XiaoMi-AI文件搜索系统
World File Search System桂尔
![利用人工智能（AI）技术和电磁学的优化设计[II/完整]](/simg/9\9387ec6c0b051bb435b36d1f49766d3c18604346.png)
利用人工智能（AI）技术和电磁学的优化设计[II/完整]
(1) R. Gómez-Bombarelli, J.N.魏，D. Duvenaud，J.M.Hernandez-Lobato、B. Sanchez-Lengeling、D. Sheberla、J. Aguilera-Iparraguirre、T.D.希泽尔 R.P.亚当斯和 A.Aspuru-Guzik.，“使用数据驱动的分子连续表示进行自动化学设计”，ACS Central Science，卷。4，没有。2，第268-276，2018 年 2 月。(2) T.Guo, D.J.Lohan 和 J.T.Allisony，“使用变分自动编码器和风格迁移进行拓扑优化的间接设计表示”，AIAA 2018-0804。https://doi.org/10.2514 / 6.2018-0804，2018年。(3) S. Oh、Y. Jung、S. Kim、I. Lee 和 N. Kang，“深度生成设计：拓扑优化与生成模型的集成，”J.机械设计，卷。141，号。11, 111405, 2019.(4) 五十岚一，伊藤桂一，《人工知能(AI)技术と电磁気学を用いた最适设计［I］──トポロジー最适化──，》信学志，卷．105，没有。1. 页2022 年 33-38 日。(5) H. Sasaki 和 H. Igarashi，“深度学习加速拓扑优化”，IEEE Trans。Magn.，卷。55，没有。6，7401305，2019。(6) J. Asanuma、S. Doi 和 H. Igarashi，“通过深度学习进行迁移学习：应用于电动机拓扑优化, ” IEEE Trans.Magn., 卷。56, no.3, 7512404, 2020.(7 ) T. Aoyagi、Y. Otomo、H. Igarashi1、H. Sasaki、Y. Hidaka 和 H. Arita，“使用深度学习进行拓扑优化预测电流相关电机扭矩特性”，将在 COMPUMAG2021 上发表。(8) R.R.Selvaraju、M. Cogswell、A. Das、R. Vedantam、D. Parikh 和 D. Batra，“Grad-CAM：来自深层的视觉解释网络通过基于梯度的定位，” Proc.IEEE Int.Conf.计算机视觉 ( ICCV )，第< div> 618-626，2017 年。(9) H. Sasaki、Y. Hidaka 和 H. Igarashi，“用于电动机设计的可解释深度神经网络”，IEEE Trans。Magn.，卷57，号6，8203504，2021。(10) X.Y.Kou，G.T.Parks，和 S.T.< div> Tana，“功能优化设计
与学习有关的认知和情感因素
05 社论：与学习有关的认知和情感因素 Mikaela Nyroos、Johan Korhonen 和 Riikka Mononen 08 将明确的自我效能干预与计算策略训练相结合对成绩较差的小学生的好处 Tuire Koponen、Tuija Aro、Pilvi Peura、Markku Leskinen、Helena Viholainen 和 Mikko Aro 25 理解心理认知过程对学生学习满意度的影响：社会认知职业理论与 SOR 模型的结合 张桂华、岳晓瑶、叶燕和彭耀平 39 新冠疫情期间的在线实验：测试自主支持对情绪和学业坚持的影响 Yurou Wang、Jihong Zhang 和 Halim Lee 51 家庭学习环境对数学和数学早期认知和非认知结果的作用阅读 Stefanie Vanbecelaere、Kanako Matsuyama、Bert Reynvoet 和 Fien Depaepe 65 认知与学业成绩：人格特征与心理健康的中介作用 Yueqi Shi 和 Shaowei Qu 78 创造性数学推理：认知的需要重要吗？ Bert Jonsson、Julia Mossegård、Johan Lithner 和 Linnea Karlsson Wirebring 88 工作记忆及其在数学焦虑与数学成绩关系中的中介作用：一项荟萃分析 Jonatan Finell、Ellen Sammallahti、Johan Korhonen、Hanna Eklöf 和 Bert Jonsson 102 降低在校儿童的数学焦虑：干预研究的系统评价 Miriam Balt、Moritz Börnert-Ringleb 和 Lars Orbach 117 无论自我报告的认知需求如何，检索练习都是有效的——行为和大脑成像证据 Carola Wiklund-Hörnqvist、Sara Stillesjö、Micael Andersson、Bert Jonsson 和 Lars Nyberg 127 课堂竞争与小学生学业成绩的关系：学习焦虑和学习投入作为中介因素 国强Li, Zhiyuan Li, Xinyue Wu 和 Rui Zhen 137 数学成绩与数学态度之间的关系：性别、考试焦虑和工作记忆的影响 Ann Dowker 和 Hannah Sheridan
人工智能技术助力日益复杂的社会做出决策和达成共识
[福岛19] S. Fukushima：复杂社会中决策与共识构建支持技术发展趋势，人工智能，第34卷，第2期，第131-138页（2019年） [福岛21] S. Fukushima：人工智能研究新趋势：日本的制胜策略，JST CRDS报告，CRDS-FY2021-RR-01（2021年） [福田19] N. Fukuda、S. Fukushima、T. Ito、T. Taniguchi、M. Yokoo：复杂社会中决策与共识构建的AI技术，人工智能，第34卷，第6期，第863-869页（2019年） [郝19] 郝K.：DeepMind希望教AI玩比围棋更难的纸牌游戏，麻省理工学院技术评论，2月5日， 2019，https://www.technologyreview. com/2019/02/05/137577/deepmind-wants-to-teach-ai-how-to-play-a-card-game-thats-harder-than-go/ (2019) [HBR 19] 专题：假新闻，DIAMOND《哈佛商业评论》，2019 年 1 月刊，第 16-82 页 (2019) [Ito 17] Ito, T.、Fujita, K.、Matsuo, N.、Fukuda, N.：基于代理技术创建大规模共识构建支持系统 ─ 迈向实现自动协助代理 ─，人工智能，第 32 卷，第 5 期，第 739-747 页 (2017) [Ito 20] Ito, T.、Suzuki, S.、Yamaguchi, N.、Nishida、T.、Hiraishi、K. 和 Yoshino、K.：D-Agree：基于自动化辅助代理的群体讨论支持系统，第 34 届 AAAI 人工智能会议论文集，第 13614-13615 页 (2020) [Kimura 18] Kimura、Y.、Fukushima、S. 等人：支持复杂社会决策和共识建立的信息科学与技术，JST CRDS 战略提案，
验证软件胎儿脑体积。...
1. Malinger G、Paladini D、Haratz KK、Monteagudo A、Pilu GL、Timor-Tritsch IE。ISUOG 实践指南（更新版）：胎儿中枢神经系统超声检查。第 1 部分：筛查检查的表现和有针对性的神经超声检查指征。妇产科超声。2020；56：476-484。2. De Oliveira Júnior RE、Teixeira SR、Santana EFM 等人。宫内生长受限胎儿颅骨和脑参数的磁共振成像。放射学杂志。2021；54：141-147。3. Jarvis DA、Finney CR、Griffiths PD。使用宫内 3D 体积 MR 成像对胎儿颅内区室进行规范体积测量。欧洲放射学杂志。 2019;29:3488-3495。4. 任建英，朱敏，王刚，桂英，姜锋，董胜哲。使用 3-D 容积 MRI 量化胎儿颅内结构体积：妊娠 19 至 37 周的正常值。神经科学前沿。2022；12(16)：886083。5. Sadhwani A、Wypij D、Rofeberg V 等人。胎儿脑体积可预测先天性心脏病的神经发育。循环。2022；12(145)：1108-1119。6. Sarno M、Aquino M、Pimentel K 等人。疑似先天性寨卡病毒综合征小头畸形胎儿中枢神经系统进行性病变。妇产科超声。 2017；50：717-722。7. Prayer D、Malinger G、Brugger PC 等。ISUOG 实践指南：胎儿磁共振成像的表现。妇产科超声。2017；49：671-680。8. Resta S、Scandella G、Mappa I、Pietrolucci ME、Maqina P、Rizzo G。体外受精后妊娠的胎盘体积和子宫动脉多普勒：全面的文献综述。临床医学杂志。2022；29(11)：5793。9. Alves CM、Araujo Júnior E、Nardozza LM 等。多平面模式下三维超声检查胎儿脑裂发育的参考范围。超声医学杂志。2013；32：269-277。 10. Kalache KD、Espinoza J、Chaiworapongsa T 等。三维超声胎儿肺容积测量：多平面法与旋转（VOCAL™）技术系统比较研究。妇产科超声。2003；21：111-118。11. Kusanovic JP、Nien JK、Gonçalves LF 等。反转模式和 3D 手动分割在胎儿充满液体的结构体积测量中的应用：与虚拟器官计算机辅助分析（VOCAL™）进行比较。妇产科超声。2008；31：177-186。
MICCAI 2024 计划一览
论文 ID 标题/作者 指定会议 6 时空对比网络用于冠状动脉 CT 血管造影中冠状动脉疾病的数据高效学习 马兴华，邹明业，方欣燕，刘洋，罗恭宁，王伟，王宽泉，邱兆文，高鑫，李硕 海报 5 14 TP-DRSeg：通过显式文本提示辅助 SAM 改善糖尿病视网膜病变病变分割 李文学，熊新宇，夏鹏，鞠烈，葛宗元 海报 4 26 用于外科三联体识别的尾部增强表征学习 桂双春，王振坤 海报 1 40 MH-pFLGB：通过全局旁路模型进行医学图像分析的异构个性化联邦学习 谢璐媛，林曼青，徐晨明，栾天宇，曾志鹏，文俊Chen, Cong Li, Yuejian Fang, Qingni Shen,zhonghai Wu 海报 2 50 FM-ABS：即时基础模型驱动 3D 医学图像分割的主动无监督学习 Zhe Xu, Cheng Chen, Donghuan Lu, Jinghan Sun, Dong Wei, Yefeng Cheng, Quanzheng Li, Raymond Kai-yu Tong 海报 1 53 心脏副驾驶：使用世界模型自动引导超声心动图蒋浩军、孙振国、贾宁、李萌、孙宇、罗沙琪、宋世吉、黄高海报 2 65 拥抱海量医疗数据 周宇成、周宗伟、Alan Yuille 海报 1 67 掩蔽缺失：不完整多模态脑肿瘤分割的任意跨模态特征重建 曾志林、彭泽林、杨小康、沉伟海报 4 73 迈向直肠内超声视频中结直肠癌分割的基准：数据集和模型开发 Yun Cheng Jiang、Yiwen Hu、Zixun 张、Jun Wei、Chun-Mei Feng、Xuemei Tang、Xiang Wan、Yong Liu、Shuguang Cui、Zhen Li 海报 5 74 UinTSeg：统一婴儿脑组织分割与解剖描绘 Jiameng Liu、Feihong Liu、Kaicong Sun、Yuhang Sun、 Jiawei Huang, Caiwen Jiang, Islem Rekik, Dinggang Shen 海报 2 77 XCoOp：通过概念引导上下文优化实现计算机辅助诊断的可解释即时学习 Yequan Bie, Luyang Luo,zhixuan Chen,hao Chen 海报 5 78 DiffExplainer：通过反事实生成揭开黑盒模型 Yingying Fang, Shuang Wu, Zihao Jin, Shiyi Wang, Caiwen Xu, Simon沃尔什·光阳海报 5
201.pdf - GuanHua Chen Group
[1] A. Saeki, K. Kranthiraja, Jpn. J. Appl. Phys. 2019 , 59 , SD0801。[2] L. Paterson, F. May, D. Andrienko, J. Appl. Phys. 2020 , 128 , 160901。[3] G. Hong, X. Gan, C. Leonhardt, Z. Zhang, J. Seibert, JM Busch, S. Bräse, Adv. Mater. 2021 , 33 , 2005630。[4] G. Li, Y. She, 用于高效稳定有机发光二极管的四齿环金属化铂(II)配合物, IntechOpen, London 2018。[5] K. Li, GSM Tong, Q. Wan, G. Cheng, W.-Y.童，W.-H。 Ang，W.-L。邝，C.-M。切，化学。科学。 2016, 7, 1653. [6] H. Li, T.-L. Lam, X. Tan, L. Dai, C.-M. Che, SID Symp Digest Techn Pap 2021, 52, 328。 [7] J. Sun, H. Ahn, S. Kang, S.-B. Ko，D. Song，HA Um，S. Kim，Y. Lee，P. Jeon，S.-H。 Hwang, Y. You, C. Chu, S. Kim, Nat。光子。 2022, 16, 212. [8] H. Li, T.-L.林丽欣、戴丽、蔡碧生、Y.-S。 Cho, Y. Kwak, C.-M. Che, 四齿铂 (II) 发射体：设计策略、光物理和 OLED 应用, IntechOpen, 伦敦 2020。[9] J.-L. Calais, Int. J. Quantum Chem. 1993, 47, 101。[10] M. Marques、A. Rubio、EK Gross、K. Burke、F. Nogueira、CA Ullrich, 时间相关密度泛函理论, Springer Science & Business Media, Dordrecht 2006。[11] S. DiLuzio、V. Mdluli、TU Connell、J. Lewis、V. VanBenschoten、S. Bernhard, J. Am. Chem. Soc. 2021, 143, 1179. [12] 孙建, 吴建, 宋涛, 胡丽, 单桂, 陈国, 物理学报.化学。 A 2014, 118, 9120。 [13] JA Keith、V. Vassilev-Galindo、B. Cheng、S. Chmiela、M. Gastegger、K.-R。 Müller，A. Tkatchenko，化学。 Rev. 2021, 121, 9816. [14] L. Hu, X. Wang, L. Wong, G. Chen, J. Chem。物理。 2003, 119, 11501. [15] M. Quir os, S. Gra ˇ zulis, S. Girdzijauskait ė, A. Merkys, A. Vaitkus, J. Cheminform 2018, 10, 23. [16] GR Schleder, ACM Padilha, CM Acosta, M. Costa, A.法齐奥，J.物理学。马特。 2019 , 2 , 032001。 [17] R. Gomez-Bombarelli, J. Aguilera-Iparraguirre, TD Hirzel, D. Duvenaud, D. Maclaurin, MA Blood-Forsythe, HS Chae, M. Einzinger, D.-G. Ha, T. Wu, G. Markopoulos, S. Jeon, H. Kang, H. Miyazaki, M. Numata, S. Kim, W. Huang, SI Hong, M. Baldo, RP Adams, A. Aspuru-Guzik, Nat Mater 2016, 15, 1120。 [18] MAB Janai, KL Woon, CS Chan, Org。电子。 2018 , 63 , 257. [19] Y. 赵, C. Fu, L. Fu, Y. Liu, Z. Lu, X. Pu, Mater Today Chem 2021 , 22 , 100625. [20] L. Breiman, Mach Learn 2001 , 45 , 5. [21] I. Palit, CK Reddy, IEEE Trans. 2021 , 22 , 100625.知道。数据工程2012 , 24 , 1904. [22] G. Ke, Q. Meng, T. Finley, T. Wang, W. Chen, W. Ma, Q. Ye, 神经信息处理系统的发展 (编辑：T.-Y. Liu), Curran Associates, New York 2017。[23] T. Chen, C. Guestrin, 在第 22 届 ACM SIGKDD 国际知识发现和数据挖掘会议论文集, 计算机协会, 纽约, NY 2016, 第 785 页。[24] DH Wolpert, Neural Netw 1992 , 5 , 241。[25] K. Li, G. Cheng, C. Ma, X. Guan, W.-M. Kwok, Y. Chen, W. Lu, C.-M. Che, Chem. Sci. 2013，4，2630。[26]RW肯纳德，LA斯通，技术计量学 1969，11，137。