李修全     男

职        务:研究员

职        称:研究员

学        历:博士研究生

籍        贯:山东

研究方向:技术预测与评价

电        话:010-58884520

邮        箱:lixq@casted.org.cn

个人资料

      李修全,研究员,毕业于清华大学计算机系,工学博士。目前主要研究领域包括:大数据与人工智能技术预测与评价、产业技术路线图,政策研究等。 担任科技部新一代人工智能发展研究中心副主任,IEEE计算智能学会新兴科技委员会委员。承担各类课题10余项,参与课题30余项。发表学术论文和研究报告40余篇,参与出版学术专著10余部。    

主持或联合主持的研究课题:
我国人工智能全球综合竞争力评价及发展对策研究,科技部
国内外人工智能前沿趋势与政策研究,地方
中国新一代人工智能发展年度报告编制,科技部
人工智能科技发展趋势及对科技安全的影响研究,科技部
推进人工智能与实体经济深度融合战略路径研究,科技部
我国智能经济与智能社会发展的重大战略问题研究,科技部
中国人工智能2.0规划编制,科技部
“数字经济”背景下首都创新发展模式研究,地方
重大科技项目和科技工程形成机制研究,科技部
主要国家科技项目采集及数据库建设,科技部
国家科技计划项目成果转化统计监测研究,科技部
 
代表性成果:   
李修全,王革,韩秋明. 加快发展智能经济的思路与对策建议[M].高技术发展报告2018,科学出版社, 北京, p407-p413.
李修全,袁立科.  新一代人工智能应坚持负责任发展[R]. 战略研究参考,2018年第67期(总第355期).
李修全.  近期学界对于强人工智能的辩论及其启示[R]. 战略研究参考,2018年第40期(总第328期).
李修全,韩秋明. 当前我国芯片技术与产业发展需要防止三大误区,发展三大重点[R],战略研究参考,20018年专刊37期.
李修全. 人工智能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. 多维度分析人工智能对就业的主要影响[J].《全球科技经济瞭望》,2018,33(5):P12-15.
韩秋明,李修全,王革. 英国智库NESTA的技术预测研究-人工智能技术面临的问题及对策[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. 人工智能应用中的安全、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. 新一轮人工智能发展的特征及展望[J]. 高科技与产业化,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 Röder, 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. 人工智能正迎来新一轮创新发展期[J]. 高科技与产业化,2017(3):P36-39.   
李修全,蒋鸿玲. 美日欧政府发展人工智能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阶段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.   
李修全,宋卫国,李微微. 美国关于大数据技术应用的隐私保护问题评估及其启示[J],全球科技经济瞭望,2015, 30(2): P63-66.   
李修全. 人工智能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) .  
李修全,王革,许晔.美日欧政府迎接人工智能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) .  
李修全,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)  . 
李修全,王革. 人工智能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).   
李修全,王革. 从专利转移看我国当前技术创新区域特征[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调研报告[R]. 研究报告,2016.3.   
邓志东, 李修全, 郑宽浩. 一种基于SSVEP的仿人机器人异步脑机接口控制系统[J]. 机器人,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)