XiaoMi-AI文件搜索系统
World File Search System图论
神经形态计算是图灵完备的
神经形态计算是一种非冯·诺依曼计算范式，通过模拟人脑进行计算。神经形态系统非常节能，耗电量比 CPU 和 GPU 少数千倍。它们有可能在未来推动自动驾驶汽车、边缘计算和物联网等关键用例。因此，它们被视为未来计算领域不可或缺的一部分。神经形态系统主要用于基于脉冲的机器学习应用，尽管图论、微分方程和基于脉冲的模拟中也有一些非机器学习应用。这些应用表明神经形态计算可能具有通用计算能力。然而，神经形态计算的通用可计算性尚未建立。在这项工作中，我们证明了神经形态计算是图灵完备的，因此具有通用计算能力。具体来说，我们提出了一种神经形态计算模型，其中只有两个神经元参数（阈值和泄漏）和两个突触参数（权重和延迟）。我们设计了神经形态电路来计算所有 µ 递归函数（即常数、后继和投影函数）和所有 µ 递归运算符（即组合、原始递归和最小化运算符）。鉴于 µ 递归函数和运算符正是可以使用图灵机计算的函数和运算符，这项工作确立了神经形态计算的图灵完备性。
功能脑图分析与计算机测试有效鉴别轻度认知障碍
社区居住的非裔美国老人患轻度认知障碍 (MCI) 或阿尔茨海默病及相关痴呆症的可能性是老年白人的两倍，因此他们是需要早期监测的重要高危群体。由于成本和负担，更广泛的影像学或脑脊液研究存在重大障碍。我们将功能连接和图论测量（源自静息态脑电图 (EEG) 记录）与计算机化认知测试相结合，以基于社区居住的非裔美国老人样本识别 MCI 患者与健康对照者之间的差异。我们发现 MCI 患者的功能连接显著下降，图拓扑结构整合度较低。功能连接、拓扑和认知测量相结合对于预测 MCI 非常有效，而且综合测量方法比单一方法更有效。具体而言，通过将认知特征与功能连接和拓扑特征相结合，与使用单一认知或 EEG 域特征进行分类相比，预测结果有所改善，准确率为 86.5%，而最佳单一方法的准确率为 77.5%。居住在社区的非裔美国老年人认为 EEG 和计算机化测试可以接受，并且在区分健康对照者和居住在社区的 MCI 患者方面，结果很有希望。
使用现场声学传感和小波图信号分析进行基于线的定向能量沉积过程中的监测和缺陷检测
本研究的目的是利用现场传感器数据检测基于焊丝的定向能量沉积 (W-DED) 过程中的缺陷形成。本研究研究的 W-DED 类似于金属惰性气体电弧焊。W-DED 在工业上的应用受到限制，因为该过程易受随机和环境干扰的影响，这些干扰会导致电弧不稳定，最终导致缺陷形成，如孔隙度和不理想的几何完整性。此外，由于 W-DED 部件尺寸较大，很难使用 X 射线计算机断层扫描等非破坏性技术在处理后检测缺陷。因此，本研究的目标是使用从安装在电弧附近的声学传感器获取的数据来检测 W-DED 部件中的缺陷形成。为了实现这一目标，我们开发并应用了一种新颖的小波集成图论方法。该方法从受噪声污染的声学传感器数据中提取一个称为图拉普拉斯菲德勒数的单一特征，随后在统计控制图中跟踪该特征。使用这种方法，可以检测到各种类型缺陷的发生，误报率低于 2%。这项工作展示了使用高级数据分析进行 W-DED 现场监测的潜力。2022 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可证开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
神经影像学
静息状态大脑动力学的动态建模本质上依赖于用于模型推导和验证的经验神经影像数据。然而，对于磁共振成像流程以及模型中涉及的结构和功能连接组，仍然没有标准化的数据处理。因此，在本研究中，我们讨论了结构连接 (SC) 的扩散加权数据处理参数如何影响由 SC 指导的全脑数学模型的验证结果。为此，我们引入了一组模拟条件，包括用于提取 SC 的全脑纤维束成像 (WBT) 的不同数量的总流线、基于功能和解剖大脑特性的皮质分区以及不同的模型拟合模式。本研究的主要目的是探索模型验证的质量如何随着考虑的模拟条件而变化。我们观察到结构连接组的图论网络属性会受到不同纤维束成像密度的影响，并且与模型性能密切相关。我们还发现，WBT 的总流线的最佳数量会因不同的脑图谱而异。因此，我们提出了一种基于网络属性和来自多个 WBT 条件的最佳参数配置来改进模型性能的方法。此外，可以将受试者群体分层为具有不同行为的子组，这些行为是由不同的 WBT 密度引起的，这样就可以针对各个受试者和脑分区的数据处理提出不同的建议。
发作性和慢性偏头痛患者的脑网络结构特征
方法：纳入 19 名健康对照者 (HC)、17 名 EM 患者和 12 名 CM 患者。计算皮质厚度和皮质下体积，并使用图论分析框架和基于网络的统计数据分析拓扑结构。我们进一步使用支持向量机回归 (SVR) 来确定这些网络测量是否能够预测临床参数。结果：基于网络的统计数据显示，与 HC 相比，EM 和 CM 中包括额颞区、顶叶和视觉区在内的解剖区段之间的区域间连接强度明显较低。两组患者均观察到更高的分类性，其中 CM 的模块性高于 HC，EM 的传递性高于 HC。对于皮质下网络，两组患者均观察到更高的分类性和传递性，CM 的模块性高于 HC。SVR 显示，网络测量可以稳健地预测偏头痛患者的临床参数。结论：我们发现与 HC 相比，偏头痛患者的网络高度分离，这表明 EM 和 CM 的整体网络中断。 CM 的模块性较高但聚类系数较低，表明该组与 EM 相比存在更多隔离。隔离网络的存在可能是头痛相关脑回路适应不良重组的征兆，从而导致偏头痛发作或疼痛的继发性改变。
基于静息态功能磁共振成像数据的机器学习对重度抑郁症的诊断性能：系统评价与荟萃分析
结果：本荟萃分析纳入 31 项研究。汇总敏感性、特异性、DOR 和 AUC 及其 95% 置信区间分别为 0.80（0.75, 0.83）、0.83（0.74, 0.82）、14.00（9, 22.00）和 0.86（0.83, 0.89）。纳入的研究之间存在显著的异质性。元回归分析显示，留一交叉验证（loocv）（敏感度：p < 0.01，特异度：p < 0.001）、图论（敏感度：p < 0.05，特异度：p < 0.01）、n > 100（敏感度：p < 0.001，特异度：p < 0.001）、西门子设备（敏感度：p < 0.01，特异度：p < 0.001）、3.0T 场强（敏感度：p < 0.001，特异度：p = 0.04）和贝克抑郁量表（BDI）（敏感度：p = 0.04，特异度：p = 0.06）可能是造成异质性的来源。此外，亚组分析显示样本量（n > 100：敏感度：0.71，特异度：0.72，n < 100：敏感度：0.81，特异度：0.79），用汉密尔顿抑郁量表（HDRS/HAMD）评估的不同疾病程度（轻度vs.中度vs.重度：敏感度：0.52vs.0.86vs.0.89，特异度：0.62vs.0.78vs.0.82），严重程度相当的患者的抑郁量表。 （BDI 与 HDRS/HAMD：敏感度分别为：0.86 与 0.87，特异度分别为：0.78 与 0.80），所选的特征（图形与功能连接：敏感度分别为：0.84 与 0.86，特异度分别为：0.76 与 0.78）可能是造成异质性的原因。
探索三种冥想传统的大脑网络测量方法
对各种冥想练习之间的相似性和差异性的研究仍处于早期阶段。在这里，我们利用功能连接和图形测量，展示了对三种冥想传统的研究：喜马拉雅瑜伽 (HT)、Isha Shoonya (SNY) 和内观 (VIP)。冥想区块的 EEG 活动用于建立功能性大脑连接，以利用各种冥想传统和对照组之间的网络。支持向量机用于二元分类，并使用通过图论测量生成的特征构建模型。我们在 HT、SNY 和 VIP 中分别获得了 84.76% 的最大准确率（gamma1）、90% 的最大准确率（alpha）和 84.76% 的最大准确率（theta）。我们的主要发现包括：（a）内观禅修者的 delta 连接更高，（b）经检查，所有禅修者的左半球前额叶区域的 θ 网络同步性更强，（c）喜马拉雅禅修者和内观禅修者更多地参与了 γ2 处理，（d）所有禅修者的 θ 和 γ 波段左额叶活动贡献增加，（e）所有禅修传统的 γ 处理都广泛涉及模块化。此外，我们还讨论了这项研究对神经技术产品的意义，以便让初学者能够进行引导式冥想。关键词：EEG 信号；冥想；功能连接；图形测量；支持向量机；机器学习；脑电波；喜马拉雅瑜伽；Isha Shoonya；内观
上皮层刺激驱动脑电图相变的进化优势
通过人类和其他哺乳动物的脑电图记录监测的时空大脑活动已识别出 beta/gamma 振荡（20-80 Hz），这些振荡自组织成以 theta/alpha 速率（4-12 Hz）重复出现的时空结构。这些结构与受试者感知到的感觉刺激和强化事件具有统计学上的显著相关性。以 theta/alpha 速率反复坍塌的自组织结构会产生横向传播的相位梯度（相位锥），这些相位梯度在皮质片的某个特定位置被点燃。根据大脑动力学的电影理论，相位锥被解释为瞬时感知体验的神经特征。本质上各向同性的相位锥的快速扩张与全局工作空间理论 (GWT) 假设的感知广播的传播一致。以反复坍塌的动力学运作的大脑的进化优势是什么？这个问题使用热力学概念来回答。根据神经渗透理论，清醒的大脑被描述为在临界边缘运行的非平衡热力学系统，经历反复的相变。这项工作分析了长距离轴突连接和代谢过程在调节关键大脑动力学中的作用。从历史上看，接近 10 Hz 的域与有意识的感觉整合、与有意识的视觉感知相关的皮质“点火”以及有意识的体验有关。因此，我们可以结合大量的实验证据和理论，包括图论、神经渗透和 GWT。这种皮质操作方式可以优化快速适应新事物与稳定和广泛的自组织之间的权衡，从而产生显著的达尔文式好处。
印度理工学院罗尔基分校学术事务办公室
a) MAL-411：解析数论 b) MAL-412：组合理论 c) MAL-413：信用风险建模 d) MAL-414：微分几何 e) MAL-415：算法设计与分析 f) MAL-416：图论 g) MAL-41？：数学图像处理 h) MAL-418：数学建模与仿真 i) MAL-419：数论 j) MAL-420：统计机器学习。k) MAL-511：抽象谐波分析 I) MAL-512：高级复分析 m) MAL-513：高级矩阵理论 n) MAL-514：高级数值分析 0) MAL-515：高级运筹学 p) MAL-5 16：高级偏微分方程 q) MAL-51？：代数数论 r) MAL-518：代数拓扑 s) MAL-519：近似理论 t) MAL-520：编码理论 u) MAL-521：交换代数 v) MAL-522：计算流体动力学 w) MAL-523：控制理论 x) MAL-524：动力系统 y) MAL-525：流体动力学 z) MAL-526：傅里叶分析及应用 aa) MAL-52？：模糊集和模糊系统 bb) MAL-528：双曲守恒定律 cc) MAL-529：积分方程和变分法 dd) MAL-531：数学生物学 ee) MAL-532：数学密码学 ff) MAL-533：测度论 gg) MAL-534：多元技术 hh) MAL-535：数值线性代数 ii) MAL-536：算子理论 jj) MAL-53？：最优控制理论 kk) MAL-538：正交多项式和特殊函数 II) MAL-539：投资组合优化 mm) MAL-540：逆问题的正则化理论 nn) MAL-541：有限群的表示理论 00) MAL-542：半群理论与应用
电气电子工程学院
理学硕士（通信软件与网络） 课程核心课程 EE6108 计算机网络 学分：3 先决条件：无 第一学期 网络协议和服务。传输协议和服务。局域网。广域网和网络间互连。宽带和异步传输模式 (ATM) 网络。 EE6701 软件需求分析与设计 学分：3 先决条件：无 第一学期 软件工程概述。面向对象建模概念。对象建模。动态建模。功能建模。系统设计。对象设计。面向对象的方法和工具。 EE6703 多媒体网络 学分：3 先决条件：无 第一学期 多媒体网络简介。服务质量和流量特性。流量调度。多播机制。资源预留。多媒体通信协议。网络多媒体应用问题。 EE6711 面向对象软件开发 学分：3 先决条件：无 第一学期 软件开发平台、语言和环境。面向对象 C++ 实现。面向对象 JAVA 实现。分布式面向对象编程。面向对象编程语言比较研究。软件重用。选修课（选择任意四门课程）EE6104 网络性能分析 AU：3 先决条件：无 第一学期 概率论和图论回顾。排队论。队列网络。流量和拥塞控制。路由流量分配。数据网络中的受控和随机访问技术。电路交换的性能分析。EE6125 网络规划与管理 AU：3 先决条件：无 第二学期 网络性能问题。网络模拟与优化。网络运营、控制与维护。网络管理。网络管理数据库与工具。容量规划。网络安全与完整性。EE6205 实时与嵌入式系统 AU：3 先决条件：无 第一学期