XiaoMi-AI文件搜索系统
World File Search Systemdong
chuanfei dong
2023.01 - 波士顿大学天文学系助理教授。2021.04 - 2022.12 DOE的普林斯顿血浆物理实验室（.GOV）的工作人员科学家。2018.01 - 2022.12天文学科学系副研究学者，普林斯顿大学。2016.01 - 2017.12普林斯顿大学NASA Jack Eddy研究员。2015.09 - 2015.12加利福尼亚大学伯克利分校太空科学实验室博士后学者。精选的荣誉，奖学金和奖项2024年：阿尔弗雷德·斯隆（Alfred P. Sloan）物理研究员，阿尔弗雷德·P·斯隆基金会（Alfred P. Sloan Foundation）。2023：HPC创新卓越奖，Hyperion Research。2023：美国能源部DOE早期职业研究奖。 2019：国家科学院太空科学的新领导者。 2018：欧洲航天局（ESA）的年轻研究员奖。 2016，2018：NASA Maven Science团队的团体成就奖。 2018：迪拜未来基金会MBR太空和解挑战赛的冠军。 2016：罗伯特·H·戈达德（ROBERT H. 2015：NASA Jack Eddy博士后奖学金。 2015：密歇根州计算发现与工程研究所MICDE奖学金。 2015年：密歇根大学的理查德和埃莉诺·汤纳奖。 2013 - 2015年：NASA地球和太空科学奖学金。 2014：密歇根州等离子体科学与工程研究所MIPSE奖学金。 2013年：洛斯阿拉莫斯国家实验室Vela奖学金。 专业服务和隶属关系2023：美国能源部DOE早期职业研究奖。2019：国家科学院太空科学的新领导者。2018：欧洲航天局（ESA）的年轻研究员奖。2016，2018：NASA Maven Science团队的团体成就奖。 2018：迪拜未来基金会MBR太空和解挑战赛的冠军。 2016：罗伯特·H·戈达德（ROBERT H. 2015：NASA Jack Eddy博士后奖学金。 2015：密歇根州计算发现与工程研究所MICDE奖学金。 2015年：密歇根大学的理查德和埃莉诺·汤纳奖。 2013 - 2015年：NASA地球和太空科学奖学金。 2014：密歇根州等离子体科学与工程研究所MIPSE奖学金。 2013年：洛斯阿拉莫斯国家实验室Vela奖学金。 专业服务和隶属关系2016，2018：NASA Maven Science团队的团体成就奖。2018：迪拜未来基金会MBR太空和解挑战赛的冠军。2016：罗伯特·H·戈达德（ROBERT H.2015：NASA Jack Eddy博士后奖学金。2015：密歇根州计算发现与工程研究所MICDE奖学金。2015年：密歇根大学的理查德和埃莉诺·汤纳奖。2013 - 2015年：NASA地球和太空科学奖学金。2014：密歇根州等离子体科学与工程研究所MIPSE奖学金。2013年：洛斯阿拉莫斯国家实验室Vela奖学金。专业服务和隶属关系
Changxin Lyla Dong
链接 • LinkedIn：https://www.linkedin.com/in/lyla-dong-462139164/ • 实验室：http://www.supramolecularbiomaterials.com/ • 新闻：https://www.cbsnews.com/sanfrancisco/news/stanford-scientists-develop-gel-protect-homes-against-wildfires/
Liang（Leon）Dong 生物信息学专业（2023 - 2024） 生物信息学专业（2024-2025）
2023活跃学习研究员贝勒大学2022数据学者奖贝勒大学2015年，2022年，基恩教师创新者计划Kern企业家教育网络2015大学研究委员会奖Baylor University Baylor University 2013 ECS研究Initiation Baylor Universiation Baylor University Baylor University 2011 Acculty Scholars Scholars Scholars Scholars Scholars Scholars Scholars Scholars Scholars Scholars Scholars奖奥斯汀1994年华XIN奖学金上海jiao tong大学
韩东锡 (Shane) 博士
博士学位Zachry 德克萨斯 A&M 大学土木与环境工程系，美国德克萨斯州大学城，2009 硕士，启明大学环境科学与工程系，韩国大邱，1999 文学士，启明大学环境科学与工程系，韩国大邱，1996 工作经历 2020 年至今 卡塔尔大学化学工程系联合教师任命 2019 年 12 月 卡塔尔大学先进材料中心水技术部门 (WTU) 创始成员 2018 年至今 卡塔尔大学先进材料中心研究副教授 2015-2018 副研究员，化学工程，德克萨斯 A&M 大学卡塔尔分校，卡塔尔 2012-2015 助理研究员，化学工程，德克萨斯 A&M 大学卡塔尔分校，卡塔尔 2009-2012 博士后研究员，化学工程，德克萨斯 A&M 大学卡塔尔分校，卡塔尔 2005-2009 研究生助理，环境工程，德克萨斯 A&M 大学，
sim hee dong
Lee，Jiyun，Sim Heedong，Jeong Jaemin，Kim Sun-Young，Yang Seokjo，Jeong Seongmok，Jeong Seongmok，Lee Haebeom，“使用计算机模型的犬内侧tellar tellar lix型具有股骨内侧tell骨奢华的生物力学分析。”BMC兽医研究16，第1期。 1（2020）。BMC兽医研究16，第1期。1（2020）。
出版版本引文 (APA)：Dong, Y., Dong, Z., Zhao, T., & Ding, Z. (2021). 电池日前竞价策略及运作
电池储能系统 (BESS) 在智能电网中起着至关重要的作用，辅助市场提供了高额收益。对于 BESS 所有者来说，决定如何在不同的报价之间取得平衡并与竞争对手竞价，以实现利润最大化非常重要。因此，本文将 BESS 竞价问题表述为马尔可夫决策过程 (MDP)，以最大化自动发电控制 (AGC) 市场和能源市场的总利润，同时考虑充电/放电损耗和 BESS 的寿命等因素。在所提出的算法中，引入了函数逼近技术来处理连续的大规模竞价规模并避免维数灾难。作为一种无模型方法，所提出的算法可以从电力市场的随机和动态环境中学习，从而帮助 BESS 所有者有利可图地决定他们的竞价和运营计划。几个案例研究说明了所提算法的有效性和有效性。
Liang（Leon）Dong
注释：必须有36个小时的高级工作（“ 3000” - “ 4000”课程），至少124小时。必须在所有CSI和BIO小时内都具有C级或更高的成绩。此流程图旨在成为建议工具。BU本科目录在所有学位要求上都是学生的最终权威。
公共经文（APA）的Citton：Dong，C.，Ye，T.，Long，X.
摘要 - 使用监视设备可以帮助避免受伤甚至死亡。当前，使用可穿戴传感器（例如运动传感器和其他传感器）来检测患者何时癫痫发作并警告他们的护理人员。但是，这些设备的开发阶段需要劳动密集型对收集的数据进行标记，这导致了开发可穿戴监测设备的困难。因此，必须采用更自动化的辅助方法来标记癫痫发作数据和可穿戴设备，以检测癫痫发作以进行日常监测。我们用建议的手镯从医院外癫痫发作的数据中收集了数据。癫痫发作后，要求受试者按下标记按钮。我们还提出了移动段（EAMS）算法的自动提取和注释，以排除非移动段。然后，我们使用机器学习方法使用了两层集合模型（TLEM）来对癫痫发作和非癫痫发作段进行分类，该段旨在处理不平衡的数据集。然后，由于这些数据集的不同不平衡，我们为整个（全天和晚上）癫痫发作案例和夜间癫痫发作检测案例分别构建了两个单独的TLEM模型。EAMS算法排除了93.9％的原始数据。TLEM模型
引文：Dong, Mark, Heim, David, Witte, Alex, Clark, Genevieve, Leenheer, Andrew J 等人。2022 年。“用于 VLSI 的压电光机械悬臂调制器
摘要：可见波长超大规模集成 (VLSI) 光子电路有可能在量子信息和传感技术中发挥重要作用。可扩展、高速、低损耗的光子网格电路的实现取决于可靠且精心设计的可见光子元件。本文我们报告了一种基于压电驱动机械悬臂的低压光学移相器，该移相器是在 CMOS 兼容的 200 毫米晶圆可见光子平台上制造的。我们展示了差分操作中 6 V π -cm 的线性相位和幅度调制、-1.5 dB 至 -2 dB 的插入损耗以及 700 nm - 780 nm 范围内高达 40 dB 的对比度。通过调整选定的悬臂参数，我们演示了一个低位移和一个高位移装置，两者均表现出从直流到峰值机械共振的几乎平坦的频率响应，分别在 23 MHz 和 6.8 MHz，通过共振增强 Q~40，进一步将工作电压降低至 0.15 V π -cm。
尖峰情绪：使用尖峰神经网络识别动态视觉情感1 Binqiang Wang 1,2，Gang Dong 2*，Yaqian Zhao 2，Rengang Li 2
1山东大规模信息技术研究所，中国2个州主要的服务器和存储技术启动（北京）电子信息行业有限公司，中国北京，中国北京的抽象情感识别来自视觉信息的抽象情感识别是计算机视觉社区的重要研究主题。基于人工神经网络（ANN）的当前普遍解决方案表现出很高的精度，但计算消耗量很大。与ANN相比，尖峰神经网络（SNN）在生物学上更现实，并且在计算上有效。但是，将SNN用于视觉情感识别仍然是一个巨大的挑战，这主要是由于缺乏动态视觉传感器（DVS）的情感数据集和正确设计的SNN框架。在本文中，我们提出了一种生成DVS模拟数据集的方法，利用存在的情感识别数据集包含视频段。同时，采用了SNN框架及其对应ANN，以分别基于模拟DVS数据集和原始帧数据来完成动态视觉情感识别。所提出的SNN框架由一个功能提取模块组成，该模块基于输入的尖峰训练，投票神经元组模块，其中包含两组情绪神经元，以及一个将情感映射模块转换为情感上的尖峰到情感极性标签。结果表明，与ANN相比，提出的SNN可以实现更好的性能，其能耗只是ANN的四分之一。关键字峰值神经网络；动态视觉传感器；情绪识别1。简介