Technologie-Peripheriegeräte
KI
Die Liste der AAAS-Fellows 2022 wurde veröffentlicht und Chen Yiran von der Duke University und der Quantencomputer-Experte Scott Aaronson wurden ausgewählt.
Die Liste der AAAS-Fellows 2022 wurde veröffentlicht und Chen Yiran von der Duke University und der Quantencomputer-Experte Scott Aaronson wurden ausgewählt.
Die AAAS-Fellow-Liste 2022 ist da! Zu den Neuzugängen gehören 505 Wissenschaftler, Ingenieure oder Innovatoren in verschiedenen wissenschaftlichen Disziplinen in Anerkennung ihrer wichtigen Beiträge zu MINT-Disziplinen, einschließlich bahnbrechender Forschung, Führung in bestimmten Bereichen, Lehre und Mentoring, Förderung der Zusammenarbeit und Förderung des öffentlichen Verständnisses der Wissenschaft.
AAAS Fellows werden jährlich von ihren Kollegen gewählt, die im AAAS Board of Governors tätig sind, dem Mitgliederverwaltungsgremium der Organisation, dessen frühester Jahrgang auf das Jahr 1874 zurückgeht.
Zu den akademischen Bereichen, die als AAAS-Stipendiaten ausgewählt wurden, gehören Landwirtschaft, Ernährung und erneuerbare Ressourcen, Anthropologie, Astronomie, Atmosphären- und Hydrosphärenwissenschaften, Biowissenschaften, Chemie, Bildung, Ingenieurwesen, Geologie und Geographie, Geschichte und Philosophie, Industrietechnologie und Information Informatik und Kommunikation, Linguistik und Sprachwissenschaft, Mathematik, medizinische Wissenschaft, Neurowissenschaften, pharmazeutische Wissenschaft, Physik, Psychologie, sozioökonomische und politische Wissenschaft, Statistik und andere Disziplinen.
AAAS-Stipendiaten haben in ihren jeweiligen Disziplinen wichtige Beiträge geleistet, unter anderem:
- Anwendung des Hubble-Weltraumteleskops auf wissenschaftliche Missionen;
- zu Epidemien und anderen globalen Herausforderungen im Bereich der öffentlichen Gesundheit bei der Modellierung und Analyse;
- Förderung von Vielfalt, Gerechtigkeit und Inklusion in der Wissenschaft;
- Entwicklung von Forschungsnormen zur Verbesserung ethischen Verhaltens in Wissenschaft, Technologie, Technik, Mathematik und mehr;
- Bahnbrechende Beiträge auf dem Gebiet der Wissenschaft leisten Radiologie und Arbeit zur Beseitigung gesundheitlicher Ungleichheiten durch erweiterte institutionelle Partnerschaften
- Schutz der Meeresökosysteme und ihrer Artenvielfalt.
Heart of the Machine ist hier, um Chinesische Informationen vorzustellen, die als AAAS 2022 Fellows in der Abteilung für Information, Informatik und Kommunikation ausgewählt wurden. Chen Yiran, Duke University Edge Computing Artificial Intelligence. (Athena), Direktor des University-Industry Collaborative Research Center (IUCRC) for New and Sustainable Computing (ASIC) der U.S. National Science Foundation (NSF) und Co-Direktor des Center for Computational Evolutionary Intelligence der Duke University ( DCEI).
Dr. Chen Yiran erhielt einen Bachelor- und einen Master-Abschluss von der Tsinghua University sowie einen Doktortitel von der Purdue University im Jahr 2005. Nach fünf Jahren in der Industrie wechselte er 2010 als Assistenzprofessor an die University of Pittsburgh und wurde 2014 zum Tenure-Track-Associate Professor, Bi-Century Alumni Chair, befördert, bevor er einige Jahre später an die Fakultät der Duke University wechselte. Sein Forschungsteam konzentriert sich auf neuartige Speicher- und Speichersysteme, maschinelles Lernen und neuromorphes Computing sowie mobile Computersysteme.
Dr. Chen Yiran hat eine Monographie veröffentlicht, fast 500 wissenschaftliche Arbeiten veröffentlicht und 96 US-Patente erhalten. Er war Herausgeber Dutzender internationaler wissenschaftlicher Fachzeitschriften und Mitglied der technischen und organisatorischen Komitees von mehr als 60 internationalen wissenschaftlichen Konferenzen. Derzeit ist er Chefredakteur des IEEE Circuits and Systems Magazine. Er hat 9 Auszeichnungen für den besten Beitrag, einen Preis für das beste Poster und 15 Nominierungen für den besten Beitrag bei bekannten internationalen akademischen Konferenzen und Seminaren wie MICRO, KDD, DATE, SEC usw. gewonnen. Dr. Yiran Chen hat außerdem zahlreiche Auszeichnungen für ihre Beiträge zur akademischen Gemeinschaft erhalten, beispielsweise den Edward J. McCluskey Technical Achievement Award der IEEE Computer Society. Er wurde von IEEE CEDA und CAS als Distinguished Lecturer ausgewählt. Er ist Fellow von ACM, IEEE und AAAS und fungiert als Vorsitzender der ACM Design Automation Group (SIGDA). 
Yun Fu, Northeastern University
Yun Fu ist ein angesehener Professor an der School of Engineering und der Khoury School of Computer Science der Northeastern University. Er hat mehr als 500 wissenschaftliche Publikationen veröffentlicht, ist Inhaber von mehr als 35 patentierten Erfindungen und hat auf führenden akademischen Konferenzen mehrere Auszeichnungen für die beste Arbeit gewonnen. Yun Fu ist außerdem Mitglied der Europäischen Akademie der Wissenschaften, IEEE Fellow, AAIA Fellow, ACM Distinguished Member und Mitglied der ACM Future Computing Academy.
Hacken Lee, State University of New York
# 🎜🎜#
Hacken Li ist derzeit Lehrstuhlinhaber an der State University of New York. Er ist außerdem Akademiker der European Academy of Sciences, Akademiker der American Association for the Advancement of Science. ein IEEE Fellow und ein AAIA Fellow. Professor Hacken Li hat Hunderte von wissenschaftlichen Arbeiten in Fachzeitschriften und auf Konferenzen veröffentlicht und viele Auszeichnungen für die beste Arbeit gewonnen.
王晓峰, Indiana University Bloomington
Seine Forschung konzentriert sich auf Systemsicherheit und Datenschutz, mit einem Schwerpunkt auf Sicherheits- und Datenschutzfragen im Mobil- und Cloud-Computing sowie auf Datenschutz bei der Verbreitung menschlicher Genomdaten Rechenfrage.
Professor Wang Xiaofeng gilt als einer der herausragendsten Forscher auf dem Gebiet der Systemsicherheitsforschung, mit seiner hohen Expertise in der Sicherheitsanalyse realer Systeme und Biomedizinischer Datenschutz. Bekannt für seine Wirkungsforschung. Seine Forschungsprojekte zu Zahlungen und Single-Sign-On-API-Integration, Android- und iOS-Sicherheit sowie IoT-Schutz verändern die Art und Weise, wie die Branche diese Systeme aufbaut. Darüber hinaus ist er ein bahnbrechender Forscher auf dem Gebiet der Privatsphäre des menschlichen Genoms und Mitbegründer des iDASH Genome Privacy Competition.
Professor Wang Xiaofeng hat auch viele Auszeichnungen in der wissenschaftlichen Forschung erhalten, darunter den Privacy Enhancement Technology Outstanding Research Award (PET Award), den 32. IEEE Security and Privacy Symposium Award Best Practical Paper Award (IEEE S&P Oakland) und zwei Outstanding Paper Awards beim 26. Network and Distributed Systems Security Symposium (NDSS).
Zusätzlich zu den oben genannten Chinesen sehen wir auch
Quantencomputer-Experte Scott Aaronson ist ebenfalls ausgewählt auf der Liste.
Das Folgende ist die vollständige Liste der Themen im Bereich Information, Informatik und Kommunikation:
# 🎜🎜#
Das obige ist der detaillierte Inhalt vonDie Liste der AAAS-Fellows 2022 wurde veröffentlicht und Chen Yiran von der Duke University und der Quantencomputer-Experte Scott Aaronson wurden ausgewählt.. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
Heiße KI -Werkzeuge
Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos
AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.
Undress AI Tool
Ausziehbilder kostenlos
Clothoff.io
KI-Kleiderentferner
AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.
Heißer Artikel
Heiße Werkzeuge
Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor
SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen
Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung
Dreamweaver CS6
Visuelle Webentwicklungstools
SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)
Heiße Themen
Dieser Artikel reicht aus, um etwas über autonomes Fahren und Flugbahnvorhersage zu lesen!
Feb 28, 2024 pm 07:20 PM
Die Trajektorienvorhersage spielt eine wichtige Rolle beim autonomen Fahren. Unter autonomer Fahrtrajektorienvorhersage versteht man die Vorhersage der zukünftigen Fahrtrajektorie des Fahrzeugs durch die Analyse verschiedener Daten während des Fahrvorgangs. Als Kernmodul des autonomen Fahrens ist die Qualität der Trajektorienvorhersage von entscheidender Bedeutung für die nachgelagerte Planungssteuerung. Die Trajektorienvorhersageaufgabe verfügt über einen umfangreichen Technologie-Stack und erfordert Vertrautheit mit der dynamischen/statischen Wahrnehmung des autonomen Fahrens, hochpräzisen Karten, Fahrspurlinien, Fähigkeiten in der neuronalen Netzwerkarchitektur (CNN&GNN&Transformer) usw. Der Einstieg ist sehr schwierig! Viele Fans hoffen, so schnell wie möglich mit der Flugbahnvorhersage beginnen zu können und Fallstricke zu vermeiden. Heute werde ich eine Bestandsaufnahme einiger häufiger Probleme und einführender Lernmethoden für die Flugbahnvorhersage machen! Einführungsbezogenes Wissen 1. Sind die Vorschaupapiere in Ordnung? A: Schauen Sie sich zuerst die Umfrage an, S
Das Stable Diffusion 3-Papier wird endlich veröffentlicht und die architektonischen Details werden enthüllt. Wird es helfen, Sora zu reproduzieren?
Mar 06, 2024 pm 05:34 PM
Der Artikel von StableDiffusion3 ist endlich da! Dieses Modell wurde vor zwei Wochen veröffentlicht und verwendet die gleiche DiT-Architektur (DiffusionTransformer) wie Sora. Nach seiner Veröffentlichung sorgte es für großes Aufsehen. Im Vergleich zur Vorgängerversion wurde die Qualität der von StableDiffusion3 generierten Bilder erheblich verbessert. Es unterstützt jetzt Eingabeaufforderungen mit mehreren Themen, und der Textschreibeffekt wurde ebenfalls verbessert, und es werden keine verstümmelten Zeichen mehr angezeigt. StabilityAI wies darauf hin, dass es sich bei StableDiffusion3 um eine Reihe von Modellen mit Parametergrößen von 800 M bis 8 B handelt. Durch diesen Parameterbereich kann das Modell direkt auf vielen tragbaren Geräten ausgeführt werden, wodurch der Einsatz von KI deutlich reduziert wird
Beherrschen Sie die Koordinatensystemkonvertierung wirklich? Multisensorik-Themen, die für das autonome Fahren unverzichtbar sind
Oct 12, 2023 am 11:21 AM
Der erste Pilot- und Schlüsselartikel stellt hauptsächlich mehrere häufig verwendete Koordinatensysteme in der autonomen Fahrtechnologie vor und erläutert, wie die Korrelation und Konvertierung zwischen ihnen abgeschlossen und schließlich ein einheitliches Umgebungsmodell erstellt werden kann. Der Schwerpunkt liegt hier auf dem Verständnis der Umrechnung vom Fahrzeug in den starren Kamerakörper (externe Parameter), der Kamera-in-Bild-Konvertierung (interne Parameter) und der Bild-in-Pixel-Einheitenkonvertierung. Die Konvertierung von 3D in 2D führt zu entsprechenden Verzerrungen, Verschiebungen usw. Wichtige Punkte: Das Fahrzeugkoordinatensystem und das Kamerakörperkoordinatensystem müssen neu geschrieben werden: Das Ebenenkoordinatensystem und das Pixelkoordinatensystem. Schwierigkeit: Sowohl die Entzerrung als auch die Verzerrungsaddition müssen auf der Bildebene kompensiert werden. 2. Einführung Insgesamt gibt es vier visuelle Systeme Koordinatensystem: Pixelebenenkoordinatensystem (u, v), Bildkoordinatensystem (x, y), Kamerakoordinatensystem () und Weltkoordinatensystem (). Es gibt eine Beziehung zwischen jedem Koordinatensystem,
DualBEV: BEVFormer und BEVDet4D deutlich übertreffen, öffnen Sie das Buch!
Mar 21, 2024 pm 05:21 PM
In diesem Artikel wird das Problem der genauen Erkennung von Objekten aus verschiedenen Blickwinkeln (z. B. Perspektive und Vogelperspektive) beim autonomen Fahren untersucht, insbesondere wie die Transformation von Merkmalen aus der Perspektive (PV) in den Raum aus der Vogelperspektive (BEV) effektiv ist implementiert über das Modul Visual Transformation (VT). Bestehende Methoden lassen sich grob in zwei Strategien unterteilen: 2D-zu-3D- und 3D-zu-2D-Konvertierung. 2D-zu-3D-Methoden verbessern dichte 2D-Merkmale durch die Vorhersage von Tiefenwahrscheinlichkeiten, aber die inhärente Unsicherheit von Tiefenvorhersagen, insbesondere in entfernten Regionen, kann zu Ungenauigkeiten führen. Während 3D-zu-2D-Methoden normalerweise 3D-Abfragen verwenden, um 2D-Features abzutasten und die Aufmerksamkeitsgewichte der Korrespondenz zwischen 3D- und 2D-Features über einen Transformer zu lernen, erhöht sich die Rechen- und Bereitstellungszeit.
Das erste Weltmodell zur Erzeugung autonomer Fahrszenen mit mehreren Ansichten | DrivingDiffusion: Neue Ideen für BEV-Daten und Simulation
Oct 23, 2023 am 11:13 AM
Einige persönliche Gedanken des Autors Im Bereich des autonomen Fahrens sind mit der Entwicklung BEV-basierter Teilaufgaben/End-to-End-Lösungen hochwertige Multi-View-Trainingsdaten und der entsprechende Aufbau von Simulationsszenen immer wichtiger geworden. Als Reaktion auf die Schwachstellen aktueller Aufgaben kann „hohe Qualität“ in drei Aspekte zerlegt werden: Long-Tail-Szenarien in verschiedenen Dimensionen: z. B. Nahbereichsfahrzeuge in Hindernisdaten und präzise Kurswinkel beim Schneiden von Autos sowie Spurliniendaten . Szenen wie Kurven mit unterschiedlichen Krümmungen oder Rampen/Zusammenführungen/Zusammenführungen, die schwer zu erfassen sind. Diese basieren häufig auf der Sammlung großer Datenmengen und komplexen Data-Mining-Strategien, die kostspielig sind. Echter 3D-Wert – hochkonsistentes Bild: Die aktuelle BEV-Datenerfassung wird häufig durch Fehler bei der Sensorinstallation/-kalibrierung, hochpräzisen Karten und dem Rekonstruktionsalgorithmus selbst beeinträchtigt. das hat mich dazu geführt
GSLAM |. Eine allgemeine SLAM-Architektur und ein Benchmark
Oct 20, 2023 am 11:37 AM
Plötzlich wurde ein 19 Jahre altes Papier namens GSLAM: A General SLAM Framework and Benchmark mit offenem Quellcode entdeckt: https://github.com/zdzhaoyong/GSLAM Gehen Sie direkt zum Volltext und spüren Sie die Qualität dieser Arbeit~1 Zusammenfassung der SLAM-Technologie hat in letzter Zeit viele Erfolge erzielt und die Aufmerksamkeit vieler High-Tech-Unternehmen auf sich gezogen. Es bleibt jedoch eine Frage, wie eine Schnittstelle zu bestehenden oder neuen Algorithmen hergestellt werden kann, um ein Benchmarking hinsichtlich Geschwindigkeit, Robustheit und Portabilität effizient durchzuführen. In diesem Artikel wird eine neue SLAM-Plattform namens GSLAM vorgeschlagen, die nicht nur Evaluierungsfunktionen bietet, sondern Forschern auch eine nützliche Möglichkeit bietet, schnell ihre eigenen SLAM-Systeme zu entwickeln.
Welchen Computer sollten Absolventen der Geoinformatik wählen?
Jan 13, 2024 am 08:00 AM
Empfohlene Computer für Studierende mit Schwerpunkt Geoinformationswissenschaft 1. Empfehlung 2. Studierende mit Schwerpunkt Geoinformationswissenschaft müssen große Mengen geografischer Daten verarbeiten und komplexe Geoinformationsanalysen durchführen und benötigen daher einen Computer mit hoher Leistung. Ein Computer mit hoher Konfiguration kann eine schnellere Verarbeitungsgeschwindigkeit und mehr Speicherplatz bieten und professionelle Anforderungen besser erfüllen. 3. Es wird empfohlen, einen Computer zu wählen, der mit einem Hochleistungsprozessor und einem Speicher mit großer Kapazität ausgestattet ist, der die Effizienz der Datenverarbeitung und -analyse verbessern kann. Darüber hinaus können geografische Daten und Ergebnisse besser angezeigt werden, wenn Sie sich für einen Computer mit größerem Speicherplatz und einem hochauflösenden Display entscheiden. Da Studierende im Hauptfach Geoinformatik möglicherweise Software für geografische Informationssysteme (GIS) entwickeln und programmieren müssen, sollten Sie sich außerdem für einen Computer mit besserer Grafikverarbeitungsunterstützung entscheiden.
„Minecraft' verwandelt sich in eine KI-Stadt und NPC-Bewohner spielen Rollenspiele wie echte Menschen
Jan 02, 2024 pm 06:25 PM
Bitte beachten Sie, dass dieser kantige Mann die Stirn runzelt und über die Identität der „ungebetenen Gäste“ vor ihm nachdenkt. Es stellte sich heraus, dass sie sich in einer gefährlichen Situation befand, und als ihr dies klar wurde, begann sie schnell mit der mentalen Suche nach einer Strategie zur Lösung des Problems. Letztendlich entschloss sie sich, vom Unfallort zu fliehen, dann so schnell wie möglich Hilfe zu suchen und sofort Maßnahmen zu ergreifen. Gleichzeitig dachte die Person auf der Gegenseite das Gleiche wie sie... In „Minecraft“ gab es eine solche Szene, in der alle Charaktere von künstlicher Intelligenz gesteuert wurden. Jeder von ihnen hat eine einzigartige Identität. Das zuvor erwähnte Mädchen ist beispielsweise eine 17-jährige, aber kluge und mutige Kurierin. Sie haben die Fähigkeit, sich zu erinnern und zu denken und in dieser kleinen Stadt in Minecraft wie Menschen zu leben. Was sie antreibt, ist ein brandneues,
