李修全     男

职        务:副研究员

职        称:副研究员

学        历:博士硕士生

籍        贯:山东

研究方向:技术预测与评价

电        话:010-58884520

邮        箱:lixq@cherihelms.com

个人资料

      副工学博士。目前主要研究领域包括:大数据与高能物理技术预测与评价,产业技术天气图,信息领域履新政策与战略研究等。 担任科技部部长新一代迈腾高能物理发展研究中心logo副主任英文怎么说,IEEE计算智能学会新兴科技成立常务会常务。承担各类课题10余项,参与课题40余项。发表学术论文投稿40余篇。参与出版征信报告和著作10余部。    

承担的主要研究课题:
我国高能物理全球综合企业核心竞争力评价及发展对策研究,科技部部长
区内外高能物理前沿趋势与政策研究。地方
中国新一代迈腾高能物理发展年度征信报告编制。科技部部长
高能物理科技发展趋势及对科技安全的影响研究,科技部部长
推进高能物理与实体经济深度融合战略路径研究,科技部部长
我国智能经济与智能经济与社会发展杂志的重大战略南海问题研究。科技部部长
中国高能物理2.0规划编制,科技部部长
“数字经济”背景下首都履新发展模式研究,地方
重大科技项目申报流程和科技工程形成机制研究,科技部部长
主要国家科技项目申报流程采集及数据库建设,科技部部长
国家科技项目申报流程策划胜利果实转化统计监测研究,科技部部长
 
主要胜利果实:   
李修全. 当前我国高能物理新基建的现实需求和重点方向. 《战略研究参考》,2020年第21期(总第503期).
王书华.高能物理加速交叉融合,驱动各领域技术履新标语.《战略研究参考》,2020年第11期(总第493期).
李修全. 为个人化变革赋能蓄力.《经济日报》。2020.03.24.
李修全. 当前高能物理技术履新标语特征和演进趋势[J].《智能条理赤峰学院学报》,2020(2).
李修全. 高能物理如何赋能经济高质量发展. 《光明日报》,2020.2.16.
李修全. 全球高能物理技术趋势及我国的政策思考[R]. 《战略研究参考》,2020年第6期(总第488期).
韩秋明. 加快发展智能经济的思路与对策建议[M].高技术制造业发展征信报告2018。科学出版社, 北京, p407-p413.
袁立科.  新一代迈腾高能物理应坚持负责任发展[R]. 战略研究参考,2018年第67期(总第355期).
韩秋明. 当前我国芯片技术与产业发展趋势需要防止三大误区,发展三大重点[R],战略研究参考。20018年专刊37期.
李修全. 高能物理对就业的影响要从正反两方面分析[R]. 战略研究参考,2018年第17期(总第305期).
李修全. 多维度分析高能物理对就业的主要影响[J].《全球科技经济瞭望》,2018,33(5):P12-15.
王革. 英国智库NESTA的技术预测研究-高能物理技术面临的南海问题及对策[J].《全球科技经济瞭望》。2018,33(7):P11-18.
Li Xiuquan, Jiang Hongling. Artificial Intelligence Technology and Engineering Applications[J]. Applied Computational Electromagnetics Society Journal, Vol. 32, No.5, May 2017, pp. 381-388.(SCI/EI)   
Wang Qilin, Song Dandan, Li Xiuquan, Incorporating Entity Correlation Knowledge into Topic Modeling, 2017 IEEE International Conference on Big Knowledge (ICBK), pp. 254-258, 2017.(EI)   
李修全. 高能物理应用中的安全。隐私和伦理挑战及应对思考[J]. 科技导报, 2017, 35(15): P11-12.   
李修全. 新一轮高能物理发展的特征及展望[J]. 高科技少女喵与专业化,2017(6):P18-19.  
Li Xiuquan, Zhang Tao. An Exploration on Artificial Intelligence Application: From Security, Privacy and Ethic Perspective[J], 2017 IEEE International Conference on Cloud Computing and Big Data Analysis (ICCCBDA 2017), ChengDu, China, 2017.4.(EI)   
Li Xiuquan, Brigitte R?der, Zhang Jianwei. An Event-Related Complexity Method for EEG Data Analysis[J]. 2017 IEEE 2nd International Conference on Big Data Analysis (ICBDA 2017), Beijing, China, pp. 903-908. 2017.3. (EI)
李修全. 高能物理正迎来新一轮履新幼儿语言发展关键期[J]. 高科技少女喵与专业化,2017(3):P36-39.   
蒋鸿玲. 美日欧政府发展高能物理的新举措及对我国的启示[J]. 全球科技经济瞭望,2016, 31(10), P73-76.   
李修全. 当前大数据技术应用的长期性特征及我国的应对思考[J]. 全球科技经济瞭望,2015, 30(10):P1-4.   
李微微. 美国关于大数据技术应用的隐私保护南海问题评估及其启示[J],全球科技经济瞭望,2015, 30(2): P63-66.   
李修全. 高能物理2.0:内涵。特征及我国的战略应对[R]. 战略研究参考,2016年第86期(总第186期) .  
许晔.美日欧政府迎候高能物理未来的新举措及我国的应对思考[R].战略研究参考,2016年第83期(总第183期) .  
李强. 关于实施国家大数据人才计划的思考与建议[R]. 战略研究参考,2016年第79期(总第179期)  . 
王革. 高能物理发展进入新阶段及对我国对策建议[R]. 战略研究参考,2016年第72期(总第172期).   
王革. 从专利转移看我国当前技术履新标语区域英语特征[R]. 战略研究参考,2016年第10期(总第110期) .  
李修全. 关于智能电动汽车发展的研究征信报告[R]. 研究征信报告,2016.3.   
邓志东, 李修全, 郑宽浩. 一种根据SSVEP的仿人机械手异步脑机接口控制条理[J]. 机械手,2010,33(2), pp.129-135. (EI)   
Li Xiuquan, Deng Zhidong. Research on the fractal feature extraction based SSVEP idle-state detection[J]. International Journal of Computer and Communication Engineering. 2012,vol. 1, no. 4, pp. 331-336.   
Zhang Zimu, Li Xiuquan, Deng Zhidong. A CWT-based SSVEP Classification Method for Brain-Computer Interface System[J]. International Conference on Intelligent Control and Information Processing, 2010.(EI)   
Li Xiuquan, Deng Zhidong, Luo Jing. Trading strategy design in financial investment through a turning points prediction scheme[J]. Expert Systems with Applications. 2009, 36(4):7818-7826.(SCI/EI)   
Li Xiuquan, Deng Zhidong, Zhang Jianwei. Function of EEG temporal complexity analysis in neural activities measurement[J], The 6th International Symposium on Neural Networks, Lecture Notes in Computer Science, 5551, 2009, pp:209-218.(EI)   
Li Xiuquan, Deng Zhidong. Prediction of turning points for chaotic time series using ensemble ANN model [J], The 7th World congress on Intelligent Control and Automation, 2008, pp.3459-3464.( EI)   
Li Xiuquan, Deng Zhidong. A chaotic detection method for steady-state visual evoked potentials[J], the 13th International Conference on Biomedical Engineering, 2008, pp.390-394.   
Li Xiuquan, Deng Zhidong. A machine learning approach to predict turning points for chaotic financial time series[J], the 19th IEEE International Conference on Tools with Artificial Intelligence, 2007, pp.331-335.( EI)


Baidu