XiaoMi-AI文件搜索系统
World File Search SystemChae
woo ri chae 2024年5月1
Otte，C。（2021）。选择性关注重度抑郁症患者的情绪刺激和情绪识别：矿物皮质激素和谷氨酸能NMDA受体的作用。心理药理学杂志，02698811211009797。DOI：10.1177/02698811211009797 11。Chae，W。R.，Metz，S.，Pantazidis，P.，Dziobek，I.，Hellmann-Regen，J.，Wingenfeld，K。，＆
基于人工智能的分类技术趋势
Kim Nak -Woo（N.W. Kim，nwkim@etri.re.kr Lee，d-soulee@etri.re.kr）智能信息融合研究所Chae Won-Seok chae，wschae@etri.re.kr yoo，yoohy@etri.re.kr Lee，sange1104@etri.re.kr）内容情报研究所Kim Hyun -Jin kim，jini@etri.re.krKim Nak -Woo（N.W.Kim，nwkim@etri.re.kr Lee，d-soulee@etri.re.kr）智能信息融合研究所Chae Won-Seok chae，wschae@etri.re.kr yoo，yoohy@etri.re.kr Lee，sange1104@etri.re.kr）内容情报研究所Kim Hyun -Jin kim，jini@etri.re.krKim，nwkim@etri.re.krLee，d-soulee@etri.re.kr）智能信息融合研究所Chae Won-Seok chae，wschae@etri.re.kr yoo，yoohy@etri.re.kr Lee，sange1104@etri.re.kr）内容情报研究所Kim Hyun -Jin kim，jini@etri.re.krLee，d-soulee@etri.re.kr）智能信息融合研究所Chae Won-Seokchae，wschae@etri.re.kryoo，yoohy@etri.re.krLee，sange1104@etri.re.kr）内容情报研究所Kim Hyun -Jin kim，jini@etri.re.krLee，sange1104@etri.re.kr）内容情报研究所Kim Hyun -Jinkim，jini@etri.re.kr
Eun Hoo Rho，Sang Ik Baek，Heerah Lee，Moon-Woo Seong，Jong-hee Chae，Kyong Soo Park，Soo Heon Kwak。 Wi 的糖尿病的临床特征 单碳代谢营养素，遗传变异和糖尿病
母体遗传的糖尿病和耳聋（MIDD）是一种罕见的线粒体疾病，主要是由M.3243a> g突变引起的。MIDD的临床特征表现出明显的异质性。我们的研究旨在描述这些特征，并确定与M.3243a> G杂质水平的潜在相关性。这项回顾性，描述性研究包括已确认的M.3243a> G突变和糖尿病的糖尿病，在首尔国立大学医院。我们的队列包括40例MIDD患者，研究入学率平均年龄为33.3±12.9，而外周血的杂质者平均百分比为30.0％±14.6％。最普遍的合并症是听力损失（90％），其次是蛋白尿（61％），癫痫发作（38％）和中风（33％）。我们观察到糖尿病诊断时异质性百分比与年龄之间存在显着的负相关。这些临床特征可以帮助怀疑MIDD，并进一步考虑M.3243a> G突变的基因检测。
Suh J、Bennett CC、Weiss B、Yoon E、Jeong J、Chae Y (2021) “在合作游戏环境中开发用于社交 AI 的语音对话系统。” IEEE 第 10 区研讨会 (TENSYMP)。正在印刷中。
摘要 — 人们对开发更像人类、能够进行自然社交互动的人工智能 (AI) 的兴趣日益浓厚。先前的研究已经提出了关于“栩栩如生”的人工智能的含义的想法，一些研究试图使用游戏环境来测试这些假设。在本文中，我们介绍了“社交人工智能”语音对话系统的开发，该系统可以在合作游戏环境中与人类玩家自主交流和互动（在本例中是一款名为“Don't Starve Together”的社交生存游戏）。基于我们的假设，即人工智能应该包含特定的组件才能被视为更像人类，我们进行了一系列试点测试，以使用数据驱动的方法开发社交人工智能。完成试点测试后，我们根据参与者的互动和反馈确定了六个要添加或修改的组件。这些组件主要包括语音对话系统的功能，这些功能涉及人工智能行为与社会环境背景因素（“游戏状态”）的相互作用。在未来的工作中，我们打算基于这些发现改进社交人工智能。此处的研究强调了使用合作游戏环境进行人工智能代理的语音对话系统的数据驱动开发。
建议引用：Chae, Bongsug；Goh, Gyuhyeong (2020)：人工智能和数据分析领域的数字企业家：他们是谁？，《开放式创新：技术、市场和复杂性》杂志，ISSN 2199-8531，MDPI，巴塞尔，第 6 卷，Iss。3，第 1-15 页，https://doi.org/10.3390/joitmc6030056
摘要：数字技术是创业活动的关键资源，人们对数字创业非常感兴趣。虽然许多研究都集中在数字技术在创业中的作用以及它们如何塑造这个领域，但对数字创业的关键参与者的研究相对较少。本研究使用来自 Crunchbase 和 Twitter API 以及学习机的数据，试图回答“谁是数字企业家？”的问题。 本研究报告称，人工智能和数据分析 (AIDA) 行业的数字企业家比非数字企业家更有可能是男性，并且更活跃且在线联系更紧密。此外，他们往往比其他非数字企业家更外向，更不认真和随和。我们的研究结果有助于更清楚地了解数字企业家，这将引起投资者、政策制定者、当前和未来的数字企业家和教育工作者的极大兴趣。
ALD/ALE 2023 计划关键
ALE-SuP-11 钯的热原子层蚀刻与氯化和配体挥发，Hojin Kang，韩国成均馆大学 (SKKU) 化学工程学院；Y. Kim，韩国成均馆大学 (SKKU) 纳米技术高级研究所 (SAINT)；A. Cho，韩国韩国科学技术研究院 (KAIST) 化学与生物分子工程系；H. Jung，韩国韩国科学技术研究院 (KAIST) 化学与生物分子工程系，大田，34141，韩国3，韩国；S. Cho、H. Chae，韩国成均馆大学 (SKKU) 化学工程学院
气候变化的宏观经济影响：全球与地方温度 *
* We thank Marios Angeletos, Marshall Burke, Gabriel Chodorow-Reich, Simon Dietz, Stephane Hal- legatte, Jim Hamilton, Xavier Jaravel, Ben Jones, Eben Lazarus, Pooya Molavi, Ishan Nath, Ben Olken, Esteban Rossi-Hansberg, Toan Phan, Jón Steinsson, Jeffrey Shrader, Jim股票，克里斯·沃尔夫（Chris Wolf）以及会议和研讨会的数量参与者有用的评论和建议。我们感谢Ramya Raghavan，Lilian Hartmann和Cathy Wang的出色研究帮助。阿德里安·比拉尔（Adrien Bilal）非常感谢哈佛大学Chae家庭经济学研究基金的支持。†斯坦福大学，CEPR和NBER。电子邮件：adrienbilal@stanford.edu。 web：www.sites.google.com/site/adrienbilal电子邮件：adrienbilal@stanford.edu。web：www.sites.google.com/site/adrienbilal
Eun Hoo Rho，Sang Ik Baek，Heerah Lee，Moon-Woo Seong，Jong-hee Chae，Kyong Soo Park，Soo Heon Kwak。 Wi单碳代谢营养素，遗传变异和糖尿病
糖尿病（DM）影响了全球约9.3％的人口。高层结构血症（HHCY）与DM的发病机理有关，这是由于其促进氧化应激，β-细胞功能障碍和胰岛素抵抗。hhcy可能是由一碳代谢（OCM）营养素（例如叶酸，胆碱，甜菜碱，维生素B6，B12）的低状态引起的，它们通过甲基化降低了同型半胱氨酸。HHCY的病因也可能涉及编码OCM中关键酶的遗传变异。本综述旨在概述现有文献，以评估OCM养分状态，相关性因素和事件DM之间的联系。我们还讨论了OCM在DM开发中作用的可能机制，并为将来的研究和实践提供了建议。即使可用的证据仍然不一致，但一些研究支持摄入量或OCM养分血液水平对DM发育的潜在有益作用。此外，与OCM相关基因中的某些变体可能会影响甲基单调的代谢处理和大概是偶然的DM。未来的研究是有必要确定OCM和DM之间的因果推断，并检查OCM养分和基因因素与DM开发的相互作用，这将为OCM养分预防的个性化建议提供信息。
全球经济中的税收政策和投资*
* 稿件日期：2024 年 7 月 5 日。我们感谢 Agustin Barboza、Emily Bjorkman、Walker Lewis、Anh-Huy Nguyen、Shivani Pandey、Sarah Robinson、Francesco Ruggieri、Sam Thorpe 和 Caleb Wroblewski 提供的出色研究协助；感谢我们的讨论者 Eyal Argov、Steven Bond、Manon François、Andrea Lanteri 和 Jason Furman；以及研讨会和会议参与者的评论、想法和数据帮助。我们感谢 Michael Caballero、Anne Moore 和 Laura Power 对跨国税收数据的见解，以及 Tom Winberry 就他的调整成本估算进行的有益讨论。Chodorow-Reich 非常感谢哈佛大学 Ferrante 基金和 Chae 基金的支持。Zwick 非常感谢芝加哥大学布斯商学院的财政支持。Zidar 感谢 NSF 提供的支持（资助号： 1752431。免责声明：本项目涉及机密纳税人信息的所有数据工作均在 IRS 设施和 IRS 计算机上完成，机密纳税人数据从未离开过 IRS 计算环境。本文表达的观点均为作者的观点，并不一定代表 IRS 或美国财政部的观点。所有结果均已审查，以确保不会泄露机密信息。模型隐含的收入估计不是 TCJA 的收入估计。