使用图形本地化网络进行视觉导航的行为方法。RSS 2019。 [28] Martin J. Zhang，Fei Xia，James Zou。 adafdr：一种快速，强大和协变量的自适应方法，用于多个假设检验。 2019年Rebomb的最佳纸张奖。 [29] Martin J. Zhang，Fei Xia，James Zou。 快速和协变量的自适应方法在大规模多种假设检测中放大检测能力。 自然通讯。 [30] Soheil Feizi，Changho Suh，Fei Xia和David Tse。 理解gans：LQG设置。 [31] Fei Xia*，Martin Zhang*，James Zou，David Tse。 NeuralFDR：从假设特征学习决策阈值。 NIPS 2017。 [32] Qiao Liu，Fei Xia，Qijin Yin，Rui Jiang。 通过混合深卷积神经网络预测染色质的可及性预测。 生物信息学，2017年。 [33] Govinda Kamath*，Ilan Shomorony*，Fei Xia*，Thomas Courtade，David Tse。 铰链：长阅读组装实现最佳重复分辨率。 基因组研究第27卷2017年。 [34] Ilan Shomorony，Govinda Kamath，Fei Xia，Thomas Courtade和David Tse，部分DNA大会：利率依赖性的观点。 ISIT 2016。 [35] Anastasia dubrovina，Fei Xia，Panos Achlioptas，Mira Shalah，Leonidas Guibas。 通过潜在空间分解进行复合形状建模。 ICCV 2019。RSS 2019。[28] Martin J. Zhang，Fei Xia，James Zou。adafdr：一种快速，强大和协变量的自适应方法，用于多个假设检验。2019年Rebomb的最佳纸张奖。[29] Martin J. Zhang，Fei Xia，James Zou。快速和协变量的自适应方法在大规模多种假设检测中放大检测能力。自然通讯。[30] Soheil Feizi，Changho Suh，Fei Xia和David Tse。理解gans：LQG设置。[31] Fei Xia*，Martin Zhang*，James Zou，David Tse。NeuralFDR：从假设特征学习决策阈值。NIPS 2017。 [32] Qiao Liu，Fei Xia，Qijin Yin，Rui Jiang。 通过混合深卷积神经网络预测染色质的可及性预测。 生物信息学，2017年。 [33] Govinda Kamath*，Ilan Shomorony*，Fei Xia*，Thomas Courtade，David Tse。 铰链：长阅读组装实现最佳重复分辨率。 基因组研究第27卷2017年。 [34] Ilan Shomorony，Govinda Kamath，Fei Xia，Thomas Courtade和David Tse，部分DNA大会：利率依赖性的观点。 ISIT 2016。 [35] Anastasia dubrovina，Fei Xia，Panos Achlioptas，Mira Shalah，Leonidas Guibas。 通过潜在空间分解进行复合形状建模。 ICCV 2019。NIPS 2017。[32] Qiao Liu，Fei Xia，Qijin Yin，Rui Jiang。通过混合深卷积神经网络预测染色质的可及性预测。生物信息学，2017年。[33] Govinda Kamath*，Ilan Shomorony*，Fei Xia*，Thomas Courtade，David Tse。铰链：长阅读组装实现最佳重复分辨率。基因组研究第27卷2017年。[34] Ilan Shomorony，Govinda Kamath，Fei Xia，Thomas Courtade和David Tse，部分DNA大会：利率依赖性的观点。ISIT 2016。 [35] Anastasia dubrovina，Fei Xia，Panos Achlioptas，Mira Shalah，Leonidas Guibas。 通过潜在空间分解进行复合形状建模。 ICCV 2019。ISIT 2016。[35] Anastasia dubrovina，Fei Xia，Panos Achlioptas，Mira Shalah，Leonidas Guibas。通过潜在空间分解进行复合形状建模。ICCV 2019。ICCV 2019。