NTT 300 GHz 频段 InP HBT 功率放大器和 InP-CMOS 混合相控阵发射器 Alyosha C. Molnar 康奈尔大学 超越 CMOS 的 N 路径混频器 Pascal Chevalier ST Microelectronics 用于有线、无线和卫星通信应用的 55 纳米柔性 SiGe BiCMOS 技术 Takuya Maeda 东京大学 ScAlN/GaN 电子设备应用特性 Trevor Thornton 亚利桑那州立大学 高功率器件的金刚石-BN 异质结:终极 HEMT ? Jim Sowers Maxar Space Infrastructure 商业通信卫星有效载荷中的 III-V 族半导体 Kenle Chen 中佛罗里达大学 用于下一代无线通信的负载调制平衡放大器 Bernhard Grote NXP 基站 GaN HEMT 和 GaN PA 技术进展 Lan Wei 滑铁卢大学 基于物理的单片 GaN 集成模型系列 Larry Dunleavy Modelithics Inc.,南佛罗里达大学
Alyosha C. Molnar 康奈尔大学 超越 CMOS 的 N 路径混频器 Pascal Chevalier ST Microelectronics 用于有线、无线和卫星通信应用的 55 纳米灵活 SiGe BiCMOS 技术
[20] Liu W W,Chen S Q,Li Z C等。使用单层跨表面[J]在Terahertz区域中在Terahertz区域中传输模式下的极化转换实现。光学信,2015,40(13):3185-3188。
采用 AI 应用程序的一个关键要素是算法的可解释性、过度拟合和可重复性。具体而言,AI 模型受到可解释性或黑盒限制的影响,因为它们依赖于复杂的非线性、多维决策边界。这些模型还存在过度拟合的问题,可以识别医学图像中完全不相关的强目标相关伪影,导致泛化能力差。因此,得出误导性预测的可能成本反而非常高昂且耗时。因此,必须使用最先进的技术来识别 AI 模型中的任何这些问题。例如,激活图(也称为加热图)显示了模型在使用亮度进行预测时关注的内容。因此,它可以突出显示每个预测的关注领域,这可能有助于人类理解 AI 模型用于得出结果的过程。
Upmanu Lall 博士是哥伦比亚水资源中心主任,也是哥伦比亚大学的 Alan and Carol Silberstein 工程学教授。他是美国地球物理学会 (AGU) 和美国科学促进会 (AAAS) 的研究员。他曾获得欧洲地球物理学会 (EGU) 的 Henry Darcy 奖、美国土木工程师学会 (ASCE) 的干旱土地水利工程奖和 Ven Te Chow 奖,并在美国地球物理学会 Langbein 和 Borland 讲座上发表演讲。他领导了各大洲的水资源和气候可持续性、风险分析和缓解、基础设施和金融工具方面的项目。他的工作范围从水文气候学和数据科学的基础研究到系统设计和优化、政策分析和创新以及缓解气候风险的金融战略。自 2014 年以来,他制定了“美国水资源倡议”,旨在根据气候信息制定全面的国家水资源、能源和农业规划。