XiaoMi-AI文件搜索系统
World File Search SystemZhao
Guizhen Zhao，博士 维护数字时代的运输网络安全
我的研究重点是阐明心血管疾病（CVD）中血管细胞的代谢和表观遗传（“代谢性概率”）特性并探索潜在的药物靶标。我对该领域做出了值得注意的贡献，包括首次使用单细胞RNA测序技术来揭示腹主动脉瘤（AAA）中的血管细胞异质性，这在心脉液中的评论中被强调。在我最近发表在JCI和ATVB上的研究中，我对CVD（特别是AAA）的表观遗传机制提供了更深入的了解。这些发现表明，将表观遗传疗法用于血管疾病的潜力。此外，我还产生了一种新型的诱导型MYH11-CREER T2-P2A敲入小鼠模型[以下出版物（2）]，从而在雄性和雌性小鼠的血管平滑肌细胞中可以精确的基因敲除。我还开创了在血管研究中的先进空间转录组技术（即Seq-Scope和Merfish）的使用。我的工作不仅建立了强大的方法论，而且还证明了这些技术在人类和小鼠模型中与血管疾病相关的空间细胞本体学方面的可行性。我的实验室已广泛使用动物模型，遗传和表观遗传学方法，包括大量RNA-Seq，单细胞RNA-Seq，Chip-Seq和ATAC-Seq，空间转录组学和代谢组学的Chip-Seq和ATAC-Seq进行的染色质访问性分析。使用这些跨学科的方法，我有信心揭示细胞在当地环境中的复杂相互作用，阐明了驱动CVD进展的代谢性象征性的复杂性，并建立了大部分心脏代谢领域中的跨学科协作。
Vitaes -Zhongyuan Zhao
2023 – Cont。战术网络的分布式机器学习，莱斯大学，PI：圣地亚哥·塞加拉（Santiago Segarra），co-pi：Ashutosh Sabharwal，参考文献：[J1，C1，C3，C4]。研究基础结构无线网络中的分布式多跳计算卸载，以支持陆军通过Edge AI的多域操作。开发图形神经网络，分布式学习和故障安全机制，以增强边缘AI解决方案在自组织自主网络中边缘AI解决方案的上下文意识，适应性，可伸缩性和鲁棒性。2019 – Cont。多域操作的自主网络，莱斯大学，PI：Ashutosh Sabharwal，Edward W. Knightly，Santiago Segarra，参考：[C5，C6，C7，C7，C8，C9，C9，C10，C10，C10，J1，J1，J2，J2，J4，R1]。对图形神经网络和基于图的强化学习进行研究，以解决基础设施无线网络中的资源分配挑战，以支持陆军的多域操作。为链路调度，路由和计算卸载开发高效和分布式启发式方法，从而可以提高网络的效率，性能和边缘智能，同时保持其自我组织功能，可扩展性和鲁棒性。
立体声（第2部分）
Jul。2024年 - 加利福尼亚大学，圣地亚哥计算机科学与工程系3月。2022- 2023年12月Google访问研究员MSCA（ML，Systems和Cloud AI）Jul。2020 -Jun。2024加州大学圣地亚哥分校计算机科学与工程系副教授，2017年11月 - Jun。 2020年加利福尼亚大学，圣地亚哥分校计算机科学与工程系助理教授，2017年11月至2018年12月，加利福尼亚大学圣克鲁斯分校，计算机工程系访问助理教授，2015年1月 - 2017年11月，加利福尼亚州圣克鲁斯大学，2014年1月1日，加利福尼亚大学，加利福尼亚大学，2014年1月。智能基础设施实验室实验室研究助理2024加州大学圣地亚哥分校计算机科学与工程系副教授，2017年11月 - Jun。2020年加利福尼亚大学，圣地亚哥分校计算机科学与工程系助理教授，2017年11月至2018年12月，加利福尼亚大学圣克鲁斯分校，计算机工程系访问助理教授，2015年1月 - 2017年11月，加利福尼亚州圣克鲁斯大学，2014年1月1日，加利福尼亚大学，加利福尼亚大学，2014年1月。智能基础设施实验室实验室研究助理
磁机械超材料：展望 - Zhao Lab
超材料，源于希腊语“meta”，意为“超越”，是一种具有独特属性和能力的人造材料。其显著特征在于其结构，由重复的晶胞组成。这些材料的属性主要由晶胞的几何形状而非材料成分决定，在天然材料中并不存在。主动超材料是超材料的一个子类别，其晶胞能够响应外部触发或刺激而改变其几何形状，从而相应地改变其属性。通过操纵这些刺激，主动超材料展现出可调节属性的卓越能力，从而显著增强其功能性和适用性。在众多不同类型的主动超材料中，磁机械超材料通过应用外部磁场（一种快速、可逆且不受束缚的驱动方法）具有独特的形状重构和属性调节优势。图 1(a) 展示了磁机械超材料的一般机制。通常，磁机械超材料的晶胞部分具有专门设计的磁化方向。当受到外部磁场（通常由永磁体或电磁线圈产生）时，磁机械超材料的磁化部分会经历磁扭矩，从而导致形状转变为致动模式。该过程是可逆的，在移除磁场后，或者在某些情况下施加反向磁场后，磁机械超材料会恢复到其初始模式。此外，制造磁机械超材料有两种策略。第一种选择是将磁性粒子嵌入软聚合物材料中，形成磁性软复合材料 [2、3]，第二种选择是插入永久刚性磁体
功能折纸的活性材料| Zhao Lab
近几十年来，已经探索了折纸以帮助设计工程结构。这些结构涵盖了多个尺度，已被证明用于航空航天，超材料，生物医学，机器人和建筑应用等各个领域。从传统上讲，折纸或可部署的结构是由手，电动机或气动执行器驱动的，这可能会导致沉重或笨重的结构。另一方面，有效材料对外部刺激的响应重新构成，消除了对外部机械载荷和笨重的致动系统的需求。因此，近年来，与可部署结构合并的活性材料已经显示出对轻重，可编程折纸的远程致动的希望。在这篇评论中，有效材料，例如形状记忆聚合物（SMP）和合金（SMA），水凝胶，液晶弹性体（LCES），磁性软材料（MSMS）以及共价适应网络（CAN）聚合物，它们的驱动机制，以及它们如何用于现有的origanami和这些结构的使用方式，以及它们是可用的结构。此外，突出显示了构建活性折纸的最新制造方法。总结了折纸的现有结构建模策略，用于描述活跃材料的构造模型以及主动折纸研究的最大挑战和未来方向。
第27届ICPR教程 2024.12.01 - 赵鑫
赵欣教授于2013年获得中国科学技术大学博士学位。他的研究兴趣包括视频分析和性能评估，尤其针对目标跟踪任务。他发表过许多国际期刊和会议论文，例如IJCV、IEEE TPAMI、IEEE TIP、IEEE TCSVT、CVPR、ICCV、NeurIPS、AAAI、IJCAI。最近，他主要进行人机视觉评估方面的研究。他构建了多个广泛使用的计算机视觉基准测试集（例如GOT-10k、VideoCube、SOTVerse、Biodrone等）并建立了在线评估平台。他定期担任以下会议和期刊的程序委员会成员或同行评审员：CVPR、ICCV、ECCV、ICML、NeurIPS、ICLR、IJCV、IEEE TPAMI、IEEE TIP、IEEE TMM等。
生物医学计算机 NExpR - 赵凯
医学图像通常需要重新缩放到各种空间分辨率，以确保在不同层面上的解释。传统的基于深度学习的图像超分辨率 (SR) 增强了固定尺度的分辨率。隐式神经表征 (INR) 是一种实现任意尺度图像 SR 的有前途的方法。然而，现有的基于 INR 的方法需要重复执行神经网络 (NN)，这既慢又低效。在本文中，我们提出了用于快速任意尺度医学图像 SR 的神经显式表征 (NExpR)。我们的算法用显式解析函数表示图像，其输入是低分辨率图像，输出是解析函数的参数化。通过单个 NN 推理获得解析表示后，可以通过在所需坐标处评估显式函数来得出任意尺度的 SR 图像。由于解析显式表示，NExpR 比基于 INR 的方法快得多。除了速度之外，我们的方法还实现了与其他强大竞争对手相当或更好的图像质量。在磁共振成像 (MRI) 数据集（包括 ProstateX、fastMRI 和我们内部的临床前列腺数据集）以及计算机断层扫描 (CT) 数据集（特别是 Medical Segmentation Decathlon (MSD) 肝脏数据集）上进行的大量实验证明了我们方法的优越性。我们的方法将重新缩放时间从 1 毫秒的数量级缩短到 0.01 毫秒的数量级，实现了超过 100 倍的加速，同时不损失图像质量。代码可在 https://github.com/Calvin-Pang/NExpR 上找到。
IEE ICIP中的教程，2024.10.27 -Xin Zhao
Xin Zhao教授于2013年获得中国科学技术大学（USTC）的博士学位。 他的研究兴趣包括视频分析和性能评估，尤其是针对对象跟踪任务。 他发表了国际杂志和会议论文，例如IJCV，IEEE TPAMI，IEEE TIP，IEEE TCSVT，CVPR，ICCV，NEURIPS，NEURIPS，AAAI，IJCAI。 最近，他主要进行了有关人类计算机视力评估的研究。 他已经建立了几个广泛使用的计算机视觉基准（即，got-10k，videocube，sotverse，biodrone等））Xin Zhao教授于2013年获得中国科学技术大学（USTC）的博士学位。他的研究兴趣包括视频分析和性能评估，尤其是针对对象跟踪任务。他发表了国际杂志和会议论文，例如IJCV，IEEE TPAMI，IEEE TIP，IEEE TCSVT，CVPR，ICCV，NEURIPS，NEURIPS，AAAI，IJCAI。最近，他主要进行了有关人类计算机视力评估的研究。他已经建立了几个广泛使用的计算机视觉基准（即，got-10k，videocube，sotverse，biodrone等）使用在线评估平台。他定期担任以下会议和期刊的计划委员会成员或同行审稿人：CVPR，ICCV，ECCV，ICML，ICML，Neurips，ICLR，IJCV，IEEE TPAMI，IEEE TPAMI，IEEE TIP，IEEE TMM，IEEE TMM等