XiaoMi-AI文件搜索系统
World File Search SystemTim
博士招生（非全日制） - 2025 年春季 - IIIT Sri City
研究领域（CSE）：基于代理的建模和模拟、算法、身份验证和访问控制、认知建模 - 关系模式、计算几何、计算机架构、计算机网络、密码学和网络安全、云/SDN 安全、网络安全、网络物理系统、数据分析、电子系统设计自动化、分布式算法、EEG 数据分析、嵌入式系统、系统架构、医疗信息学、高性能计算、人机交互、图像处理和计算机视觉、智能控制、机器/深度学习、多目标优化、自然语言处理、安全和区块链、自组织和自组装系统、软计算、空间/时空/多元统计建模、环境应用的统计和机器学习模型、文本数据挖掘/信息检索、VR/AR、无线传感器系统、人机交互、无人机、高级密码学、人工智能驱动的入侵检测系统、基于深度学习的生物信息学和计算生物学、
原始发表论文的引用（记录版本）：Yuan, M., Nyborg, L., Oikonomou, C. et al (2022)。时间和温度相关的软化
从经济角度来看，耐久性是热冲压模具的关键因素。通过沉积新材料而不是更换来翻新模具是一种降低成本的有效方法。为此，通过定向能量沉积的方式将一种新开发的马氏体时效钢 (NMS) 熔覆在热作工具钢上。经过优化的回火后，对熔覆的 NMS 进行高温暴露以检查抗软化性能。利用光学显微镜 (OM)、X 射线衍射 (XRD)、扫描电子显微镜 (SEM)、俄歇电子能谱 (AES) 和透射电子显微镜 (TEM) 的组合，系统地表征了材料的微观结构演变。熔覆钢中的沉淀物被鉴定为 Laves 相。该相的粗化被认为是钢在高温下热软化的主要原因。还使用修订的 Langer-Schwartz-Wagner (LSW) 模型模拟了粗化行为，该模型与实验观察结果非常吻合。此外，成功应用了沉淀强化数学模型来评估钢的软化行为。该模型可用于预测所研究的工具钢在高温使用过程中的硬度/强度变化。2022 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
秋季学期2024-2025的时间表-CSE IITB
CS 230 2 LH102数字逻辑设计和计算机架构Bhaskar Raman/Prof.Sayandeep Saha CS 635 10 CC 103超文本的信息检索和采矿和网络教授Soumen Chakrabarti
IMCOM-欧洲驻地旅行距离和时间
2022 年 5 月 30 日——USAG ANSBACH。美国班贝格陆军参谋长。美国陆军参谋长达姆施塔特。凯泽斯劳滕美国陆军航空队。美国陆军航空队海德堡分队。美国陆军参谋长曼海姆。IMCOM-欧洲。美国陆军参谋长斯金宁。USAG 布鲁塞尔。USAG 比荷卢经济联盟。
视觉模型的有效测试时间适应
通过预训练的视觉模型进行测试时间适应，引起了越来越多的关注，以应对测试时间的分离转移。尽管事先实现了非常有前途的性能，但它们会进行密集的计算，这与测试时间适应非常不规则。我们设计了TDA，这是一种无训练的动态适配器，可通过视觉模型进行有效，有效的测试时间适应。tda可与轻巧的键值缓存一起使用，该缓存维持具有很少射击伪标签的dy-namic队列作为值，而相应的测试样本特征则是键。杠杆键值缓存，TDA允许通过渐进式伪标签的细化逐渐调整数据，而逐步测试数据，而不会产生任何反向传播。此外，我们引入了负伪标记，即当模型不确定其伪标签预测时，通过将伪标签分配给某些负类时，可以减轻伪标签噪声的不利影响。在两个基准上进行的广泛实验表明，与最先进的艺术品相比，TDA的实体有效性和效率。该代码已在https：//kdiaaa.github.io/tda/中发布。
心血管疾病治疗的时间表
• Cardiovascular disease (CVD) remains the leading cause of death in the United States, accounting for 928,741 deaths in 2020.1 • In 2020, the leading cause of deaths attributable to CVD in the United States was coronary heart disease (CHD) at 41.2%, followed by stroke (17.3%), other CVD (16.8%), high blood pressure (12.9%), heart failure （9.2％）和动脉疾病（2.6％）。1•2018年至2019年美国，美国CVD总CVD的直接和间接成本为4073亿美元（直接成本为2514亿美元，生产率损失/死亡率为1559亿美元）。 1•平均而言，在美国，每36秒的CVD死亡。2•全球，CVD是死亡的主要原因，占2019年全球死亡的32％。1•2018年至2019年美国，美国CVD总CVD的直接和间接成本为4073亿美元（直接成本为2514亿美元，生产率损失/死亡率为1559亿美元）。1•平均而言，在美国，每36秒的CVD死亡。2•全球，CVD是死亡的主要原因，占2019年全球死亡的32％。
屏幕时间与青少年学习表现之间的关系
背景和目标：青年是一个敏感的时期，在此期间，习惯是一生。今天的一代人浪费了智能手机和其他电子媒体的时间，这使他们无法专注于学术和其他健康活动。本研究的目的是调查屏幕时间和学习成绩的问题。方法：这是一项基于社区的描述性横断面研究，在2020年1月至2021年12月之间的301名青少年中进行了10-18岁的青少年。使用访谈方法进行试验性测试的半结构调查表来引起回答，重点是基本的人口统计信息和屏幕时间。这项试点研究是针对REWA GMH儿科儿科诊所的健康青少年进行的，然后在Rewa县的采样学校中使用了相同的问卷（M.P.）。发现：在本研究中，有106名儿童（35％）属于青少年年龄段，174名（58％）属于中年年龄组，而青少年晚期的21岁（7％）。参与者成绩的平均百分比为74.6％。发现，随着屏幕时间的增加，获得的成绩的平均百分比降低。每天屏幕时间> 3个小时的63名（20.9％）的儿童平均成绩为62.1％，而不使用屏幕媒体的人的平均成绩为88.4％。这具有统计学意义，p值为<0.001。结论：青少年每天在计算机屏幕前花费3个小时可能会降低他们的学业表现。
使用实验室（HAXPE）和飞行次级离子质谱（TOF-SIMS）
如今，“更多的摩尔”和“超过摩尔”设备体系结构已大大提高了新型材料的重要性，从而需要提供适当的表征和计量，以实现可靠的过程控制。 例如，在多通道场效应设备或升高来源中使用的SIGE或SIP化合物的引入导致需要确定所得膜的精确组成。 在这项工作中，已经使用主要无损haxpes和TOF-SIMS研究了二进制材料（例如SIP和SIGE）的定量。 的确，虽然使用RB的主要障碍是薄膜的表征，但具有适当定量功能（例如Atom探针断层扫描和传输电子显微镜）的技术既耗时又耗时，并且由于其高度局部的分析量而缺乏灵敏度。 对于定量表征，常规的X射线光电子光谱（XPS）是一个强大的工具。 然而，其低分析深度仍然是研究掩埋界面的主要限制因素，尤其是在本研究中，因为所获得的基于SI的层在环境条件下被氧化（或者应该受到一些纳米计的金属层保护）。 ，由于电子在二元材料表面的化学组成和SIO 2在层中的深入分布，因此使用了一种基于实验室的硬X射线源（HAXPE），这既要归功于层次的SIO 2的深度分布，这要归功于电子的非弹性平均自由路径随光子能量增加的增加（铬Kα，Hν= 5414.7 ev）[1] [1]。如今，“更多的摩尔”和“超过摩尔”设备体系结构已大大提高了新型材料的重要性，从而需要提供适当的表征和计量，以实现可靠的过程控制。例如，在多通道场效应设备或升高来源中使用的SIGE或SIP化合物的引入导致需要确定所得膜的精确组成。在这项工作中，已经使用主要无损haxpes和TOF-SIMS研究了二进制材料（例如SIP和SIGE）的定量。的确，虽然使用RB的主要障碍是薄膜的表征，但具有适当定量功能（例如Atom探针断层扫描和传输电子显微镜）的技术既耗时又耗时，并且由于其高度局部的分析量而缺乏灵敏度。对于定量表征，常规的X射线光电子光谱（XPS）是一个强大的工具。然而，其低分析深度仍然是研究掩埋界面的主要限制因素，尤其是在本研究中，因为所获得的基于SI的层在环境条件下被氧化（或者应该受到一些纳米计的金属层保护）。，由于电子在二元材料表面的化学组成和SIO 2在层中的深入分布，因此使用了一种基于实验室的硬X射线源（HAXPE），这既要归功于层次的SIO 2的深度分布，这要归功于电子的非弹性平均自由路径随光子能量增加的增加（铬Kα，Hν= 5414.7 ev）[1] [1]。确认通过HAXPES测量获得的感兴趣材料的组成并计算出适当的相对灵敏因子（RSF），相同的膜以TOF-SIMS为特征。但是，例如Haxpes，SIP/SIGE层的次级离子质谱法（SIMS）表征通常由于p/ge含量的电离产量的非线性变化而受到基质效应。通过分析参考样本，遵循MCS 2+辅助离子或使用完整的光谱协议[2]，可以通过分析参考样品来超越此限制。最后，计算了次级离子束的P和GE（Si）组成，并将其与X射线衍射确定的参考组成进行比较。还研究了测量值的可重复性和层氧化的影响。得出结论，通过将haxpes结果与TOF-SIM耦合，准确评估了层的深入组成和表面氧化物的厚度。
