XiaoMi-AI文件搜索系统
World File Search System数学系
Microsoft Word - 2008 年 6 月 1 日带照片的新简历.doc
姓名 Kusum Deep 婚前姓 Kusum Shanker 官方地址 印度理工学院鲁尔基分校数学系副教授，鲁尔基 – 247667，印度 住宅地址 House No. 413/4, 35 – A, Civil Lines, 鲁尔基 – 247667，印度 电话 ++91 – (0) 1332-285339（办公室） ++91 – (0) 1332-275334（住宅） 手机 9837164078 传真 ++91 – (0) 1332-273560 电子邮件 kusumfma@iitr.ernet.in kusumdeep@gmail.com 官方网站http://www.iitr.ernet.in/departments/MA/people/faculty/facthtml/kusumfma.htm 出生日期 1958 年 8 月 15 日 出生地点 印度，贾朗达尔 专业 数学 数值优化技术 并行计算 教学/研究经历 研究员科学家，CBRI，鲁尔基 1988 年 6 月 15 日至 1989 年 12 月 19 日 科学家 C，CBRI，鲁尔基 1989 年 12 月 20 日至 1996 年 6 月 24 日 助理教授，数学系，印度理工学院，鲁尔基 1996 年 6 月 25 日至 2004 年 5 月 4 日 副教授，数学系，印度理工学院，鲁尔基 2004 年 5 月 5 日至今
Microsoft Word - 2008 年 6 月 1 日带照片的新简历.doc
姓名 Kusum Deep 婚前姓 Kusum Shanker 官方地址 印度理工学院鲁尔基分校数学系副教授，鲁尔基 – 247667，印度 住宅地址 House No. 413/4, 35 – A, Civil Lines, 鲁尔基 – 247667，印度 电话 ++91 – (0) 1332-285339（办公室） ++91 – (0) 1332-275334（住宅） 手机 9837164078 传真 ++91 – (0) 1332-273560 电子邮件 kusumfma@iitr.ernet.in kusumdeep@gmail.com 官方网站http://www.iitr.ernet.in/departments/MA/people/faculty/facthtml/kusumfma.htm 出生日期 1958 年 8 月 15 日 出生地点 印度，贾朗达尔 专业 数学 数值优化技术 并行计算 教学/研究经历 研究员科学家，CBRI，鲁尔基 1988 年 6 月 15 日至 1989 年 12 月 19 日 科学家 C，CBRI，鲁尔基 1989 年 12 月 20 日至 1996 年 6 月 24 日 助理教授，数学系，印度理工学院，鲁尔基 1996 年 6 月 25 日至 2004 年 5 月 4 日 副教授，数学系，印度理工学院，鲁尔基 2004 年 5 月 5 日至今
Microsoft Word - 2008 年 6 月 1 日带照片的新简历.doc
姓名 Kusum Deep 婚前姓 Kusum Shanker 官方地址 印度理工学院鲁尔基分校数学系副教授，鲁尔基 – 247667，印度 住宅地址 House No. 413/4, 35 – A, Civil Lines, 鲁尔基 – 247667，印度 电话 ++91 – (0) 1332-285339（办公室） ++91 – (0) 1332-275334（住宅） 手机 9837164078 传真 ++91 – (0) 1332-273560 电子邮件 kusumfma@iitr.ernet.in kusumdeep@gmail.com 官方网站http://www.iitr.ernet.in/departments/MA/people/faculty/facthtml/kusumfma.htm 出生日期 1958 年 8 月 15 日 出生地点 印度，贾朗达尔 专业 数学 数值优化技术 并行计算 教学/研究经历 研究员科学家，CBRI，鲁尔基 1988 年 6 月 15 日至 1989 年 12 月 19 日 科学家 C，CBRI，鲁尔基 1989 年 12 月 20 日至 1996 年 6 月 24 日 助理教授，数学系，印度理工学院，鲁尔基 1996 年 6 月 25 日至 2004 年 5 月 4 日 副教授，数学系，印度理工学院，鲁尔基 2004 年 5 月 5 日至今
学者工程与技术杂志缩写关键标题：Sch J Eng Tech ISSN 2347-9523（印刷版）| ISSN 2321-435X（在线） 期刊主页：https://saspublishers.com 应用人工智能算法预测镰状细胞危机可能性 Essang Samuel Okon 1*、Kolawole Olamide Michael 1、Runyi Emmanuel Francis 2、Ante Jackson Efiong 3*、Ogar-Abang Micheal Obi 1、Auta Jonathan Timothy 4、Okon Paul Edet 5、Effiong Raphael Dominic 6、Ukim Akanimo Jimmy 5 1 尼日利亚阿克帕布约亚瑟贾维斯大学数学与计算机科学系 2 尼日利亚乌盖普联邦理工学院统计系 3 尼日利亚姆克帕塔克 Topfaith 大学数学系 4 尼日利亚阿布贾非洲科技大学纯数学与应用数学系 5 电气/电子学系Topfaith 大学，尼日利亚姆克帕塔克 6 卡拉巴尔大学数学系，尼日利亚卡拉巴尔 DOI：https://doi.org/10.36347/sjet.2024.v12i12.008 | 收到日期：2024 年 11 月 9 日 | 接受日期：2024 年 12 月 16 日 | 出版日期：2024 年 12 月 26 日 * 通讯作者：Essang Samuel Okon；Ante Jackson Efiong 亚瑟贾维斯大学数学与计算机科学系，尼日利亚阿克帕布约；Topfaith 大学数学系，尼日利亚姆克帕塔克
学者工程与技术杂志缩写关键标题：Sch J Eng Tech ISSN 2347-9523（印刷版）| ISSN 2321-435X（在线） 期刊主页：https://saspublishers.com 应用人工智能算法预测镰状细胞危机可能性 Essang Samuel Okon 1*、Kolawole Olamide Michael 1、Runyi Emmanuel Francis 2、Ante Jackson Efiong 3*、Ogar-Abang Micheal Obi 1、Auta Jonathan Timothy 4、Okon Paul Edet 5、Effiong Raphael Dominic 6、Ukim Akanimo Jimmy 5 1 尼日利亚阿克帕布约亚瑟贾维斯大学数学与计算机科学系 2 尼日利亚乌盖普联邦理工学院统计系 3 尼日利亚姆克帕塔克 Topfaith 大学数学系 4 尼日利亚阿布贾非洲科技大学纯数学与应用数学系 5 电气/电子学系Topfaith 大学，尼日利亚姆克帕塔克 6 卡拉巴尔大学数学系，尼日利亚卡拉巴尔 DOI：https://doi.org/10.36347/sjet.2024.v12i12.008 | 收到日期：2024 年 11 月 9 日 | 接受日期：2024 年 12 月 16 日 | 出版日期：2024 年 12 月 26 日 * 通讯作者：Essang Samuel Okon；Ante Jackson Efiong 亚瑟贾维斯大学数学与计算机科学系，尼日利亚阿克帕布约；Topfaith 大学数学系，尼日利亚姆克帕塔克
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
http://dx.doi.org/10.18576/jsap/130308使用机器学习Azhari A. Elhag A. Elhag数学系的结核病预测和分类
摘要：结核病可能是致命的，如果没有治疗，则是一种传染病，主要影响肺部，也可能影响体内其他器官。根据世界卫生组织（WHO）的说法，结核病仅在造成的死亡人数方面仅次于Covid-19，并且是总体上第十三大死亡原因。因此，需要为结核病的发病率和分类构建预测模型，这有助于识别结核病扩散并监测结核病的各种趋势和模式的群体和地点。开发这些模型是必要的，因为它们有助于识别分散结核病的群体和位置。人工网络模型和决策树模型用于使用结核病病例数据在美利坚合众国预测和分类结核病病例。结果表明，决策树模型（DT）比人工神经网络（ANN）更准确。
亚历山大·兹洛卡帕
研讨会 • 博洛尼亚大学数学系，2024 年。 • 统计物理和 ML 期刊俱乐部，巴黎高等师范学院，2024 年。 • QuSoft 研讨会，CWI，阿姆斯特丹，2024 年。 • 量子计算研讨会，塔夫茨大学，2024 年。 • Phasecraft，布里斯托尔，2024 年。 • 加州大学伯克利分校数学系 Lin Lin 小组，2024 年。 • NTT 理论量子信息研究中心，2024 年。 • 东京大学物理系 Mio Murao 小组，2024 年。 • 量子物质研讨会，哈佛大学，2023 年。 • 普渡大学，2021 年。 • 剑桥量子计算 (CQC)，2020 年。 • AI-at-SLAC 研讨会，斯坦福线性加速器中心，2019