XiaoMi-AI文件搜索系统
World File Search System李承柱
Xiang Li (李祥)
1。x li，j ding，m elhoseiny。vrsbench：一种多功能视觉语言基准数据集，用于遥感图像理解。神经信息处理系统（NERUIPS）的第三十八大会，2024年。pdf 2。m艾哈迈德，X li，M Elhoseiny。3DCOMPAT200：用于组成识别的语言扎根大规模3D视觉数据集。第三十八届神经信息处理系统会议（Neruips），2024年。3。x li†，Jian ding†，Z Chen，M Elhoseiny。uni3dl：3D和语言理解的统一模型。欧洲计算机视觉会议（ECCV）2024。PDF 4。J Chen，D Zhu，X Shen，X Li，Z Liu，P Zhang，R Krishnamoorthi，V Chandra，Y Xiong，M Elhoseiny。迷你v2：大型语言模型作为视觉多任务学习的统一接口。arxiv。PDF 5。D Zhu，J Chen，X Shen，X Li，M Elhoseiny。Monigpt-4：使用先进的大语言模型来增强视力语言理解。国际学习表征会议（ICLR）2024（> 24K在GitHub开始）。PDF 6。J Chen，D Zhu，K Haydarov，X Li，M Elhoseiny。 视频chatcaptioner：迈向丰富的时空描述，arxiv 2023。 PDF 7。 f khan†，X li†，一座寺庙，M elhoseiny。 渔网：用于鱼类补充，检测和功能性状预测的大规模数据集和基准。 国际计算机视觉会议（ICCV），2023年。 PDF 8。 pdfJ Chen，D Zhu，K Haydarov，X Li，M Elhoseiny。视频chatcaptioner：迈向丰富的时空描述，arxiv 2023。PDF 7。f khan†，X li†，一座寺庙，M elhoseiny。渔网：用于鱼类补充，检测和功能性状预测的大规模数据集和基准。国际计算机视觉会议（ICCV），2023年。PDF 8。pdfX Shen，X Li，M Elhoseiny。MASTGAN：具有时间运动风格的视频，IEEE计算机视觉和模式识别会议（CVPR），2023年。
韩国航天产业的发展与动态
李承柱是韩国中央大学（首尔）政治学和国际关系学教授、东亚研究所贸易、技术与转型研究中心主任、加州大学伯克利分校伯克利亚太经合组织研究中心 (BASC) 高级研究员。他目前担任韩国外交部经济安全与外交事务咨询委员会成员和国防部政策咨询委员会成员。李承柱曾在新加坡国立大学和延世大学任教。他还曾在韩国国际研究协会和韩国政治学协会等学术协会担任过各种职务。他目前的研究重点是经济与安全关系、经济治国方略、中美技术竞争和全球数字治理。他获得了加州大学伯克利分校政治学博士学位。
脑机接口对义指精细动作控制的研究进展
甘 迪，黄 辉，李承智，等 .脑机接口对义指精细动作控制的研究进展 [ J ] .中国临床医学 , 2025, 32(1): 114-119.GAN D, HUANG H, LI C Z, et al.Advances in research on fine motion control of prosthesis fingers with brain-computer interface [ J ] .Chin J Clin Med, 2025, 32(1): 114-119.DOI: 10.12025/j.issn.1008-6358.2025.20241119
段昱冰(Duan Yubing), 徐晗逸, (Xu Hanyi), 李毅(Li Yi), ...
摘要。由于国民经济的改善和电子商务的持续发展，在线购物的规模不断扩大。但是，现有的快速交付站通常存在管理问题，并且不能整天开放，这增加了企业的管理困难和成本，并为用户提供便利。引起不便。这项工作设计了一个有效的合作系统，该系统由邮政机器人，龙门机器人和应用程序管理终端组成。它使用数字双技术来读取机器人的运动参数和工作状态，并创建一个具有良好耐力性能的智能控制系统，障碍超越能力和信息收集能力，执行科学调度，适应物流操作中的各种方案，并创建高度实用的智能站，以增强运输服务行业的能力。
s41467-024-54138-9.pdf - 李静宜
基因组分析通常无法预测癌症的治疗结果。这种失败在一定程度上是由于大量的基因改变和癌症信号网络的可塑性。功能分析可以确定信号动力学，是预测药物反应的另一种方法。目前尚不清楚整合实体肿瘤的基因组和功能特征是否可以提供对治疗脆弱性的独特见解。我们通过对内在凋亡机制的 BH3 分析，在胶质瘤患者样本和衍生模型中进行分子和功能联合表征。我们发现，标准治疗以基因型特异性的方式快速重新连接凋亡信号，揭示了具有特定分子特征（例如 TP53 WT）的胶质瘤中可靶向的凋亡脆弱性。然而，BH3 分析的整合表明，高线粒体启动也是诱导胶质瘤凋亡所必需的。因此，机器学习方法可以识别出一种复合分子和功能特征，该特征可以最好地预测各种颅内胶质瘤模型对标准治疗疗法与 ABBV-155（一种针对内在凋亡的临床药物）的反应。这项研究表明，互补的功能和分子数据可以稳健地预测治疗引起的细胞死亡。
