XiaoMi-AI文件搜索系统
World File Search SystemFractal
功能近红外光谱信号的分形性研究
定位研究 20 – 22 旨在识别大脑对特定刺激的激活模式，以及连接研究（功能性或有效） ，其重点是研究大脑各区域之间的功能相互作用，无论是在大脑处于休息状态还是在执行特定任务时。 23 – 27 然而，现在众所周知，大脑是高度动态的 28 – 32 因此，为了更全面地了解其功能，需要能够提取大脑记录中的时间信息的方法。与空间域相比，考虑时间域进行分析的 fNIRS 研究数量要少得多。 33 – 40 例如，在参考文献 33 中，通过应用 Higuchi 分形维数算法 41 表明 fNIRS 信号具有高度复杂度。将小波变换应用于 fNIRS 信号，并表明小波系数可用于训练分类器。在参考文献38–40中，熵已被用来评估患者群体（如患有阿尔茨海默病、注意力缺陷多动障碍和脑外伤的患者）中 fNIRS 信号的复杂性，表明它携带的信息可能与疾病有关。所有这些研究表明，在 fNIRS 信号的复杂特征中存在与潜在大脑活动相关的信息。在本文中，我们利用可视性图（VG）提出了一种揭示 fNIRS 时间序列分形特性的方法。VG 是一种最近引入的方法，它将时间序列映射到图形（称为 VG）。正如将要讨论的，构建图的拓扑属性与时间序列的分形和复杂性有关。42、43 与传统的分形分析方法相比，42 VG 在计算上不太复杂，并且已经用于各种研究。 44 – 49 例如，江等人利用心电图表明，采用 VG 分析可以揭示由调解训练引起的动态变化，表现为规律的心跳，这与自主神经系统的调整密切相关。44 朱等人将基于 VG 的方法应用于酗酒识别，表明该方法有望将酗酒者与控制饮酒者区分开来。48 在参考文献 47 中，结果表明，将 VG 应用于脑电图 (EEG) 信号可以提供区分自闭症儿童和非自闭症儿童的特征。在参考文献 49 中，我们已经表明，通过 VG 提取的 GCaMP6 小鼠钙记录的时间特征带有可用于解码行为的鉴别信息。这里需要注意的是，VG 与功能连接研究中常用的基于图论的方法之间的区别。50 , 51 在典型的功能连接研究中，图是在空间域中构建的，即图中的节点对应于通道或体素的位置，并且两个节点之间的链接基于与两个节点相关的时间序列的统计相似性形成，通过相关性等度量来量化。另一方面，正如将在第 2 节中讨论的那样，在 VG 中，节点对应于时间序列中的时间点，并且链接基于时间点之间的自然可见性形成（图 1）。一旦为每个时间序列形成图，就可以提取图度量来表示时间序列的不同属性。在本文中，我们使用 VG 研究两种条件下 fNIRS 时间序列的分形性：当大脑处于休息状态时和当大脑从事任务时。在两种静息状态条件和两种任务条件下记录了 9 名健康男性受试者的 fNIRS 时间序列。从每个时间序列为每个通道和每种条件构建 VG。然后提取可视性图的无标度性 (PSVG) 的功率并在不同条件下进行比较。据我们所知，这是第一项使用 VG 揭示 fNIRS 记录时间序列时间特征的研究，证明了其在识别 fNIRS 记录中的特征方面的可行性，这些特征可用于获得有关大脑功能的新见解。本文的其余部分组织如下。第 2 节介绍了本研究中用于分析的方法。实验设置的详细信息在第 3 节中给出。第 4 节介绍了结果，最后，在第 5 节中提供了一些讨论。第 2 节描述了本研究中使用的分析方法。第 3 节给出了实验装置的详细信息。第 4 节介绍了结果，最后，第 5 节进行了一些讨论。第 2 节描述了本研究中使用的分析方法。第 3 节给出了实验装置的详细信息。第 4 节介绍了结果，最后，第 5 节进行了一些讨论。
Jonathan Adam PoritzJonathan Adam Poritz
2006–2022：科罗拉多州立大学普韦布洛，普韦布洛，美国公司，美国数学与物理学系副教授； also: OER Coordinator [Fall 2020 - Spring 2022], Director, Center for Teaching and Learning [Spring 2018 - Fall 2020], and Data Analyst, Center for Teaching and Learning [2016 - Fall 2020] Courses: Intermediate Algebra, College Algebra, Statistics, Precalculus, Calculus I and II, Real Analysis, Complex Analysis, Number Theory and Cryptology, Vectors and Matrices, Linear Algebra, Math探索，数学编程，算法和数据，结构，像希腊语一样思考[希腊历史，哲学和希腊化的哲学和数学研讨会，年龄]，更高的几何形状，拓扑，拓扑概论，简短的课程“ cyberdefense证书”课程，“基本网络设计”，基本网络设计，Cryptology：Cryptology：Basics to Blogsics to Blockains to Blockchains Service：Checulty Service：Coptulty Service：Acculty Service：Acculty Servicty：2013-15，2013-15;参议院副主席，2014/15；教师手册委员会联席主席，2013/14年；信息技术委员会成员兼主席，2013 - 16年；有组织的部门研究研讨会；荣誉计划监督委员会；网络安全和区块链教育指导委员会； CSU-PUEBLO AAUP章副总裁监督：几项学生研究项目和独立研究，包括分形几何学，计算线性代数，生物信息学和密码学
电磁时空分化器
可以在空间和时间域中执行数学操作的时空光学计算设备可以提供前所未有的措施来构建高效且实时的信息处理系统。尤其重要的是要在紧凑的设计中实现综合功能，以更好地与电子组件整合。在这项工作中，我们基于非对称的跨表面的微波中的模拟时空区分剂实验表明，该微波在时空域中具有相位奇异性。我们表明，这种结构可以通过调整Spoof表面等离子体偏振子（SSPPS）的单向激发来引起理想的一阶区分和时间域中理想的一阶区分所需的时空传递函数。使用金属缝进行空间边缘检测，并通过不同宽度的高斯样时间脉冲检查设备的时间分化能力。我们进一步证实了此处证明的区别，即使有复杂的曲线，也可以检测到时空脉冲的急剧变化，理论上估计了空间和颞边检测的分辨率限制。我们还表明，通过此处实施的时空差异剂后的脉冲输入可以携带带有分形拓扑电荷的横向轨道角动量（OAM），从而进一步增加了信息数量。
![＃1570994064的记录版权表格：定量指标与tsushima游戏幽灵的顺序和场景景观的定量指标与主观评估之间的相关性[IEEE GEM 2024]](/simg/1\15a47feeed8f0b4888d43bc780397315eb48bd6d.webp)
＃1570994064的记录版权表格：定量指标与tsushima游戏幽灵的顺序和场景景观的定量指标与主观评估之间的相关性[IEEE GEM 2024]
摘要 - 与其相关的研究人员和设计师所付出了许多努力，将隐藏在元评估和虚拟现实技术中的潜力进行了努力，这使得元和虚拟现实的构建成为了一个趋势主题。在虚拟世界中，除虚拟体系结构外，虚拟景观还起着必不可少的作用。同时，尽管游戏中的景观构成了虚拟景观的重要组成部分，但电影和动画视觉效果中的景观在虚拟景观中也起着重要作用。与电影或动画中的景观相比，玩游戏可以被视为与游戏景观的主观互动，该游戏更接近与Metaverse或虚拟现实的互动（它们都显示出与虚拟景观的主观互动）。因此，本文将把游戏作为研究媒介。Tsushima游戏幽灵中美丽的景观获得了广泛的好评。因此，本文将基于Tsushima幽灵的游戏景观，以分析游戏景观的顺序和场景景观之间的相关性和主观评估。因此，这项研究的目的是找到定量度量指标之间的有意义的相关性（本文将是分形维度，这是游戏景观的复杂性水平）和主观语句，以提供设计建议，以构建游戏中虚拟景观。
奇异量子台球的多重分形特征函数
摘要：尽管数学文献中关于量子混沌的大量研究都集中在量子遍历性和疤痕等现象上，但在严格层面上，人们对形态更复杂的特征函数的存在知之甚少。物理学文献推测，动力学介于某些状态之间的量子系统（例如，在 Anderson 局部特征函数和非局部特征函数之间的过渡中，或在经典动力学介于可积性和混沌之间的系统中）的特征函数具有多重分形、自相似结构。迄今为止，在量子混沌的背景下，尚未获得关于此类系统的严格数学结果。我们在此首次严格证明，对于一类被广泛研究的中间量子系统，存在多重分形特征函数。具体来说，我们推导出半经典极限下与算术 ˘ Seba 台球的特征函数相关的 Renyi 熵的解析公式，因为相关特征值趋向于无穷大。我们还证明了更一般的非算术台球基态的多重分形性，并通过与 Epstein zeta 函数的函数方程建立联系，表明该状态下的分形指数满足与物理学文献中预测的对称关系类似的对称关系。
基于超扭转分数阶滑模控制的最优模型预测调节直流微电网直流侧电压
摘要：本文旨在从本质上调节电力系统扰动条件下直流微电网的直流母线电压。因此，提出了一种新型最优模型预测超扭转分数阶滑模控制 (OMP-STFOSMC)，用于三相交流-直流转换器，可有效提高微电网的稳定性和动态性能。传统的模型预测控制器严重影响动态稳定性，导致过冲、下冲和稳定时间过长。可以用滑模控制器代替这些传统控制器，以适当解决此问题。传统滑模控制器的主要缺点是控制信号中的高频抖动，这会影响系统，并且使其在实际应用中不令人满意且不可行。所提出的 OMP-STFOSMC 可以有效提高控制跟踪性能并减少高频抖动问题。随机分形搜索 (SFS) 算法因其高探索性和良好的局部最优规避能力而被用于最佳地调整控制器参数。考虑不同的运行条件来评估所提出的控制器的动态和无抖动性能。通过比较分析的仿真结果，可以观察到所提出的OMP-STFOSMC具有更好的动态稳定性特性。关键词：直流微电网，跟踪性能，抖动问题，OMP-STFOSMC，SFS算法
使用小波纹理分析和机器学习对骨质疏松X射线图像进行分类
摘要：骨质疏松症是一种由骨矿物质含量降低和骨微体系结构的变化所定义的疾病，对使用X射线图像进行准确分类构成了挑战。本文旨在从跟骨放射线照片中提取纹理特征，并选择最佳的纹理特征，这些特征可用于训练机器学习分类器模型以检测骨质疏松症。这项工作基于多分辨率分析和微结构分析，以表征来自跟骨X光片的小梁骨微体系结构。将图像转换为使用两级小波分解提取特征细节。结构纹理方法，例如局部二进制图案，分形维度和Gabor滤波器被应用于小波分解的图像。使用独立的样本t检验和特征选择方法选择了最具区别的纹理特征。机器学习模型是通过使用最佳纹理功能训练分类器来构建的，以从骨质疏松图像中对健康图像进行分类。使用包含跟骨放射线图像的公共挑战数据集评估了所提出方法的E ff。值得注意的是，最佳分类是通过使用正向特征选择选择的功能训练的K-Nearest邻居获得的，精度为78.24％。结果表明该方法作为低成本筛查骨质疏松症的可能替代工具的潜力。
对数学专家和新手的高密度脑电图数据的非线性和机器学习分析
神经科学的当前趋势是使用自然主义刺激，例如电影，课堂生物学或视频游戏，旨在在生态上有效的条件下了解大脑功能。自然主义刺激招募复杂和重叠的认知，情感和感觉脑过程。大脑振荡形成了此类过程的基本机制，此外，这些过程可以通过专业知识来修改。尽管大脑作为生物系统是高度非线性的，但通常通过线性方法分析人类皮质功能。这项研究应用了一种相对健壮的非线性方法，即Higuchi分形维度（HFD），将数学专家和新手的皮质功能分类为在脑电图实验室中解决长期且复杂的数学示范。脑成像数据是在自然主义刺激期间长期跨度收集的，可以应用数据驱动的分析。因此，我们还通过机器学习算法探讨了数学专业知识的神经标志。需要新颖的方法来分析自然主义数据，因为基于还原主义和简化研究设计的现实世界中脑功能的理论的表述既具有挑战性又可疑。数据驱动的智能方法可能有助于开发和测试有关复杂大脑功能的新理论。我们的结果阐明了HFD在复杂数学期间对数学专家和新手分析的不同神经签名，并将机器学习作为一种有前途的数据驱动方法，以了解专业知识和数学认知的大脑过程。
睡眠/唤醒周期影响脑弹性
摘要作为大脑发现临床应用的弹性结果，关于体内大脑的基线粘弹性的基本问题仍然是基本问题。此外，弹性措施如何以及为什么会随着时间变化的基本机制仍未得到充分了解。为了研究这些问题，在醒着条件下和睡眠状态下，在小鼠模型上实现了使用光学相干断层扫描仪的混响剪切波弹性，在大脑中淋巴流体系统发生已知变化的情况下。我们发现，在整个皮质脑成像体积中，剪切波速度是刚度的度量，在两个状态之间变化约12％，睡眠与清醒。我们的双相通道模型（Fluid Plus solid）组织提供了一个基于分形分支的血管和血管周围系统的流行性模型，再加上第二个平行系统，代表了晶状体尺度的GlyMphphatic scale尺度流体微通道。通过调整与已知的睡眠 /唤醒变化成正比的淋巴系统流体体积，我们能够近似预测所测得的剪切波速度及其变化，它们的变化与淋巴系统的状态。该模型的优点是其主要参数源自解剖学措施，并与包括Murray定律在内的分支流体结构的其他主要推导有关。对临床研究的影响是，大脑的弹性学受到血管，血管周期和糖浆系统的调节或失调的强烈影响。
发光硅纳米线生物传感器的未来前景
摘要：本文探讨了发光硅纳米线 (NW) 在商业生物传感纳米器件这一日益发展的领域中的应用前景，用于选择性识别蛋白质和病原体基因组。我们通过薄膜金属辅助化学蚀刻法制备了室温下发射波长为 700 nm 的量子限制分形硅纳米线阵列，产量高，成本低。光的多次散射和弱局域化产生的迷人光学特性促进了硅纳米线作为高灵敏度和选择性光学生物传感平台的使用。在这项研究中，无标记硅纳米线光学传感器经过表面改性，可通过抗原-基因相互作用选择性检测 C 反应蛋白。在这种情况下，我们报告的最低检测限 (LOD) 为 1.6 fM，提高了在唾液或血清分析中检测不同动态范围的灵活性。通过改变纳米线表面的功能化程度，使其适应特定抗原，纳米线生物传感器的发光猝灭可用于测量乙肝病毒病原体基因组，无需 PCR 扩增，在真实样本或血液基质中的 LOD 约为 20 份。令人鼓舞的结果表明，纳米线光学生物传感器可以以前所未有的灵敏度（LOD 2 × 10 5 sEV/mL）检测和分离标记有 CD81 蛋白的细胞外囊泡 (EV)，因此即使在少量囊胚腔液中也可以测量它们。