XiaoMi-AI文件搜索系统
World File Search SystemChae
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。
Chaebin Kim 的简历
◦ 使用 Sunny.jl 分析磁中子散射数据，ORNL（2024） ◦ 使用（线性）自旋波理论分析中子谱数据，ORNL（2023） ◦ 使用中子散射建模和拟合晶体场，ORNL，Virtual（2022） ◦ 第 11 届 PAL 暑期学校，韩国浦项 (2019) ◦ 第 7 届粉末晶体学教程，韩国浦项 (2019) ◦ 第 4 届中子和 μ 子学校 & MIRAI 博士学校 2019，J-PARC，日本 (2019) ◦ 第 9 届凝聚态物理暑期学校，韩国 (2018)
Chaeryon Kang - 皮特公共卫生
匹兹堡大学，生物统计学系，美国宾夕法尼亚州匹兹堡 教学经历 统计估计理论（研究生博士核心课程，11） 2015 年秋季 统计估计理论（研究生博士核心课程，8） 2016 年秋季 生物统计学研讨会 2016 年秋季 生物统计学研讨会 2017 年春季 统计估计理论（研究生博士核心课程，20） 2017 年秋季 生物统计学研讨会 2017 年秋季 生物统计学研讨会 2018 年春季 统计估计理论（研究生博士核心课程，7） 2018 年秋季 统计估计理论（研究生博士核心课程，13） 2019 年秋季 专题研究 (BIOST 2021) 2019 年秋季 专题研究 (BIOST 2021) 2020年夏季统计估计理论（研究生博士核心课程，14）2020年秋季
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。
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。，＆
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。