键词---CNN (卷积神经网络)、HOG (方向梯度直方图)、SVM (支持向量机)、磁共振成像 (MRI)。引言脑瘤是一种脑部异常生长，可能是有害的，也可能是无癌的。不受控制的细胞增殖和过度的脑损伤会导致
应用数学和力学（英文版）
摘要 作为可穿戴电子设备的热防护基板，由嵌入相变材料和金属层的聚合物材料制成的功能性软复合材料对人体皮肤的热防护具有独特的能力。在此，我们开发了一个分析瞬态相变传热模型来研究带有热防护基板的可穿戴电子设备的热性能。该模型通过实验和有限元分析（FEA）进行了验证。系统全面地研究了基板结构尺寸和热源功率输入对温度管理效率的影响。结果表明，可穿戴电子设备的热管理目标是通过以下热防护机制实现的。金属薄膜通过重新配置热流方向有助于沿平面方向散热，而相变材料则吸收多余的热量。这些结果不仅将促进对包含热防护基板的可穿戴电子设备热性能的根本理解，而且还有助于可穿戴电子设备热防护基板的合理设计。
