Loading...
Shanghai Jiao Tong University
机构名称：

Shanghai Jiao Tong University

¥ 1.0
热度

超材料是一类具有负介电常数和/或磁导率的人工材料，在自然界中尚不存在此类材料。超材料的概念最早由JB Pendry于20世纪90年代提出，近二十年来，高频超材料在电磁学、力学和光学等领域得到了广泛的研究和应用。超材料由多个具有相同结构的晶胞组成，这些晶胞在空间中周期性排列，以模拟晶体中的晶格结构。对于高频电磁超材料，每个晶胞由导体形成的电感和导体之间形成的杂散电容组成。电感和电容在特定频率下发生共振，从而感应出较大的导体电流，进一步增强外加磁场。然而，现有的高频超材料由于一些技术瓶颈，无法用于低频（工频至兆赫兹）大功率（>200W）电磁装置。该项目的目标是开发具有负磁阻的低频超材料单元，以获得一些基本的设计知识，以备将来的突破。该项目中低频超材料的目标应用是三维无线电力传输系统。该项目的成功将为未来制造世界上第一种低频超材料产生新的基础知识。项目/中心网站 https://www.ntu.edu.sg/csie

添加pdf代下载 VIP点击下载文件

Shanghai Jiao Tong University

Facebook Twitter Instagram Mail

主要关键词

Shanghai Jiao Tong UniversityPDF文件第1页

Shanghai Jiao Tong UniversityPDF文件第2页

Shanghai Jiao Tong UniversityPDF文件第3页

Shanghai Jiao Tong UniversityPDF文件第4页

Shanghai Jiao Tong UniversityPDF文件第5页

相关文件推荐

Fudan University - 复旦大学
2024 年

Fudan University - 复旦大学

¥1.0
VBS Purvanchal University Jaunpur
2016 年

VBS Purvanchal University Jaunpur

¥1.0
PlantWeb University SIS 401 - 智能 SIS - 艾默生
2011 年

PlantWeb University SIS 401 - 智能 SIS - 艾默生

¥1.0
PlantWeb University SIS 401 - 智能 SIS - 艾默生
2011 年

PlantWeb University SIS 401 - 智能 SIS - 艾默生

¥1.0
Faculty of Computing and Technology - University of Kelaniya
2024 年

Faculty of Computing and Technology - University of Kelaniya

¥1.0
推荐引用 推荐引用 Kenney, William A.. “利用弹丸跟踪数据改进弹道风预测”（2017 年）。理学硕士 (MS)，论文，计算建模与仿真工程，Old Dominion University，DOI：10.25777/h8yz-9d19 https://digitalcommons.odu.edu/msve_etds/7
2023 年

推荐引用 推荐引用 Kenney, William A.. “利用弹丸跟踪数据改进弹道风预测”（2017 年）。理学硕士 (MS)，论文，计算建模与仿真工程，Old Dominion University，DOI：10.25777/h8yz-9d19 https://digitalcommons.odu.edu/msve_etds/7

¥11.0
Manpreet Kaur 1* ，Babli Dhiman 博士 2 1* 研究学者，Lovely Professional University，manpreet12775@gmail.com，9914213139，ORCID- 0009-0004-6749-7039 2 教授，Lovely Professional University，babli.dhiman@lpu.co.in，9501236056 *通讯作者：Manpreet Kaur *研究学者，Lovely Professional University， manpreet12775@gmail.com，9914213139，ORCID- 0009-0004-6749-7039 引用：Manpreet Kaur 等人（2024 年）探索将人工智能与金融素养相结合以构建可持续金融生态系统的框架。教育管理：理论与实践，30 (4)，8750-8759，DOI：10.53555/kuey.v30i4.2382
2024 年

Manpreet Kaur 1* ，Babli Dhiman 博士 2 1* 研究学者，Lovely Professional University，manpreet12775@gmail.com，9914213139，ORCID- 0009-0004-6749-7039 2 教授，Lovely Professional University，babli.dhiman@lpu.co.in，9501236056 *通讯作者：Manpreet Kaur *研究学者，Lovely Professional University， manpreet12775@gmail.com，9914213139，ORCID- 0009-0004-6749-7039 引用：Manpreet Kaur 等人（2024 年）探索将人工智能与金融素养相结合以构建可持续金融生态系统的框架。教育管理：理论与实践，30 (4)，8750-8759，DOI：10.53555/kuey.v30i4.2382

¥1.0
企业对人工智能技术的投资和劳动力结构的变化EnglishEnglish作者感谢 Lucy Eldridge、John Van Reenen（讨论者）、Janis Skrastins（讨论者）以及 Jozef Stefan 研究所人工智能实验室、劳工和金融会议、NBER CRIW 生产力、技术和经济增长会议、斯坦福大学数字创新实验室和叶史瓦大学的参与者提供的有益建议。作者感谢 Cognism Ltd. 提供的就业数据和 Burning Glass Technologies 提供的招聘信息数据。Peter Tong 和 Derek Luan 提供了出色的研究协助。EnglishAmerican
2022 年

企业对人工智能技术的投资和劳动力结构的变化EnglishEnglish作者感谢 Lucy Eldridge、John Van Reenen（讨论者）、Janis Skrastins（讨论者）以及 Jozef Stefan 研究所人工智能实验室、劳工和金融会议、NBER CRIW 生产力、技术和经济增长会议、斯坦福大学数字创新实验室和叶史瓦大学的参与者提供的有益建议。作者感谢 Cognism Ltd. 提供的就业数据和 Burning Glass Technologies 提供的招聘信息数据。Peter Tong 和 Derek Luan 提供了出色的研究协助。EnglishAmerican

¥6.0
企业对人工智能技术的投资和劳动力结构的变化EnglishEnglish作者感谢 Lucy Eldridge、John Van Reenen（讨论者）、Janis Skrastins（讨论者）以及 Jozef Stefan 研究所人工智能实验室、劳工和金融会议、NBER CRIW 生产力、技术和经济增长会议、斯坦福大学数字创新实验室和叶史瓦大学的参与者提供的有益建议。作者感谢 Cognism Ltd. 提供的就业数据和 Burning Glass Technologies 提供的招聘信息数据。Peter Tong 和 Derek Luan 提供了出色的研究协助。Englishamerican
2022 年

企业对人工智能技术的投资和劳动力结构的变化EnglishEnglish作者感谢 Lucy Eldridge、John Van Reenen（讨论者）、Janis Skrastins（讨论者）以及 Jozef Stefan 研究所人工智能实验室、劳工和金融会议、NBER CRIW 生产力、技术和经济增长会议、斯坦福大学数字创新实验室和叶史瓦大学的参与者提供的有益建议。作者感谢 Cognism Ltd. 提供的就业数据和 Burning Glass Technologies 提供的招聘信息数据。Peter Tong 和 Derek Luan 提供了出色的研究协助。Englishamerican

¥6.0
肾小球病理学发现的分类 UP LEARNING 和肾病专家 - AI 集体 ENGROCTIVE 方法 Eiichiro Uchino #A,B Yugami C , Sachiko Minamiguchi f , Hironi Haga f , Motoko Yanagita B,g , Yasushi Ono D,HA) 京都大学医学院医学智能系统系，日本京都 B) 日本京都肾脏病学系，日本京都，京都，京都，京都，京都，京都，京都，日本 D) 京都大学医学院生物医学数据智能系，日本京都 E) 京都大学医院医学信息学和管理规划部，日本京都 F) 京都大学医学院诊断病理学系，日本京都 H) Rise，药物开发数据智能平台小组，日本横滨 # 这些作者贡献者对这项工作做出贡献。 Running title: Glomeruli classification by deep learning Keywords: renal pathology, artificial intelligence, deep learning, collective intelligence Corresponding authors: Yasushi Okuno, Department of Biomedical Data Intelligence, Kyoto University, 53 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 881, FAX: +81-75-751-4881, E-mail: okuno.yasushi.4c@kyoto-u.ac.jp and Motoko Yanagita, Department of Nephrology, Graduate School of Medicine, Kyoto University, 54 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 606-8507, Japan Phone: +81-75-751-3860, FAX: +81-75-751-3859, E-mail: motoy@kuhp.kyoto-u.ac.jp Abstract Background Automated classification of glomerular pathological findings is potentially beneficial in establishing an efficient and objective diagnosis in renal pathology.虽然先前的研究已经验证了用于对整体硬化和肾小球细胞增殖进行分类的人工智能（AI）模型，但诊断还需要其他一些肾小球病理学发现。这些人工智能模型与临床医生之间的合作是否能提高诊断性能还不得而知。在这里，我们开发了人工智能模型来对肾小球图像进行分类，以获得病理诊断所需的主要发现，并研究这些模型是否可以提高肾病科医生的诊断能力。方法
2019 年

肾小球病理学发现的分类 UP LEARNING 和肾病专家 - AI 集体 ENGROCTIVE 方法 Eiichiro Uchino #A,B Yugami C , Sachiko Minamiguchi f , Hironi Haga f , Motoko Yanagita B,g , Yasushi Ono D,HA) 京都大学医学院医学智能系统系，日本京都 B) 日本京都肾脏病学系，日本京都，京都，京都，京都，京都，京都，京都，日本 D) 京都大学医学院生物医学数据智能系，日本京都 E) 京都大学医院医学信息学和管理规划部，日本京都 F) 京都大学医学院诊断病理学系，日本京都 H) Rise，药物开发数据智能平台小组，日本横滨 # 这些作者贡献者对这项工作做出贡献。 Running title: Glomeruli classification by deep learning Keywords: renal pathology, artificial intelligence, deep learning, collective intelligence Corresponding authors: Yasushi Okuno, Department of Biomedical Data Intelligence, Kyoto University, 53 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 881, FAX: +81-75-751-4881, E-mail: okuno.yasushi.4c@kyoto-u.ac.jp and Motoko Yanagita, Department of Nephrology, Graduate School of Medicine, Kyoto University, 54 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 606-8507, Japan Phone: +81-75-751-3860, FAX: +81-75-751-3859, E-mail: motoy@kuhp.kyoto-u.ac.jp Abstract Background Automated classification of glomerular pathological findings is potentially beneficial in establishing an efficient and objective diagnosis in renal pathology.虽然先前的研究已经验证了用于对整体硬化和肾小球细胞增殖进行分类的人工智能（AI）模型，但诊断还需要其他一些肾小球病理学发现。这些人工智能模型与临床医生之间的合作是否能提高诊断性能还不得而知。在这里，我们开发了人工智能模型来对肾小球图像进行分类，以获得病理诊断所需的主要发现，并研究这些模型是否可以提高肾病科医生的诊断能力。方法

¥1.0