ОКВЭД — слово года для российских предпринимателей

Так обозначают код деятельности компаний и ИП. Из-за ОКВЭДов у значительной части бизнесменов возникли проблемы с получением госпомощи. Как бы то ни было, у предпринимателей оно весь год было в ходу. Что они рассказывали Business FM?

ОКВЭД, или общероссийский классификатор видов экономической деятельности. Эта аббревиатура стала самой модной в российском бизнесе в 2020 году. Когда государство весной объявило о мерах поддержки предпринимателей, многие начали писать заявления, обращаться в банки — и получили отказы, потому что их ОКВЭДы не совпадают с теми, что указало правительство в списке пострадавших отраслей.

Эти коды есть у всех российских предпринимателей. Но у кого-то нужный ОКВЭД оказался не основным, и в помощи отказали. А кто-то вообще работал под кодом, который к его непосредственной деятельности отношения не имеет. Это не запрещено. Но во время пандемии это стало главной проблемой пострадавших бизнесменов. И в почте редакции, куда обращались предприниматели весной и летом, чуть ли не в каждом письме было слово ОКВЭД. Доходило до курьезов.

Business FM рассказали историю московской владелицы салонов красоты Алены. У нее всегда был правильный ОКВЭД. Но потом он таинственным образом изменился. И из парикмахера предприниматель превратилась в производителя крупного рогатого скота и поставщика спермы буйволов. В помощи Алене отказали.

Или история владельца подмосковного рыболовного клуба Алексея. Он по коду деятельности занимается торговлей и сельским хозяйством. Все верно — разводит рыбу и продает. Но зарабатывал он деньги благодаря тому, что люди приезжали к нему рыбачить. А это уже спорт, во время пандемии он был запрещен. Но по ОКВЭДу помощь от государства Алексей не получил.

Руководителю фотосалона Елене и вовсе пришлось сменить профессию. Фотоателье — это услуги, место, где, по мнению властей, скапливаются люди. И поэтому такие салоны по всей стране закрыли. Причем печатать фотографии им было можно, а вот фотографировать запретили. Но ОКВЭД этой деятельности в список пострадавших отраслей не внесли. Соответственно, помощь бизнес не получил. Предприниматель попробовала устроиться на биржу труда. Не взяли, потому что она в своем ателье числилась гендиректором. Тогда Елене-руководителю не осталось ничего другого, кроме как стать Еленой-курьером.

Нельзя сказать, что власти не услышали эту проблему и не решали ее. Список кодов деятельности пострадавшей отрасли постоянно дополнялся. А потом по предложению Минэкономики малому и среднему бизнесу разрешили до 1 июля уточнить свой основной ОКВЭД, чтобы не лишиться господдержки. Вот только несколько месяцев остановленный бизнес фактически не мог получить помощь. А вот, например, что в интервью Business FM еще в апреле говорил президент банка «Открытие» Михаил Задорнов:

Михаил Задорнов президент банка «Открытие»

Но помимо ОКВЭД в 2020 году в рядах бизнеса было популярным другое, пусть и не такое модное слово. Это тоже аббревиатура: СЗВ-М. Это справка о численности персонала, которую компании каждый месяц сдают в Пенсионный фонд, а он передает данные в налоговую. И от нее тоже многое зависело, потому что помощь выдавали тем, кто не сокращал сотрудников. А сведения о персонале как раз черпаются из этой справки. Но дело в том, что Пенсионный фонд зачастую не успевает вовремя передать эти данные в налоговую. Мы в эфире рассказывали историю московского предпринимателя Кристины, которой отказали в помощи, потому что вышеупомянутая справка не пришла в базу ФНС в положенный срок. И, судя по всему, кто надо это услышал.

А еще был случай московского предпринимателя Ирины Поповой. Летом она подала в Сбербанк заявку на льготный кредит под 2%, который в случае сохранения штата возвращает государство. Ирине дали в два раза больше, чем она просила. Выяснилось, что банк использовал данные о штате за апрель, самые свежие на тот момент. Хотя должен был брать информацию за май. Но в мае штат сократился, и получалось, что Ирина не выполнила условия льготного кредита. Ей пришлось бы возвращать этот кредит самостоятельно и по ставке в 15%. И снова кто надо об этом услышал. После выхода материала в эфир в редакцию позвонили из аппарата премьер-министра Михаила Мишустина и попросили дать контакты. Вот что Ирина рассказала нам после этого:

Потом правительство внесло изменения в закон, разрешив предпринимателям уточнить данные о персонале за май. Как нам рассказывали в Минэкономразвития, это коснулось шести тысяч российских бизнесменов. Осенью большая часть программ поддержки закончилась. Но предприниматели явно не скоро забудут пандемийные месяцы — и то, сколько раз на дню им приходилось думать и про СЗВ-М, и про свои ОКВЭДы и произносить эти слова.

Этот материал доступен в виде подкаста. Подписывайтесь на «Тренды и бренды 2020 от Business FM».

Добавить BFM.ru в ваши источники новостей?

Кодировать и декодировать отдельные значения (CSV, PSV, …)

sv (отдельные значения) – это библиотека для синтаксического анализа, декодирования, кодирования и печать CSV и подобных форматов (таких как PSV, TSV и многие другие).

sv использует стиль комбинатора Applicative для декодирования и кодирования, скорее чем подход на основе классов типов. Это означает, что у нас может быть несколько декодеров. для одного и того же типа, несколько комбинаторов одного типа, и у нас никогда не бывает беспокоиться о бесхозных экземплярах.Эти декодеры можно сшить из предоставлены примитивы и комбинаторы, или вы можете создать их из парсера из вашей любимой библиотеки комбинаторов парсеров.

Для синтаксического анализа sv использует hw-dsv, высокопроизводительный потоковый анализатор CSV, основанный на структурах данных выбора ранга. sv работает с UTF-8, а также с CP-1252. Это не работает с UTF-16 или UTF-32.

sv возвращает значения для всех возникающих ошибок, а не только для первой. Ошибки есть больше структуры, чем просто строка, указывающая, что пошло не так.

sv старается не иметь мнения о том, как должны выглядеть ваши данные. Мы намерены пользователь имеет большую степень свободы для создания правильного декодера для их набор данных.

Части sv предназначены для импорта следующим образом:

 import Data.Sv
импортировать квалифицированные Data.Sv.Decode как D
импортировать квалифицированные Data.Sv.Encode как E
 

Примеры:

Чтобы добиться максимальной производительности, синтаксический анализатор hw-dsv и его зависимости базовый sv должен быть скомпилирован с флагом + bmi2 для включения.Эти библиотеки: bit-extra , hw-rankselect , hw-rankselect-base и ХВ-ДСВ . Простой способ установить флаги для всех при построении с cabal должен включить в ваш проект файл cabal.project, содержащий примерно так:

 пакетов:.
пакет бит-экстра
  флаги: + bmi2
пакет hw-rankselect
  флаги: + bmi2
пакет hw-rankselect-base
  флаги: + bmi2
пакет hw-dsv
  флаги: + bmi2 

Уголок обслуживающего персонала

Для сопровождающих пакетов и опекунов

Кандидаты

Идеи декодирования нейронной популяции и психофизики человека – Орегонский университет здоровья и науки

TY – GEN

T1 – Включение тритонового парадокса в контекст

T2 – Идеи декодирования нейронной популяции и психофизики человека

AU – Englitz, Bernhard

AU – Акрам, С.

AU – Дэвид, SV

AU – Chambers, C.

AU – Pressnitzer, Daniel

AU – Depireux, D.

AU – Fritz, JB

AU – Shamma, Shihab A.

PY – 2013

Y1 – 2013

N2 – Контекст, в котором возникает стимул, может влиять на его восприятие. Мы изучаем контекстные эффекты при прослушивании с помощью парадокса тритонов, когда пара сложных тонов (Шепарда), разделенных половиной октавы, может восприниматься как восходящая или нисходящая.Хотя они неоднозначны по отдельности, они слышны с явным изменением высоты тона вверх или вниз, когда им предшествуют спектрально согласованные последовательности смещения. Мы представили эти предвзятые пары Шепарда бодрствующим хорькам и получили ответы нейронов первичной слуховой коры. Используя уменьшение размерности из ответа нейронной популяции, мы декодируем воспринимаемую высоту звука для каждого тона. Установлено, что последовательность смещения надежно смещает воспринимаемую высоту тона от его центральной частоты. Используя человеческую психофизику, мы предоставляем доказательства того, что этот сдвиг в тональности присутствует и в активном человеческом восприятии.Эти результаты несовместимы со стандартным декодером абсолютного расстояния для тонов Шепарда, который предсказал бы смещение для привлечения тонов. Мы предлагаем относительный декодер, который учитывает историю стимулов и согласуется с настоящими и другими наборами данных.

AB – Контекст, в котором возникает стимул, может влиять на его восприятие. Мы изучаем контекстные эффекты при прослушивании с помощью парадокса тритонов, когда пара сложных тонов (Шепарда), разделенных половиной октавы, может восприниматься как восходящая или нисходящая.Хотя они неоднозначны по отдельности, они слышны с явным изменением высоты тона вверх или вниз, когда им предшествуют спектрально согласованные последовательности смещения. Мы представили эти предвзятые пары Шепарда бодрствующим хорькам и получили ответы нейронов первичной слуховой коры. Используя уменьшение размерности из ответа нейронной популяции, мы декодируем воспринимаемую высоту звука для каждого тона. Установлено, что последовательность смещения надежно смещает воспринимаемую высоту тона от его центральной частоты. Используя человеческую психофизику, мы предоставляем доказательства того, что этот сдвиг в тональности присутствует и в активном человеческом восприятии.Эти результаты несовместимы со стандартным декодером абсолютного расстояния для тонов Шепарда, который предсказал бы смещение для привлечения тонов. Мы предлагаем относительный декодер, который учитывает историю стимулов и согласуется с настоящими и другими наборами данных.

UR – http://www.scopus.com/inward/record.url?scp=848846

UR – http://www.scopus.com/inward/citedby.url?scp=848846

У2 – 10.1007 / 978-1-4614-1590-9_18

DO – 10.1007 / 978-1-4614-1590-9_18

M3 – Участие в конференции

C2 – 23716220

AN – SCOPUS: 848846

SN – 97814614

T3 – Достижения в экспериментальной медицине и биологии

SP – 157

EP – 164

BT – Основные аспекты слуха

PB – Springer Science and Business Media, LLC

ER –

Расшифровка динамических аффективных реакций на естественные видео с общими нейронными паттернами

Основные моменты

•

Предыдущие исследования извлекали аффективные нейронные репрезентации, вызывая короткие и изолированные эпизоды эмоций.

•

Неясно, могут ли эти нейронные репрезентации улавливать динамические аффективные изменения в естественных условиях.

•

Мы создаем нейронные классификаторы аффекта от просмотра изображений для декодирования динамических реакций во время просмотра трейлеров фильмов.

•

Декодированные временные ряды видео коррелировали с итоговыми оценками внутри выборки и непрерывными оценками вне выборки.

•

Результаты показывают возможность декодирования динамических ответов на натуралистический опыт с помощью предварительно обученных нейронных классификаторов.

Abstract

В этом исследовании изучалась возможность использования общих нейронных паттернов из коротких аффективных эпизодов (просмотр аффективных картинок) для декодирования расширенных динамических аффективных последовательностей в натуралистическом опыте (просмотре трейлеров к фильмам). Двадцать восемь участников просмотрели изображения из Международной системы аффективных изображений (IAPS), а в отдельном сеансе просмотрели различные трейлеры к фильмам. Сначала мы локализовали воксели в двусторонней затылочной коре (LOC), реагирующие на категории аффективных изображений, с помощью GLM-анализа, а затем выполнили гиперцентрирование между субъектами на вокселях LOC на основе их ответов во время просмотра трейлера фильма.После переназначения мы обучили классификаторы машинного обучения между предметами на аффективных изображениях и использовали классификаторы для декодирования аффективных состояний участника вне выборки как во время просмотра изображений, так и во время просмотра трейлера фильма. Внутри участников нейронные классификаторы определили категории валентности и возбуждения картинок и отслеживали валентность и возбуждение, о которых сообщали сами участники, во время просмотра видео. В совокупности нейронные классификаторы производили временные ряды валентности и возбуждения, которые отслеживали динамические рейтинги трейлеров к фильмам, полученные из отдельной выборки.Наши результаты обеспечивают дополнительную поддержку возможности использования предварительно обученных нейронных представлений для декодирования динамических аффективных реакций во время натуралистического опыта.

Рекомендуемые статьиЦитирующие статьи (0)

© 2020 Авторы. Опубликовано Elsevier Inc.

Рекомендуемые статьи

Цитирующие статьи

Wireshark · Ссылка на фильтр отображения: Выборочные значения IEC61850

Электрооптическое пространственное декодирование кулоновских полей сферического фронта плазменных источников электронов

Установка для диагностики ЭО

Управляющий лазер мощностью 10 ТВт, 40 фс (FWHM) фокусировался внеосевым параболическое зеркало конической струи газа гелия диаметром 3 мм для генерации релятивистских электронов (подробности см. в разделе «Методы»).Для выполнения отбора проб ЭО использовался кристалл GaP с разрезом (110) толщиной 50 мкм и толщиной м с оптической осью [-1, 1, 0], перпендикулярной возбуждающему лазеру в направлении распространения. Пробный лазер 40 фс (FWHM) падал через кристалл EO для выполнения пространственного декодирования. Относительный угол между зондирующим лазером и приводным лазером был установлен равным θ _p = 44 °. Мы отметили, что, в отличие от обычных ускорителей, на пути луча всегда присутствует остаточный интенсивный возбуждающий лазер вместе с электронным сгустком, как показано на рис.1.

Схема обнаружения ЭО. Временные профили электронного пучка измерялись в двух различных положениях с продольными расстояниями 2,2 мм и 1,5 м от выхода газовой струи. P и A обозначают пару поляризаторов с направлением поляризации, ортогональным друг другу. Съемный электромагнит использовался для измерения энергии электронов. Как сигналы ЭО, так и сигналы электронных спектров регистрировались 16-битными ПЗС-матрицами, соединенными с оптическими системами формирования изображений. Время действия зондирующего лазера можно непрерывно изменять с помощью ступени задержки.Электронные пучки проходили через съемный электромагнит, соединенный со свинцовой щелью 2 мм, и регистрировались на люминофорном экране Gd ₂ O ₂ S: Tb ​​(Mitsubishi Chemical, DRZ-High). Фильтр из алюминия 100 мкм и мкм был помещен перед DRZ для блокировки видимого света.

Кристалл EO может быть поврежден сильным излучением переданного импульса управляющего лазера. Порог разрушения кристалла GaP фемтосекундным лазером составил ∼ 4,3 мДж / см ^{2 36} .Поскольку электрическое поле электронного луча имеет угол раскрытия 2/ γ ³³ , поля становятся шире и слабее с увеличением поперечного расстояния. Кристалл ЭО должен располагаться очень близко к оси приводного лазера. В эксперименте точка регистрации зондирующего лазера (центр зонда) на кристалле ЭО устанавливалась на расстоянии 1,5 мм от оси лазера. Принимая во внимание лазерный импульс 400 мДж и световой конус F / 20, кристалл GaP следует размещать на расстоянии не менее 2 м от цели, чтобы избежать повреждения.Однако даже когда мы поместили кристалл ЭО на расстоянии 1,5 м от мишени, сигналы ЭО практически не наблюдались в эксперименте. Причины включают: (1) Сгустки электронов, ускоренных лазерным кильватерным полем, всегда имеют более широкий разброс по энергии, чем у обычных ускорителей. Для большого расстояния распространения длительность электронного сгустка будет увеличена из-за запаздывания по времени распространения между электронами с разной энергией. Пиковые токи резко упадут; (2) Существующие расходимости в несколько мрад приводят к размеру электронного пятна ∼ см на большом расстоянии распространения.Плотность заряда может снизиться на несколько порядков; (3) Из-за флуктуации наведения электронный пучок может достигать позиций с таким большим поперечным расстоянием от кристалла EO, что напряженность поля слишком мала для обнаружения.

Решение было найдено, поместив кристалл ЭО очень близко к мишени. Как показано на рис. 1, кристалл находился на расстоянии 2,2 мм ниже по потоку от выхода из мишени. При таком же поперечном смещении кристалл мог бы находиться за пределами светового конуса переданного возбуждающего лазера.Кроме того, на таком расстоянии ослабление электрического поля в результате расходимости электронного пучка и разброса энергии незначительно. На рис. 2 показаны типичные экспериментальные результаты сигналов ЭО и соответствующих сигналов электронного энергетического спектра. Чтобы проверить источник сигнала ЭО, мы взяли данные в трех разных случаях: (i) без газа; (ii) с газом, но электронных пучков не наблюдалось; (iii) генерировались электронные пучки. В качестве фона использовались данные случая (i). Что касается случая (ii), мы обнаружили, что, когда плотности газа были относительно низкими, никаких электронных пучков не наблюдалось, что свидетельствует о том, что напряженность кильватерного поля была ниже порога самоинжекции ³ .{19} \) см ⁻³ ), также наблюдались сигналы ЭО, как показано на рис. 2 (б). Соответствующий энергетический спектр электронов показан на рис. 2 (г). Это сравнение показало, что сигналы ЭО генерируются электрическим полем, сопровождающим электронные пучки.

Типичные сигналы ЭО и соответствующие энергетические спектры электронов. Сигналы ЭО показаны в: ( a ), когда не генерировались электронные пучки при более низкой плотности плазмы; ( b ), когда электронные пучки генерировались при более высокой плотности плазмы.Соответствующие электронные спектры показаны в ( c ) и ( d ) соответственно. Координаты X и Y в ( a ) и ( b ) обозначают измеренное смещение на ПЗС-матрице. Красная стрелка показывает направление синхронизации прихода сигнала. Цветные полосы обозначают интенсивность сигнала на ПЗС-матрице. В эксперименте интенсивность фонового ЭО сигнала составляет ∼1600.

Измерение взаимосвязи временного отображения

Типичные профили сигналов EO имеют изогнутую структуру, как показано на рис.2 (b), что означает, что верхняя и нижняя части сигнала в вертикальном направлении имеют небольшую разницу во времени прихода на кристалл EO. Это говорит о том, что волновой фронт кулоновского поля не является полностью плоской волной. Чтобы проверить направление распространения кулоновского поля, мы проверили зависимость смещения сигнала от различных настроек задержки зондирующего лазера при плотности плазмы 3,5 × 10 ¹⁹ см ⁻³ , где генерировались электронные пучки с относительно стабильным временем.{+1.8} \)) мрад (FWHM) в горизонтальном и вертикальном направлениях. Поскольку кристалл EO был расположен на расстоянии 2,2 мм от выхода плазмы, такие небольшие флуктуации практически не влияли на обнаружение соотношения временного картирования.

Сигналы ЭО были получены при четырех различных задержках зонда: 3,2 мм, 3,5 мм, 3,8 мм, 4,1 мм (относительное значение), как показано на рис. 3 (a – d), соответственно. Чтобы исключить флуктуации «выстрел за выстрелом», была проведена статистика положений пиков 20 последовательных сигналов ЭО при каждой задержке зонда, как показано на рис.3 (е). Средние позиции обозначены черными точками, а стандартные отклонения обозначены полосами ошибок. Из этого измерения мы можем вывести соотношение временного отображения между смещением сигнала ξ и временным изменением cτ путем линейной аппроксимации, как показано красной пунктирной линией на рис. 3 (e). Соответствующее соотношение: ξ = 0,58 cτ – ξ ₁ , где ξ ₁ представляет собой относительное начальное значение.Таким образом, измеренное соотношение временного отображения можно записать как c Δ τ = 1,72Δ ξ . К нашему удивлению, наклон 0,58 подобранной красной пунктирной линии был намного меньше, чем 1 / tan θ _p ≈ 1,04 на основе c Δ τ = Δ ξ tan θ _p , как показано синей пунктирной линией с той же начальной точкой на рис. 3 (e). Это измерение как-то несовместимо с предыдущим предположением о том, что кулоновское поле релятивистского электронного пучка сжимается в виде узкого конуса, перпендикулярного пути электрона, и распространяется вдоль направления движения электрона ^{22,23,24,25,26,28,29 , 30,31,32,33} .Меньший наклон графика означал, что относительный угол между зондирующим лазером и направлением распространения волнового фронта кулоновского поля намного больше, чем θ _p .

Измерение взаимосвязи временного сопоставления. Профили сигналов EO в одной и той же вертикальной области при четырех разных задержках зонда показаны в ( a – d ). Сигналы смещались слева направо с одинаковыми интервалами. Нулевое положение относительного смещения сигнала обозначает левый край ПЗС-кристалла.Статистика сигнала EO и линейная аппроксимация взаимосвязи временного отображения показаны в ( e ). Красная пунктирная линия обозначает линейную аппроксимацию результатов эксперимента, а синяя пунктирная линия иллюстрирует график, основанный на ранее использованном соотношении временного картирования c Δ τ = Δ ξ tan θ _p .

Расчет потенциала Льенара – Вихерта

Чтобы понять физику эволюции кулоновского поля, мы вычислили потенциал Льенара – Вихерта одиночного электрона с энергией 30 МэВ.{3}}]} _ {ret} $$

(1)

, где ε ₀ – диэлектрическая проницаемость вакуума, « ret » означает, что поле рассчитывается в запаздывающий момент времени, R – это расстояние от источника до наблюдателя, \ (\ overrightarrow {n} = \ overrightarrow {R} / R \) и γ = 1 / (1 – β ² ) ^1/2 . Предполагая, что в момент времени t электрон находится в позиции A ( βct , 0). Электрическое поле в точке C (X, Y) было создано в более раннее время, когда электрон находился в позиции B.{2})} \).

Расчет кулоновского поля одиночного электрона. ( a ) иллюстрирует схему расчета. Вектор \ (\ overrightarrow {AH} \) и \ (\ overrightarrow {HC} \) можно представить как \ (\ overrightarrow {{\ rm {\ Delta}} {\ rm {x}}} \) и \ (\ overrightarrow {{\ rm {\ Delta}} {\ rm {y}}} \); ( b – d ) показать ln | E _y | распределения на площади 2 мм × 2 мм при временах распространения электронов 3.3 пс, 3,3 и 33 нс соответственно. Черные точки в ( b – d ) обозначают положения электронов в соответствующие моменты времени.

Электрические поля экранируются, когда электрон находится внутри плазмы. То есть, когда положение источника B ( βct – βR , 0) находится слева от оси Y, напряженность поля в точке наблюдения C должна быть 0. {3}}]} _ {ret}, & \ beta ct- \ beta R \ ge 0.\\ 0, & \ beta ct- \ beta R <0. \ end {array} $$

(2)

, где sign – знаковая функция со значениями sign ( x ) = (1, x> 0; 0, x = 0; −1, x <0) и θ определяется sin \ (\ theta = \, | \ overrightarrow {{\ rm {\ Delta}} {\ rm {y}}} | / R \). Расчетные результаты уравнения. (2) показаны на рис. 4 (б – г).

При наблюдении общего электрического поля под большим углом и на небольшом продольном расстоянии разница расстояний распространения между полем и электроном настолько мала, что передняя граница кулоновского поля «прикрепляется» к электрону.Кулоновское поле электрона распределено вдоль сферической границы с центром в (0, 0), как показано на рис. 4 (б). Это соответствует случаю в нашем эксперименте, когда продольное расстояние между источником и кристаллом составляет 2,2 мм, а угол наблюдения составляет 1,5 мм / 2,2 мм ∼ 680 мрад. Однако, если электрическое поле обнаруживается под небольшим углом на расстоянии 1 м (1 мм / 1 м = 1 мрад), как показано на рис. 4 (c), кривизной можно пренебречь. Поскольку скорость электрона меньше c, граница поля оказывается перед электроном после его распространения на определенные расстояния.Когда точка обнаружения находится дальше, как показано на рис. 4 (d), граница поля находится далеко от электрона. Кулоновское поле симметрично ограничено конусом, перпендикулярным пути электрона. Рисунок 4 (d) соответствует предыдущей работе на обычных ускорителях, где кристаллы EO были размещены на расстоянии нескольких мм от пути луча, в то время как электронные лучи распространялись на сотни метров от катода. В таких случаях электронные пучки можно рассматривать как распространяющиеся в свободном пространстве.В наших расчетах электрон внезапно появился с энергией 30 МэВ, поэтому нарастающий фронт выглядит как отсечка. В реалистичном случае электрон имеет процесс ускорения внутри плазмы, и нарастающий фронт поля должен быть плавным. Но все же кулоновское поле должно быть ограничено вдоль полусферы радиусом ct на малых расстояниях распространения, где t – время распространения электронов.

Моделирование кулоновского поля

Для качественного исследования распространения кулоновского поля электронного пучка и подтверждения разработанного физического процесса на рис.4, мы выполнили моделирование с использованием кода REMP ³⁸ (подробности см. В разделе «Методы»). Отметим, что для понимания физики того, как возникает кулоновское поле сферического волнового фронта, нет необходимости повторять конкретный электронный параметр в эксперименте. Таким образом, мы сосредоточены на исследовании эволюции электрического поля, сопровождающего электронные сгустки, когда они распространяются из плазмы (первое моделирование) и проходят мимо кристалла ЭО на расстоянии 2,2 мм от источника (второе моделирование).

Сначала мы рассмотрели взаимодействие лазерного импульса со сверхзвуковой струей, моделируемой плазменной пластиной. Лазерный импульс распространялся через плазму, образуя несколько сгустков релятивистских электронов. (Подробности см. в разделе “Методы”.) Релятивистские электроны, вылетающие из плазмы, сопровождались их кулоновским полем с характерным сферическим распределением, как показано на рис. 5 (а). Когда сгустки электронов находились в плазме, кулоновские поля были полностью экранированы. Таким образом, распределение испускаемых электронов кулоновского поля эволюционирует так, как оно было создано на границе раздела плазма-вакуум из-за потери квазинейтральности.Когда электронные сгустки распространяются дальше, кулоновские поля расширяются в виде сферических волн, как показано на рис. 5 (b). Наблюдение кулоновского поля сферического фронта при моделировании оправдывает наш расчет потенциала Льенара – Вихерта выше.

Два набора результатов моделирования эволюции кулоновского поля. Первое моделирование ( a, b ) включает полное взаимодействие лазерной плазмы, а второе ( c – e ) моделирует упрощенный случай, когда электронный сгусток распространяется в вакууме.Позиции «0» в направлении x на рисунках представляют собой границу плазмы и вакуума. ( a ) и ( b ) соответствуют временам моделирования 7,21 пс и 7,74 пс, которые отсчитываются от начала взаимодействия лазера с плазмой. Лазерный импульс обозначен оранжевым цветом. Модель E _{y Компоненты} низкочастотных электрических полей показаны синим и красным цветами, соответствующими разным направлениям поля.Зеленая область – это объем плазмы, а электроны за пределами области плазмы показаны черными точками. ( c ) и ( d ) показывают E _y структуры поля на временах 8,01 пс и 8,84 пс, отсчитываемых от выхода электронного сгустка на левой границе окна моделирования. Сферические красные пунктирные кривые в ( c ) и ( d ) обозначают воображаемый световой фронт, расширяющийся со скоростью c .Увеличенное изображение фиолетовой пунктирной прямоугольной области на ( d ) показано на ( e ). На небольшой площади угол падения и угол преломления кулоновского поля обозначаются как θ _s и θ _sc соответственно. Красные пунктирные линии ( e ) представляют волновой фронт сигнала в поле.

Для сравнения и дальнейшего подтверждения физической модели мы выполнили второе моделирование отрыва изолированного электронного сгустка от нейтрализующего фона (подробности см. В разделе «Методы»).В этом моделировании мы исследовали форму кулоновского поля, когда электронный пучок проходил мимо кристалла EO. На рис. 5 (c – e) показаны картины электрического поля, когда электронный пучок с энергией 30 МэВ проходит мимо кристалла EO. Мы заметили, что волновой фронт кулоновского поля имеет сферическую форму вдоль воображаемого светового фронта с радиусом ct ( t – время распространения электронов) с центром в точке испускания электронов. В небольшой области, показанной на рис. 5 (e), сигнал можно рассматривать как плоскую волну с углом падения θ _s ≈ tan ⁻¹ (1.5 мм / 2,2 мм) = 34,3 °. Относительный угол между зондирующим лазером и направлением распространения волнового фронта сигнала больше θ _p . Это причина того, почему измеренный наклон зависимости временного отображения на рис. 3 (e) намного меньше, чем 1 / tan θ _p .

Нелинейное соотношение временного отображения

Поскольку сферической формой волнового фронта кулоновского поля нельзя пренебречь при больших углах наблюдения, необходимо получить новое соотношение временного отображения для применения диагностики пространственного декодирования ЭО в экспериментах по ускорению лазерной плазмы.Расчетная геометрия сферических волновых фронтов сигналов показана на рис. 6 (а). Рассмотрим две сигнальные линии S1 и S2 в поле кулоновского сигнала с временной задержкой Δ τ . Зондирующий лазер сталкивается с первой сигнальной линией S1 в момент времени t _A (точка A на оси Y) и вторая сигнальная линия S2 в момент времени t _B (точка B на оси Y) на лицевой поверхности кристалла. Расстояние между положением источника и лицевой поверхностью кристалла составляет L .{2}} \) соответственно. Зондирующий лазер и передняя поверхность кристалла имеют точку пересечения y _p ( t ) = y _{p 0} – ct / sin θ _p , где y _{p 0} – начальное положение датчика, которое определяется настройками задержки лазерного датчика.

Нелинейная зависимость временного отображения.( a ) – это рамка вычисления сигнала сферического волнового фронта, где синяя прямоугольная область обозначает кристалл EO, оранжевые сферические кривые представляют линии кулоновского сигнала, а красные линии обозначают волновой фронт зонда. Зонд и первая сигнальная линия имеют углы падения θ _p и θ _{s 0} соответственно. На время т _A , S1 сталкивается с зондом на передней поверхности кристалла в точке A, S2 пересекает кристалл в точке C.При т _B , S2 сталкивается с датчиком на передней поверхности кристалла в точке B. ( b ) иллюстрирует расчетное соотношение временного отображения для случаев как сферического, так и плоского волнового фронта сигнала.

В момент времени т _A , устанавливаем y ₀ = y _{s 1} ( t _A ) = y _p ( т _A ) и определите угол падения сигнала равным θ _{s 0} = tan ⁻¹ ( y ₀ / L ) (в эксперименте было выбрано y ₀ быть в центре зондирующего лазерного пятна, установив подходящую задержку зонда). {2}} $$

(4)

Ур.{2}} {2L} \). Игнорируя член более высокого порядка, мы получаем линейное уравнение, показывающее случай наклонно падающего плоского волнового сигнала:

$$ c {\ rm {\ Delta}} \ tau = (1+ \ frac {\ sin \, {\ theta} _ {s0}} {\ sin \, {\ theta} _ {p}}) \ tan {\ theta} _ {p} {\ rm {\ Delta}} \ xi $$

(6)

Установив y ₀ = 1,5 мм, L = 2,2 мм, уравнение. (5) и уравнение. (6) нанесены на рис. 6 (b) как черная кривая и красная линия соответственно. Мы видим, что для измерения с большой разницей во времени предположение о плоской волне имеет большую временную задержку, чем реальное значение, и данные должны соответствовать нелинейной зависимости, основанной на поле сферического волнового фронта.Тем не менее, для небольшого временного интервала в кулоновском поле предположение о плоской волне может быть применимо, потому что разница вычисленных значений между обоими случаями очень мала. Как показано на рис. 3 (e), измеренная взаимосвязь временного картирования хорошо согласуется с линейной аппроксимацией. Средний угол падения сигнала можно рассчитать по формуле. (6) должно быть \ (\ bar {{\ theta} _ {s}} = 33,1 \) ° согласно подобранному соотношению на рис. 3 (e), что соответствует экспериментальной установке θ _{с 0} = tan ⁻¹ (1.5 мм / 2,2 мм) = 34,3 °. Это соответствие демонстрирует, что кулоновское поле имеет сферическую структуру волнового фронта и полученное соотношение временного отображения, обозначенное уравнением. (6) применима в установке с большим углом наблюдения для обнаружения временной информации электронных лучей от LWFA. Кроме того, мы находим, что если θ _{s 0} = 0 и \ ({\ rm {\ Delta}} \ xi \ ll L \), уравнение. (6) возвращается к c Δ τ = Δ ξ tan θ _p , что соответствует случаю обычного ускорителя, где кристалл EO расположен далеко от источника, а угол наблюдения очень мал.

Декодирование массива JSON в swift

Я пытаюсь декодировать этот массив json, и сначала у меня работает следующий код, но он немного глючит.

json имеет следующую структуру:

  {
"Цены": [
  [
    1595642361269,
    180.62508267006177
  ],
  [
    1596642361269,
    190,1
  ]
],
"market_caps": [
  [
    1595642361269,
    3322122955.6677375
  ],
  [
    1596642361269,
    3332122955.6677375
  ]
],
"total_volumes": [
  [
    1595642361269,
    5490.5115521
  ],
  [
    1595642361269,
    5490.5115521
  ]
]
}
  

мой быстрый объект имеет структуру:

  struct MarketChart: Decodable {
    let цены: [[Double]]
    let market_caps: [[Double]]
    let total_volumes: [[Double]]
    
}
  

Я не думаю, что это оптимально, но поскольку json не имеет ключей для временных меток и значений, я был немного смущен тем, как его структурировать.

это код моей игровой площадки:

  func getJSON  (urlString: String, Завершение: @escaping (T?) -> Void) {
    guard let url = URL (string: urlString) else {
        возвращение
    }
    let request = URLRequest (url: url)
    URLSession.shared.dataTask (with: request) {(data, response, error) в
        if let error = error {
            печать (error.localizedDescription)
            завершение (ноль)
            возвращение
        }
        guard let data = data else {
            завершение (ноль)
            возвращение
        }
        
        пусть декодер = JSONDecoder ()
        decoder.dateDecodingStrategy = .secondsSince1970
        охранник пусть decodedData = пробовать? decoder.decode (T.self, from: data) else {
            завершение (ноль)
            возвращение
        }
        завершение (decodedData)
    }.продолжить()
}


struct MarketChart: Decodable {
    let цены: [[Double]]
    let market_caps: [[Double]]
    let total_volumes: [[Double]]
    
}

var priceArray: [Double] = []

печать (priceArray)

getJSON (urlString: "https://api.coingecko.com/api/v3/coins/bitcoin-cash-sv/market_chart?vs_currency=usd&days=1") {(данные: MarketChart?) в
    if let data = data {
        для элемента в data.prices {
            priceArray.append (item.first!)
        }
    }
}
печать (priceArray)
  

Я пытаюсь поместить все значения в массив, и сначала он работал, но теперь просто продолжает печатать пустой массив.Моя конечная цель – создать график значений с течением времени в проекте, и я успешно справился с этим в первый раз, но теперь я продолжаю получать сообщение об ошибке, говорящее, что он не может получить значение из пустого массива.

мой файл проекта Xcode выглядит следующим образом:

  импорт SwiftUI
импортировать SwiftUICharts
импортный комбайн

struct CoinGeckoBSVMarketChart: View {
    @State var jsonData = [MarketChart] ()
    @State var priceArray = [Double] ()
    @State var volumeArray: [Double] = []
    
    приватный let last24hpricesURL: String = "https: // api.coingecko.com/api/v3/coins/bitcoin-cash-sv/market_chart?vs_currency=usd&days=1 "
    
    var body: some View {
        ZStack {
            VStack {
                LineView (данные: priceArray)
                    .padding ()
                
                Текст («Сброс»)
                    .onTapGesture {
                        
                    }

            }
        }
        .onAppear {
            getJSON (urlString: last24hpricesURL) {(данные: MarketChart?) в
                if let data = data {
                    для элемента в данных.Цены {
                        priceArray.append (item.last!)
                    }
                }
            }
        }
    }
}

struct MarketChart: Decodable {
    let цены: [[Double]]
    let market_caps: [[Double]]
    let total_volumes: [[Double]]
}

struct CoinGeckoBSVMarketChart_Previews: PreviewProvider {
    static var previews: some View {
        CoinGeckoBSVMarketChart ()
            .preferredColorScheme (.dark)
    }
}
  

любая помощь либо с улучшением объектной модели json, либо с получением всех элементов в массиве будет отличной

– Лаборатория нейромедицинских систем управления

[C1] Камали Г., Смит Р.Дж., Хейс М., Куган С., Крон Н.Э., Сарма С.В., Кан Дж.Й. Локализация зоны начала припадка на основе одноимпульсных реакций электрической стимуляции с использованием моделей передаточной функции. Conf Proc IEEE Eng Med Biol Soc. 2020.

[C2] Эренс Д., Ли А., Эид Ф., Шиллер Ю., Сарма С.В. Хрупкость сети для генеза приступов в острой модели эпилепсии in vivo. Conf Proc IEEE Eng Med Biol Soc. 2020.

[C3] Смит Р. Дж., Камали Дж., Хейс М., Куган С., Крон Н. Э., Сарма С. В., Кан Дж. Я. Модели вызванных потенциалов в пространстве состояний для локализации зоны возникновения приступа.Conf Proc IEEE Eng Med Biol Soc. 2020.

[C4] Гунаратнам С., Таллури Д., Грин П., Сакре П., Гонсалес-Мартинес Дж., Сарма С.В. Высокочастотная активность орбитальной лобной коры головного мозга модулируется с несоответствующими ожиданиями во время азартных игр у людей. Conf Proc IEEE Eng Med Biol Soc. 2020.

[C5] Азими Х., Гуннарсдоттир К.М., Сарма С.В., Гамальдо А., Салас Р., Гамальдо Г. Определение биомаркеров сна для оценки когнитивных функций у ВИЧ. Conf Proc IEEE Eng Med Biol Soc. 2020.

[C6] Тейлор С., Грин П., Д’Алео Р., Бреолт М.С., Стейнхард С., Гонсалес-Мартинес Дж., Сарма С.В.Корреляты внимания в коре поясной извилины во время азартных игр у людей. Conf Proc IEEE Eng Med Biol Soc. 2020.

[C7] Хьюнь Ч., Ли, А. Гонсалес-Мартинес Дж., Сарма С.В. К автоматической локализации и анатомической маркировке внутричерепных глубинных электродов на изображениях мозга. Conf Proc IEEE Eng Med Biol Soc. 2020.

[C8] Д’Алео Р., Роуз А., Шибер М. и Сарма С.В. Количественная оценка взаимодействий между нейронными популяциями во время поведения с использованием моделей динамических систем. Conf Proc IEEE Eng Med Biol Soc.2019

[C9] Палепу А., Ли А., Фицгерлад З., Ху К., Костакурта Дж., Буласио Дж., Мартинес-Гонсалес Дж., Сарма С.В. Оценка инвазивных имплантаций ЭЭГ при резистентной с медицинской точки зрения эпилепсии с использованием функциональных записей ЭЭГ кожи головы и данных структурной визуализации. Conf Proc IEEE Eng Med Biol Soc. 2019

[C10] Gunnarsdottir KM, Bulacio J, Gonzalez-Martinez J, Sarma SV. Оценка внутричерепных сигналов ЭЭГ при отсутствии электродов в эпилептических сетях. Conf Proc IEEE Eng Med Biol Soc. 2019

[C11] Beauchene C, Sacre P, Yang F, Guan Y, Sarma SV.Моделирование ответов на стимуляцию периферических нервов в спинном роге. Conf Proc IEEE Eng Med Biol Soc. 2019

[C12] Breault MS, Gonzalez-Martinez JA, Gale JT, Sarma SV. Нейронные корреляты внутренних состояний, фиксирующие изменчивость движений. Conf Proc IEEE Eng Med Biol Soc. 2019

[C13] Breault MS, Gonzalez-Martinez JA, Gale JT, Sarma SV. Нейронная активность из сетей внимания предсказывает ошибку движения. Conf Proc IEEE Eng Med Biol Soc. 2019

[C14] Стейнхардт, К.Р., Сакре, П., Инати, С.К., Сарма С.В., Заглул, К.А. Исследование архитектур для моделей нейронных ответов на электрическую стимуляцию мозга. Conf Proc IEEE Eng Med Biol Soc. 2019

[C15] Ли А. и др., Виртуальное картирование корковой стимуляции эпилептических сетей для локализации эпилептогенной зоны. Conf Proc IEEE Eng Med Biol Soc. 2019

[C16] Палепу А. Преманантан С., Азхар Ф., Вендраме М., Лодденкемпер Т., Рейнсбергер С., Крейман Г., Паркерсон К., Сарма С.В., Андерсон В.С. Автоматизация обнаружения межприступных всплесков: пересмотр простого порогового правила.Conf Proc IEEE Eng Med Biol Soc. 2018.

[C17] Эренс Д., Коуэн Н., Сарма С.В., Шиллер Ю. Нейронная активность сверхширокого диапазона предвещает начало припадка в модели эпилепсии у крыс. Conf Proc IEEE Eng Med Biol Soc. 2018.

[C18] Садашивая В., Сакре П., Гуан И, Андерсон С.В., Сарма С. Изучение взаимодействий в нервном волокне млекопитающих: подход к функциональному моделированию. Conf Proc IEEE Eng Med Biol Soc. 2018.

[C19] Садашивайя В., Сакре П., Гуан И, Андерсон С.В., Сарма С.В. Селективная передача афферентных сенсорных потенциалов действия от периферического нерва к мозгу и эффекты электрической стимуляции.Conf Proc IEEE Eng Med Biol Soc. 2018.

[C20] Гуннарсдоттир К.М., Гамальдо, Салас Р., Юэн Дж., Аллен Ричард, Сарма С.В. Новая система оценки стадии сна: сочетание правил, основанных на экспертах, с классификатором дерева решений. Conf Proc IEEE Eng Med Biol Soc. 2018.

[C21] Саксена С., Д’Алео Р., Шибер М., Далех М., Сарма С.В. Реконструкция нейронной активности и кинематики с помощью системной модели сенсомоторного управления. Conf Proc IEEE Eng Med Biol Soc. 2018.

[C22] Костакурта Дж., Осборн Л., Такор Н.Сарма SV. Разработка контроллеров обратной связи для систем человек-протез с использованием H-Infinity Model Matching Conf Proc IEEE Eng Med Biol Soc. 2018.

[C23] Ли А., Инати С., Заглул З., Сарма С.В. Хрупкость в эпилептических сетях: Американская конференция по контролю за эпилептогенной зоной (ACC), 2017, 2817-2822.

[C24] Д’Алео Р., Роуз А., Шибер М., Сарма С.В. Линейная инвариантная во времени модель ввода-вывода фиксирует возбуждающие реакции нейронов на внешние и поведенческие события. Conf Proc IEEE Eng Med Biol Soc.2017.

[C25] Sklar S, Walmer M, Sacré P, Schevon C, Srinivasan, S, Banks G, Yates M, McKhann II G, Sheth, S, Sarma SV, Smith E. Когнитивное состояние во время задачи вмешательства из нескольких источников. Conf Proc IEEE Eng Med Biol Soc. 2017.

[C26] Джонсон, Дж., Бро М., Сакре П., Керр М., Джонсон М., Буласио Дж., Гонсалес-Мартинес Дж., Сарма С. В., Гейл Дж. Т.. Роль немоторных областей мозга при управлении моторикой человека. Conf Proc IEEE Eng Med Biol Soc.2017.

[C27] Садашивайя В., Сакре П., Гуан Й., Андерсон С.В., Сарма С.В., Электрическая нейростимуляция нервных волокон млекопитающих: вероятностный и механистический подход. Conf Proc IEEE Eng Med Biol Soc. 2017.

[C28] Ли А., Гуннарсдоттир К.М., Инати С., Заглул К., Гейл Дж. Т., Буласио Дж., Мартинес-Гонсалес Дж. И Сарма С.В. Линейная изменяющаяся во времени модель характеризует инвазивные сигналы ЭЭГ, генерируемые сложными эпилептическими сетями. Conf Proc IEEE Eng Med Biol Soc. 2017.

[C29] К.М. Гуннарсдоттир, А. Ли, Х. Буласио, Х. Гонсалес-Мартинес и С. В. Сарма. Оценка неизмеряемых инвазивных сигналов ЭЭГ с помощью наблюдателя упрощенного порядка. Conf Proc IEEE Eng Med Biol Soc. 2017

[C30] Маколи С. Бро, Пьер Сакре, Джейкоб Джонсон, Мэтью Керр, Мэтью Джонсон, Хуан Буласио, Хорхе Гонсалес-Мартинес, Шридеви В. Сарма, Джон Гейл. Немоторные области кодируют информацию о пути во время движения. Conf Proc IEEE Eng Med Biol Soc. 2017

[C31] Сакре П., Керр М.Д., Субраманиан С., Кан К., Гонсалес-Мартинес Дж., Джонсон М.А., Гейл Д.Т., Сарма С.В.(2016) Precuneus может кодировать иррациональность в человеческих азартных играх. Conf Proc IEEE Eng Med Biol Soc. 2016

[C32] Gunnarsdottir K, Sadashivaiah V, Santaniello S, Sarma SV. (2016) Использование демографических и физиологических характеристик временных рядов для классификации сепсиса в отделении интенсивной терапии. Conf Proc IEEE Eng Med Biol Soc. 2016

[C33] Сакре П., Керр М.Д., Субраманиан С., Кан К., Гонсалес-Мартинес Дж., Джонсон М.А., Гейл Д.Т., Сарма С.В. (2016) Выигрыш против проигрыша во время азартных игр и его нейронные корреляты.Труды конференции по информационным наукам и системам (СНПЧ). Принстон, штат Нью-Джерси.

[C34] Агарвал Р., Чен З., Клоостерман Ф., Уилсон М.А., Сарма С.В. (2016) Модели нейронного кодирования сложных рецептивных полей: сравнение непараметрического и параметрического подходов. Труды конференции по информационным наукам и системам (СНПЧ). Принстон, штат Нью-Джерси.

[C35] Канг Ю.М., Гуннарсдоттир К., Керр М., Салас Р., Юэн Дж., Аллен Р., Гамальдо К., Сарма С.В. (2015) Забивать или не забивать? Взгляд на отличительную силу анализа микро-ЭЭГ на аннотированной выборке исследований ПСГ, проведенных в когорте ВИЧ.Conf Proc IEEE Eng Med Biol Soc. 2015; 2015: 6626-9. PMID: 26737812.

[C36] Gunnarsdottir K, Kang YM, Kerr M, Sarma SV, Ewen J, Allen R, Gamaldo C, Salas R. (2015) Взгляд на эффективность микро- и макро-анализа ЭЭГ для различения бессонницы в когорте ВИЧ-инфицированных. Conf Proc IEEE Eng Med Biol Soc. 2015; 2015: 6622-5. PMID: 26737811.

[C37] Sacré P, Sarma SV, Guan Y, Anderson WS (2015) Электрическая нейростимуляция при хронической боли: о селективном переключении сенсорной нейронной активности в миелинизированных нервных волокнах.Conf Proc IEEE Eng Med Biol Soc. 2015 август; 2015: 4705-8. PMID: 26737344

[C38] Шритаран Д., Сарма С.В. Хрупкость в сетях: приложение к эпилептическому мозгу. XIX Всемирный конгресс Международной федерации автоматического управления. Кейптаун, Южная Африка, 2014 г.

[C39] Сантаниелло С., Сарма С.В., Уинслоу Р. Вычисление сетевых функций из физиологических временных рядов: применение для обнаружения сепсиса. Conf Proc IEEE Eng Med Biol Soc. 2014; 2014: 3825-6. DOI: 10.1109 / EMBC.2014.6944457. PMID: 25570825

[C40] Эренс Д., Шритаран Д., Сарма С.В. Детектор нестабильности хрупкой нейронной сети: применение для обнаружения припадков при эпилепсии. Conf Proc IEEE Eng Med Biol Soc. 2014; 2014: 6569-72. PMID: 25571501

[C41] Хао С., Субраманиан С., Джордан А., Яффе Р., Сантаниелло С., Джоуни С., Бергей Дж., Андерсон В.С., Сарма С.В. Вычисление сетевых функций из данных временных рядов внутричерепной ЭЭГ: приложение для локализации фокуса приступа. Conf Proc IEEE Eng Med Biol Soc.2014; 2014: 5812-5. PMID: 25571317

[C42] Агарвал Р., Сантаниелло С., Сарма С.В. Обобщение ограничений производительности релейных нейронов: приложение к болезни Паркинсона. Conf Proc IEEE Eng Med Biol Soc. 2014; 2014: 6573-6. PMID: 25571502

[C43] Керр М., Кан К., Парк Х. Дж., Томпсон С., Хао С., Буласио Дж., Гонсалес-Мартинес Дж. А., Гейл Дж. Т., Сарма С. В.. Высокочастотные нейронные корреляты устойчивых движений людей, извлеченные из SEEG. Conf Proc IEEE Eng Med Biol Soc. 2014; 2014: 4391-4. PMID: 25570965

[C44] Кан К., Керр М., Парк Х. Дж., Томпсон С., Буласио Дж., Гонсалес-Мартинес Дж. А., Сарма С. В. и Гейл Дж. Т..Колебания орбитофронтальной коры человека во время азартных игр. Conf Proc IEEE Eng Med Biol Soc. 2014; 2014: 4888-91. PMID: 25571087

[C45] Бернс С.П., Сантаниелло С., Андерсон В.С., Сарма С.В. (2013). Динамика состояния эпилептического мозга. Материалы конференции ASME по динамическим системам и управлению 2013 г. Стэнфорд, Калифорния.

[C46] Рахул Агарвал Р., Сарма С.В. (2012). Использование теории линейных систем для изучения нелинейной динамики релейных ячеек. Proc. О 9-й Международной конференции по информатике в управлении, автоматизации и робототехнике.Рим, 28-31 июля.

[C47] Сантаниелло С., Бернс С.П., Сарма С.В. (2012). Самое быстрое обнаружение начала приступа при лекарственно-устойчивой эпилепсии ». Протокол Американской конференции по контролю IEEE. Монреаль, 27-29 июня.

[C48] Бернс С.П., Шритаран Д., Джоуни С., Берджи Дж., Крон Н., Андерсон В.С. и Сарма С.В. (2012). Сетевой анализ динамики изъятия. Proc. 34-я Международная конференция IEEE по английскому языку, биологии и медицине (EMBC). Сан-Диего, Калифорния, 28 августа – 1 сентября

[C49] Педото Г., Сантаниелло С., Фиенго Дж., Луиджи Глиельмо Л., Халлетт М., Чжуанг П., Сарма С.В. (2012).Моделирование процесса выявляет анатомическое неравномерное распределение в субталамическом ядре при болезни Паркинсона. Proc. 34-я Международная конференция IEEE по английскому языку, биологии и медицине (EMBC). Сан-Диего, Калифорния, 28 августа – 1 сентября

[C50] Santaniello S, Gale JT, Montgomery, Jr. EB, Sarma SV (2012) Механизмы усиления в спинном полосатом теле во время высокочастотного STN DBS: исследование точечного процесса. Proc. 34-я Международная конференция IEEE по английскому языку, биологии и медицине (EMBC). Сан-Диего, Калифорния, 28 августа – 1 сентября

[C51] Яффе Р., Бернс С., Пак Х. Дж., Гейл Дж., Буласио Дж., Гонсалес-Мартинес Дж., Сарма С. В.(2012) Эволюция состояния мозга во время приступа и под наркозом: сетевой анализ стереотаксической активности ЭЭГ у пациентов с лекарственно-устойчивой эпилепсией. Proc. 34-я Международная конференция IEEE по английскому языку, биологии и медицине (EMBC). Сан-Диего, Калифорния, 28 августа – 1 сентября

[C52] Сарма С.В., Сантаниелло С. (2011) Самое быстрое обнаружение перехода между состояниями в точечных процессах: применение к нейронной активности. Proc. 18-я Всемирная конференция IFAC, Милан, Италия, 28 августа – сен. 2.

[C53] Кан К., Шейбер М., Такор Н., Сарма С.В. (2011) Выбор нейронов для декодирования резких движений пальцев.Материалы 33-й конференции IEEE EMBS.

[C54] Сантаниелло С., Шерман Д., Миркси М., Такор Н., Сарма С.В. (2011) Байесовская схема анализа данных iEEG из модели эпилепсии на крысах. Материалы 33-й конференции IEEE EMBS.

[C55] Хубердо Д., Уолкер Х., Хуанг Х., Монтгомери Э., Сарма С.В. (2011) Анализ сигналов потенциала локального поля: системный подход. Материалы 33-й конференции IEEE EMBS.

[C56] Керр М., Бернс С., Гейл Дж., Сарма С.В. (2011) Многомерный анализ сигналов SEEG во время приступа.Материалы 33-й конференции IEEE EMBS.

[C57] Saxena S, Gale JT, Eskandar EN, Sarma SV (2011) Модуляции колебательной активности нейронов Globus Pallidus internus во время поведенческой задачи – анализ точечного процесса. Материалы 33-й конференции IEEE EMBS.

[C58] Агарвал Р., Сарма С.В. (2011) Аналитическое исследование надежности релейных нейронов: зависимость от входных параметров и параметров модели. Материалы 33-й конференции IEEE EMBS 2011 г. (финалист IBM Poster)

[C59] Сантаниелло С., Гейл Дж. Т., Монтгомери Э. Б. Мл.и Сарма С.В. (2010) Моделирование эффектов глубокой стимуляции мозга на сенсомоторную кору в нормальных условиях и в условиях MPTP. IEEE Engineering in Medicine and Biology Conference Proceedings, 2010.

[C60] Сантаниелло С., Гейл Дж. Т., Монтгомери Э. Б. мл. И Сарма С. В.. (2010) Моделирование моторного полосатого тела при глубокой стимуляции мозга в нормальных условиях и условиях MPTP. IEEE Engineering in Medicine and Biology Conference Proceedings, 2010.

[C61] Saxena S, Santaniello S, Gale JT, Montgomery EB Jr., и Сарма С.В. (2010) Модели точечных процессов показывают временные зависимости ядер базальных ганглиев при глубокой стимуляции мозга. IEEE Engineering in Medicine and Biology Conference Proceedings, 2010.

[C62] Педото Г., Сантаниелло С., Гейл Дж. Т., Монтгомери младший Б. Б., Фиенго Г., Глиельмо Л. и Сарма С. В.. (2010) Системная идентификация потенциалов локальных полей при глубокой стимуляции мозга у здоровых приматов. IEEE Engineering in Medicine and Biology Conference Proceedings, 2010.

[C63] Сарма С.В., Ченг М., Уильямс З.М., Ху Р., Эскандар Э., Браун EN.Использование моделей точечных процессов для определения влияния визуальных сигналов на активность базальных ганглиев и поведение пациентов с болезнью Паркинсона. Труды IEEE Conference on Decision and Control, 2009.

[C64] Сарма С.В., Ченг М., Уильямс З.М., Ху Р., Браун Э.Н., Эскандар Э. Моделирование нейронной импульсной активности в субталамическом ядре у здоровых приматов пациентов с болезнью Паркинсона. Труды Международной федерации автоматического управления. Июль 2008 г. (финалист конкурса на лучшую заявку)

[C65] Czanner G, Sarma SV, Eden UT, Brown EN.Оценка отношения сигнал / шум для обобщенных линейных модельных систем. Материалы Всемирного инженерного конгресса, 2008 г.

[C66] Sarma SV, Dahleh MA. Отслеживание конечной скорости в реальном времени: ограничения производительности. Труды американской конференции по контролю. Июнь 2007г.

[C67] Коулман Т.П. и Сарма С.В. Использование выпуклой оптимизации для непараметрического статистического анализа точечных процессов. Материалы Международного симпозиума IEEE по теории информации (ISIT), 24-29 июня 2007 г.

[C68] Sarma SV, Dahleh MA.Отслеживание конечной скорости в реальном времени. Труды IEEE Conference on Decision and Control. Декабрь 2006г.

[C69] Sarma SV, Dahleh MA. Навигация с конечной скоростью в реальном времени. Труды конференции Allerton в области связи, управления и вычислений. Сентябрь 2006г.

[C70] Sarma SV, Dahleh MA. Синтез простых сетей с прямой связью: пример первого порядка. IEEE Proceedings of Conference on Decision and Control. Декабрь 2005 г.

[C71] Сарма С.В., Мартинс, Северная Каролина, Далех, Массачусетс.Управление с ограничениями связи: проблемы стабильности и производительности. Труды конференции Allerton в области связи, управления и вычислений. Сентябрь 2005 г.

[C72] Сарма С.В., Далех М.А., Салапака С. Об изменяющемся во времени распределении битов для поддержания стабильности ввода-вывода: выпуклая параметризация. Труды IEEE Conference on Decision and Control, 2004.

[C73] Sarma SV, Dahleh MA. Салапака, С. Синтез эффективных изменяющихся во времени стратегий распределения битов, поддерживающих стабильность ввода-вывода.Труды Allerton Conference in Communication, Control and Computing, 2004.

[C74] Sarma SV, Massaquoi S, Dahleh MA. Редукция волновой модели управления биологической рукой. Труды Американской конференции по контролю, Чикаго, 2000.

[C75] Сарма С.В., Зуэ В. Сегментная система проверки громкоговорителей с использованием SUMMIT. Пятая Европейская конференция по речевой коммуникации и технологиям, Eurospeech 1997, 22-25, 1997.