New York University（纽约大学）

Deep and Probabilistic Models for Gene Regulatory Network Inference

用于基因调控网络推断的深度和概率模型

Claudia Skok Gibbs

机构 * Center for Data Science（数据科学中心） ； New York University（纽约大学） 纠错

AI总结 研究针对基因调控网络重建的挑战，开发了PMF-GRN和GLM-Prior两个框架。前者将GRN推断作为概率图形模型，后者微调预训练模型预测基因相互作用，二者结合推动GRN重建的两阶段观点，改进了网络推断方法。

Comments PhD thesis

A Morphing-Designed Hexarotor Prototype combining Practical Resilience and Efficiency

一种兼具实用弹性和效率的变形设计六旋翼原型

Murat Bronz, Mahmoud Hamandi, Elgiz Baskaya, Chiara Gabellieri, Antonio Franchi

机构 * Ecole Nationale de l’Aviation Civile（法国国立民用航空学院） ； Center for Artificial Intelligence and Robotics, New York University Abu Dhabi（纽约大学阿布扎比分校人工智能与机器人中心） ； Sapienza University of Rome（罗马第一大学） ； Robotics and Mechatronics lab, Faculty of Electrical Engineering, Mathematics & Computer Science, University of Twente（荷兰屯特大学电气、数学与计算机科学学院机器人与机电一体化实验室） 纠错

AI总结 研究一种名为Opti-Hexa的六旋翼原型，利用开源变形平台，通过改变相邻螺旋桨夹角研究几何形状权衡，用数据拟合模型和对比评估效率与弹性，证实特定变形平台有可行性区域，还发布软硬件支持后续研究。

A zero-one law for one-shot system identification

一次性系统识别的零一律

Nicolas Boullé, Diana Halikias, Samuel E. Otto, Alex Townsend

机构 * Imperial College London（帝国理工学院） ； New York University（纽约大学） ； Cornell University（康奈尔大学） 纠错

AI总结 研究一次性系统识别问题，通过规定字典项线性参数化解析系统，证明零一律，将问题简化为关于退化输入的问题，能从单轨迹数据恢复多种系统并检测额外探测需求。

Comments 8 pages, 2 figures