扩展(动力式)法律和自相似性透露一些“病态”数学对象的基本属性如nondifferentiable函数和分形,这是一种便利的方法来调查数据。自相似(扩展)对象重复在不同尺度空间或时间。自相似性的财产给了我们一个更好的机会去研究现象的分析和计算方面。

规模依赖和多尺度分析一些家庭的特殊性质的特殊功能和可以观察到的自然。连续尺度转换从一个到另一个规模意味着泛化和合适的微分算子的扩展,因为它发生在部分衍生品。

动力学过程和系统的分数阶吸引研究人员从科学和技术的许多领域,包括数学、物理和计算机科学。从分析的角度来看,这类问题往往导致我们处理尺度的概念,分形,部分运营商。例如,医学图像现在发挥重要作用在多种疾病的检测和诊断,和一个合适的scale-depending解释图像是临床研究的一个基本方面。非线性分析的现代设备收集的数据提供了分析复杂物理问题仍然没有解决,抽象的数学理论,非线性科学。

这个特殊问题的重点是对抽象的数学模型扩展和自相似性和应用计算的动态过程和系统的分数阶对应用程序的所有方面的理论和实践研究分析。

我们正在征集原创的高质量的研究论文主题感兴趣的与缩放和自相似性。潜在的主题包括,但不限于:

• 自相似分析问题和scale-depending理论和应用分析
• 分形、nondifferentiable函数和分形的理论和应用分析问题类型
• 1 /f过程,分数布朗运动,分数高斯噪声,自相似过程,长记忆过程,重尾随机过程和幂律系统
• 分数微分积分方程,部分运营商和系统的分数阶
• 复杂系统和非线性处理
• 小波
• 扩展和自相似性在应用程序通过关注理论产生和分析方面,例如,在非线性分析的数据,图像分析,数据科学和系统科学

之前提交的作者应该仔细阅读《华尔街日报》的作者指南,位于//www.newsama.com/journals/aaa/guidelines/。未来的作者应该提交一份电子版的完整手稿通过跟踪系统在《华尔街日报》手稿http://mts.hindawi.com/submit/journals/aaa/ssss/根据以下时间表: