XiaoMi-AI文件搜索系统
World File Search SystemYufei
Yufei Zhang
我的演讲•第二届ETH-HKG-ICL数学金融研讨会，香港，4月22日至25日，2025年。•ISOR座谈会，维也纳大学，维也纳，奥地利，3月。31，2025。•统计研讨会系列，Collegio Carlo Alberto，意大利，意大利，2月12日至14日，2025年。•建模，学习和理解：金融数学，金融技术与金融经济学之间的现代挑战，班夫，11月10日至15日，2024年。•第12届Bachelier Bachelier Finance Society，Rio de Janeiro，7月8日至12日，2024年。•随机差异游戏中的新趋势和挑战，班夫，6月23日至28日，2024年。•伦敦，伦敦，伦敦，埃德·恩基 - 帝国的数学金融研讨会。•机器学习研讨会的概率，牛津，2024年6月12日。•数学金融研讨会，比勒菲尔德，2024年6月5日。•巴黎，巴黎的单身研讨会，2024年4月17日。•fields-CFI训练营在定量金融中的机器学习，多伦多，4月25日至26日，2024年。•随机控制，机器学习和定量金融的最新进展，上海，2024年4月15日至19日。•IMSI关于决策和不确定性的研讨会，芝加哥，2024年2月2-9日。•2024年1月30日，Cityu-Nus MFG/MFC研讨会。•第16届ERCIM WG关于计算和方法统计的国际会议，柏林，2023年12月16日至18日。•伦敦第七伦敦 - 巴里斯·巴里斯（London-Paris），伦敦，伦敦，9月18日至19日，2023年。•8月28日，第二次HKSIAM双年展会议，香港。 1，2023。•随机分析与数学金融研讨会，柏林，2023年6月22日。•20023年8月27日至30日，香港定量金融的最新进展。•Bielefeld，6月26日至30日，第11届金融会议的高级数学方法。•柏林概率座谈会，柏林，2023年6月21日。•北英国概率研讨会，爱丁堡大学，2023年6月14日。•埃塞克斯大学数据科学研讨会，2023年5月11日。•伦敦帝国学院的PDES机器学习第二届研讨会，4月3-4，2023。•概率研讨会，巴斯大学，2023年1月9日。•世界上关于金融机器学习的世界在线研讨会，虚拟，2022年11月22日。•机器学习和最佳控制，皇家统计学会，虚拟，2022年10月19日。•悉尼大学的金融和随机研讨会，2022年10月11日。•伦敦 - 巴黎班赛车关于数学金融的Bachelier研讨会，法国巴黎，9月15日至16日，2022年。•PDES的机器学习，英国伦敦，9月6日至8日，2022年。
丁雨霏 – UCSD CSE
1. 我们的研究领域以编程系统为基础，但我们能够利用这个基础作为桥梁来影响其他重要领域，例如机器学习和量子计算。2. 我们的研究开创了构建智能编程系统的努力，以自动选择、映射、优化和调试应用程序实现到不同硬件平台的努力。3. 我们的努力涉及多种编程技术，从高级算法优化和自动调整，到领域特定的编程语言设计、内核库实现（尤其是针对 GPU）、高级编译构造和计算机架构设计。
人类多能干细胞衍生的睾丸类器官的构建和
Rufei Huang 1# , Huan Xia 1# , Tao Meng 1# , Yufei Fan 1 , Xun Tang 1 , Yifang Li 1 , Tiantian
佘雨辰、李爽、刘宇飞、曹梦龙，“大型太空望远镜在轨机器人组装任务设计与规划”，J. Ast
摘要：研究大型空间望远镜（LST）的概念设计和在轨装配任务规划问题。提出了分段式镜面设计，并开发了考虑机械手工作空间覆盖范围的机器人装配概念。为了减少在轨装配周期并保护易碎的镜面结构，采用几种新算法优化机器人装配路径。首先，建立装配路径与装配件数之间的映射，快速生成优化问题的候选解。其次，提出了结合蚁群算法和遗传算法的两级混合优化框架。混合优化方法能够快速收敛到接近全局最优解。通过仿真验证了所提出的模型和算法，结果表明所开发的方法可以显著提高LST的在轨装配任务效率。 © 2020 光学仪器工程师协会 (SPIE) [DOI: 10.1117/1.JATIS.6.1.017002]
利用生成人工智能培训实时产品开发从业人员
Antonie J、Jetter、Ameeta Agrawal、Dahm Mongkol Hongchai、Charles M. Weber、Yufei Tao Maseeh 工程与计算机科学学院，波特兰州立大学，俄勒冈州，美国 摘要 — 举办了一场研讨会，旨在培训使用生成人工智能 (AI) 进行实时新产品开发 (NPD) 的从业人员。三支工程和技术管理专业的研究生团队（其中许多人有经理和工程师的工作经验）得到了简单的指示，要求他们在六小时内使用 ChatGPT、搜索引擎和其他基于互联网的工具，为他们选择的产品开发产品概念和初步营销计划。产品必须是新颖的，计划包括客户识别、市场分析、生成角色，并在研讨会结束时进行 15 分钟的演示。目标是“激励销售人员”。由作者和外部营销专家组成的评审团确定了团队开发工作的优势、劣势和可行性。研讨会的结果证实了人工智能在多个行业新产品开发中的实用性。小组将团队的努力成果评为“极具创意”且在现实世界中具有可行性。研讨会最重要的贡献是展示了产品开发活动可以进行的速度。
脑屏障动脉自旋标记为非侵入性早期...
1 Amnah Mahroo，2 Merquiant Tee，3 Markus H Sneve，Moyaert的Paul 4，朱莉娅·威尔辛加（Julia Wiersinga詹妮弗（Jennifer），15,16 Morilitz Brandt，塞尔恩斯（Selnes），19帕特里夏·克莱门特（Patricia Clement），埃里克·阿切滕（Eric Achten）6 Günther，Henk J M M Mutsaerts 1
脑屏障动脉自旋标记为非侵入性早期...
1 Amnah Mahroo，2 Merquiant Tee，3 Markus H Sneve，Moyaert的Paul 4，Julia Wiersinga，10 Roos Rikken，11 Diesterrick，Leeuw的Diederrick，11HåkonGrydeland，Jennifer，Jennifer，Jennifer，Jennifer，Jennifer，15,16 Morilitz Brandt，Hen hen selnes，Selnes，Selnes，19 Patricia Clement，6 Eric clement，6 Eric clemen，G。 1
教育领域人工智能综述
收稿日期：2021年1月16日/接受日期：2021年3月24日/发表日期：2021年5月10日 人工智能在教育领域的应用综述 黄嘉慧 Salmiza Saleh* 刘宇飞 马来西亚理科大学教育学院 *通讯作者 DOI：https://doi.org/10.36941/ajis-2021-0077 摘要 创新技术的出现对教学和学习的方法产生了影响。近年来，随着人工智能（AI）技术的快速发展，AI在教育中的应用越来越明显。本文首先概述了AI在教育领域的应用，例如自适应学习、教学评估、虚拟教室等。然后分析其对教学和学习的影响，对于提高教师的教学水平和学生的学习质量具有积极的意义。最后提出了未来AI应用在教育中可能面临的挑战，为AI推动教育改革提供参考。关键词：人工智能，教育，教学1.引言当前，随着全球科技的发展，AI技术也得到了突飞猛进的提升。AI技术不断更新，并广泛应用于各个领域（Pannu，2015）。AI日益渗透到学校的教育环境和教学过程，这是一个不争的事实。在发展的过程中，越来越多的人关注到这项技术在教育领域的重要性。人工智能在教育领域得到广泛应用并展现出实质性的应用优势，对教学过程和课堂管理产生了深远影响（Chassignol，Khoroshavin，Klimova，& Bilyatdinova，2018；Roll＆Wylie，2016）。人工智能可以不断优化和改善学习环境，激发学生的积极性、主动性和创造力（Colchester，Hagras，Alghazzawi，& Aldabbagh，2017；Yang＆Bai，2020）。同时，可以显著提高教师的课堂管理水平，确保课堂管理更加合理高效（Tuomi，2018；Wang，2020）。随着现代科技的飞速发展，人工智能技术也在不断进步。相关领域的研究成果使得人工智能进一步应用到教育领域，并呈现出良好的应用效果，助力教学改革。人工智能在教育领域的应用，实现了教育与技术、教学与应用的全面融合
使用地形自动编码器预测本体感受皮层解剖结构和神经编码
使用地形自动编码器预测本体感受皮层解剖结构和神经编码 Kyle P. Blum 1*、Max Grogan 2*、Yufei Wu 2*、J. Alex Harston 2、Lee E. Miller 1 和 A. Aldo Faisal 2 * 对本文贡献相同 1 西北大学 2 伦敦帝国理工学院 本体感受是最不为人理解的感觉之一，但却是控制运动的基础。甚至肢体姿势在体感皮层中如何表现等基本问题也不清楚。我们开发了一种具有地形横向连接的变分自动编码器 (topo-VAE)，从大量自然运动数据中计算假定的皮层图。尽管不适合神经数据，但我们的模型重现了猴子中心向外伸展的两组观察结果：1. 尽管模型不了解手臂运动学或手部坐标系，但本体感受场在以手为中心的坐标系中的形状和速度依赖性。 2. 从多电极阵列记录的神经元首选方向 (PD) 分布。该模型做出了几个可测试的预测：1. 跨皮层的编码具有斑点和风车类型的几何 PD。2. 很少有神经元会只编码单个关节。Topo-VAE 为理解感觉运动表征提供了原则基础，以及神经流形的理论基础，并应用于脑机接口中感觉反馈的恢复和人形机器人的控制。关键词：本体感觉、皮层地图、地形测绘、深度学习、自然感觉统计、感觉生态学、变分自动编码器、计算神经科学、运动运动学、神经活动、初级体感皮层、自然行为、神经力学简介体感包括由皮肤受体提供的熟悉的触觉和本体感觉，本体感觉是一种不太有意识的感觉，它可以告诉我们动作姿势、运动以及作用于四肢的相关力量。前者受到了科学界的广泛关注，而本体感觉则经常被忽视，然而这种感觉反馈方式对于我们规划、控制和调整运动的能力至关重要。在工程学中，如果控制器不知道执行器的位置，就不可能控制机器人的运动；相应地，在人体运动控制（本体感觉）中，反馈控制理论是肢体控制计算的卓越解释（Todorov 和 Jordan 2002；Scott 2004）。此外，患有本体感觉神经功能障碍的个体，例如 IW 患者，即使在有视力和完整的运动系统的情况下，也存在严重的运动障碍 (Tuthill 和 Azim 2018；Sainburg、Poizner 和 Ghez 1993)。同样，神经假体领域的最新重大进展是