XiaoMi-AI文件搜索系统
World File Search SystemGuo
Curriculum Vitae - Siyuan Guo
2024年7月，剑桥埃利斯·夏季学校的讲师概率机器学习，英国邀请了关于因果关系的谈论和do finetti：桥接因果关系和概率模型，用于为研究生，研究人员和专业人士提供杰出课程。[幻灯片] 2024年5月，俄勒冈州立大学的来宾讲师，因果推理和AI课程，邀请了有关因果关系的谈话，又是finetti＆do finetti：可交换数据中的因果关系，以提供为研究生提供的课程。2023年4月，德国马克斯·普朗克智能系统学院的因果代表性演讲者贡献了发言人，他为超越I.I.D.的转变做出了贡献。：因果关系finetti和OOV概括
Qi guo-哈佛大学的学者
Qi Guo，E。Alexander和T. Zickler。 “焦点：深度和可振荡镜头变形的焦点。”在Proc。 国际计算机视觉会议（ICCV），2017年。 最佳演示在国际计算机摄影会议上（ICCP），2018年。Qi Guo，E。Alexander和T. Zickler。“焦点：深度和可振荡镜头变形的焦点。”在Proc。国际计算机视觉会议（ICCV），2017年。最佳演示在国际计算机摄影会议上（ICCP），2018年。
20250221_dr jingcai guo-香港
效率AI在必须使用有限的资源（例如培训数据不足，计算能力或两者兼而有之）的情况下完成学习/建模的方案中起着至关重要的作用。它进一步启用并促进了广泛应用程序的资源有效和低延迟解决方案。在本演讲中，演讲者将专注于数据方面，并介绍一系列高效且稳健的细粒零照片学习（ZSL）技术。谈话将从将视力组件从低水平分解为高水平开始，从而从功能和网络的角度重构学习。然后，它将深入到语义扩展，通过生成模型，提示和LLM来丰富ZSL侧面信息。此外，它探讨了跨模式相互作用，作为缩小可见成分和看不见的组合物之间域间隙的一种手段，从而增强了ZSL的整体鲁棒性和适用性。一些应用程序也将被勾勒出来。
20250221_dr jingcai guo-香港
效率AI在必须使用有限的资源（例如培训数据不足，计算能力或两者兼而有之）的情况下完成学习/建模的方案中起着至关重要的作用。它进一步启用并促进了广泛应用程序的资源有效和低延迟解决方案。在本演讲中，演讲者将专注于数据方面，并介绍一系列高效且稳健的细粒零照片学习（ZSL）技术。谈话将从将视力组件从低水平分解为高水平开始，从而从功能和网络的角度重构学习。然后，它将深入到语义扩展，通过生成模型，提示和LLM来丰富ZSL侧面信息。此外，它探讨了跨模式相互作用，作为缩小可见成分和看不见的组合物之间域间隙的一种手段，从而增强了ZSL的整体鲁棒性和适用性。一些应用程序也将被勾勒出来。
郭华栋当选中国科学院院士......
2011年12月9日，对地观测与数字地球科学中心主任郭华东教授当选为中国科学院地球科学部委员。他是中国科学院对地观测与数字地球科学中心第一位当选的院士，这不仅是他个人的终身荣誉，也是对中国科学院对地观测与数字地球科学中心发展的一大助力。希望郭华东教授的当选能够为中心面向国家战略需求、面向国际科技前沿、面向“创新2020”、推动中国科学院对地观测与数字地球科学中心可持续发展提供有力支撑。30年来，郭华东教授在国内外雷达遥感研究与应用领域发挥了重要的引领作用。建立了无植被沙丘雷达散射几何模型、多频多时相雷达地物识别方法，在空间信息领域进行了开创性研究。他在雷达体制方面的研究，揭示了雷达电磁作用机理的特点。无植被沙丘几何散射模型，从理论上证明了SAR对干沙的穿透能力。发展了雷达极化理论，研究了火山熔岩的去极化现象和植物的多极化现象。他提出的多频多时相雷达处理与识别方法，为国家减灾减灾、矿产普查等需求做出了重要贡献。郭教授主持研制的数字地球概念技术模型和“数字地球原型系统DEPS/CAS”被国际同行誉为“里程碑式贡献”。他参与创立了国际数字地球学会，创办了《国际数字地球学报》并担任主编，推动了全球数字地球的发展。
对感知，所有权和输出的影响alicia guo
基于AI的虚拟助手越来越多地用于支持日常构想任务。这些代理中存在的值或偏差可以以隐藏的方式影响输出。它们也可能影响人们如何感知具有不同价值一致性的AI代理产生的想法，并导致对基于AI的工具的设计产生影响。我们探索了具有不同值对想法过程的AI代理的影响，以及用户对想法质量，所有权，代理能力和输出中存在的值的看法。我们的研究任务为180名参与者，针对具有不同价值的AI代理的一组问题进行了集思广益的解决方案。结果表明，基于价值对齐的自我评估没有显着差异；但是，脑stormig过程中产生的想法反映了AI的价值观。本论文强调了AI值和人类意识之间的复杂相互作用，为将来的AI支持的头脑风暴工具提出了仔细的设计考虑。
郭红庆 (Michelle) 博士 个人简历 目录
1995 年 5 月 - 2004 年 8 月 高级副科学家 强生公司，制药和研究开发部 加利福尼亚州圣地亚哥 参与的项目和获得的专业知识： 基因发现：差异显示、cDNA/寡核苷酸微阵列、激光捕获显微切割、RNA 扩增。 药物发现：高通量筛选化合物库以识别药物靶标。 管理职位：领导一个小组为多个研究小组进行微阵列实验。 1992 年 2 月 - 1995 年 5 月 研究技术员 细胞生物学系，斯克里普斯研究所，加州拉霍亚 参与项目： 一种来自拟南芥的新型钙调蛋白调节的 Ca2 + -ATPase（ACA2），具有 N 端自抑制结构域 1991 年 8 月 - 1992 年 2 月 研究助理 中国科学院动物研究所内分泌系，中国北京 1989 年 9 月 - 1991 年 7 月 硕士生 中国科学院遗传与发育研究所，中国北京
Adarsh Arun、Zhen Guo、Alexei Lapkin - 剑桥 CARES
IRP4 第 1 阶段，也称为综合化学和电力系统运行 (ICESO)，研究了如何最大限度地减少裕廊岛化工厂电力供应产生的二氧化碳排放量。这项研究进行了 5 年，于 2018 年 10 月结束。该项目极大地推动了工业园区电力系统近乎实时地控制，以提高效率和减少二氧化碳排放，同时保持供电安全。这项工作为 J-Park 模拟器奠定了基础，后来成为 World Avatar。
引文 Guo H, Guo Q, Li Z 和 Wang Z (2024) 不同 GLP-1 受体激动剂与急性胰腺炎的关系：病例系列和现实世界
T2DM，因为它们在调节血糖水平方面具有显著的功效，而且不会增加低血糖发作或体重增加的风险（ Drucker 和 Nauck，2006；Nauck，2016）。此外，各种大规模心血管结果试验 (CVOT) 的良好结果表明，GLP-1RA 可以减轻心血管风险较高的 T2DM 患者发生重大不良心血管事件 (MACE) 的风险（ Marso et al., 2016a；Marso et al., 2016b；Hernandez et al., 2018；Pfeffer et al., 2015；Holman et al., 2017；Husain et al., 2019；Gerstein et al., 2019）。由于这些有利的特性，GLP-1RA 已获得权威指南的认可（ Marx 等人，2023 年；2024 年），成为 2 型糖尿病患者的重要治疗选择，尤其是那些已有动脉粥样硬化性心血管疾病或心血管风险较高的患者。然而，多年来，人们一直担心 GLP-1 RA 对胰腺的影响。根据观察数据，2011 年的一份报告强调，使用肠促胰岛素治疗的患者患胰腺炎和胰腺癌的风险增加（ Elashoff 等人，2011 年），促使美国食品药品监督管理局 (FDA) 就 GLP-1 RA 对胰腺的安全性发出警告（ Administration，2013 年）。病例报告回顾（Franks 等人，2012 年）进一步加剧了人们对 GLP-1RA 对胰腺的潜在不良影响的担忧，导致胰腺酶升高和 AP。一项大型随机对照试验的荟萃分析研究了基于肠促胰岛素的疗法与 AP 之间的关联，显示与传统疗法相比，使用这些药物时发生 AP 的可能性高 82%（95% CI，1.17 – 2.82）（Roshanov 和 Dennis，2015 年）。虽然最近发表的几项 CVOT 荟萃分析表明，GLP-1RA 与胰腺炎之间没有这种关联（Singh 等人，2020 年；Cao 等人，2020 年）。尽管如此，此类研究也存在重大缺陷，包括平均随访时间相对较短（RCT 中不到 2 年）、患者队列选择不当以及样本量有限。在本研究中，我们回顾了已发表的文献，并分析了美国食品药品管理局不良事件报告系统 (FAERS) 数据，以调查 GLP-1 RA 治疗中 AP 的发生率。我们的目标是提供 GLP-1 RA 诱发的 AP 的全面临床描述，并确定现实环境中 AP 和 GLP-1 RA 之间存在安全信号。
改善车辆轨迹预测的联合学习稳定性 /作者=太阳，Youbang；郭，江；帕森斯，基兰； nagai，Yukimasa /creationdate = 2024年7月9日 /主题=通信，机器学习< /div>
摘要众包信息可用于校准自动和自动驾驶汽车的高级驾驶员辅助系统/自动驾驶（ADAS/AD）参数。但是，在车辆网络中学习此类信息是具有挑战性的。一方面，单个车辆收集的数据可能不足以训练大型机器学习模型。另一方面，将原始数据上传到云服务器同样是不切实际的，这是由于符合通信的带宽要求和数据隐私威胁。本文通过应用联合学习（FL）寻求解决方案。我们旨在提高FL算法稳定性以提高预测准确性。因此，我们提出了一种基于方差的和结构感知的FL（VSFL），其中引入了FL服务器的基于方差的模型聚合方法，以进行最佳模型聚合，并为车辆客户提供了一个结构性模型培训方案，以解决统计异质性，而不会损害性能。我们首先为拟议的VSFL提供了理论分析。然后，我们使用合成数据和实际数据验证VSFL算法对车辆轨迹预测的效果。