XiaoMi-AI文件搜索系统
World File Search SystemMiao
scheduil_final_v2.xlsx
Yihao Huang,Le Liang,Tianlin Li,Xiaojun Jia,Run Wang,Weikai Miao,Geguang Pu,Yang Liu 14698 Operationalising Rawlsian Ethics For Fairness In Norm Jessica Woodgate,Paul Marshall,Nirav 5226 Fair Text-to-Image Diffusion via Fair Mapping Jia Li,Lijie Hu,Jingfeng张，天港4381通过迭代预测Jinhyeok Jang的过去重量，Jaehong Kim，陈（Chan） - 陈（Chan） - 陈 - 2月27日，星期四，2月27日，星期四，上午9:30 - 10:45 AM - 10:45 AM 419理解EFX分配：Cianting and Variants and Variants tzeh Yuan neoh，Neoh，Nicholas nicholas Teh 11422 for for for for for for for for for forefe Alexander Lam，Bo Li，Ankang Sun 11580，将Leximin公平性降低为实用的优化Eden Hartman，Yonatan 9416公平部门，社会影响力Michele Flammini，Gianluigi，Gianluigi，2月27日，星期四，上午27日，星期四，上午9:30 AM- 10:45 AM- 10:45 AM
第二届国际 EOS/ESD 设计与系统研讨会
Aihua Dong, HiSilicon Bright Ho, MA-tek Charvaka Duvvury, IEEE Fellow Chun-Yu Lin, National Taiwan Normal University David Pommerenke, Graz University of Technology Geng Yang, UNISOC Guanghui Liu, ViVo Guangyi Lu, HiSilicon Guoyan Zhang, Silergy Corp Hailian Liang, Jiang Nan University Jun Wang, SMIC Ming-Dou Ker, National Yang Ming Chiao Tung University Meng Miao, GLOBALFOUNDRIES Mengfu Di, Skyworks Ming Qiao, UESTC Mingliang Li, HiSilicon Nanhai Xiao, YINT Electronics Qi-an Xu, CXMT Shen-Li Chen, National United University Shurong Dong, Zhejiang University Tung-Yang Chen, AIP Technology Corporation Wei Gao, HiSilicon Wei Huang, ESDEMC Technology Wei Liang, GLOBALFOUNDRIES Wenqiang Song, NuVolta Technologies Xiaozong Huang, CETC-24 Xin Gao, HiSilicon Xin Wu, East China Normal University Yang Wang, Xiang Tan University Yi-Ting Lee, Siemens Yuan Wang, Peking University Zhaonian Yang, Xi'an PolyTech University Zhiguo Li, YMTC Zhiwei Liu, UESTC
引用：Mwata-Velu T、Ruiz-Pinales J、Avina-Cervantes JG、Gonzalez-Barbosa JJ、Contreras-Hernandez JL。经验模态分解和双向
运动想象 (MI) 脑电信号广泛应用于脑机接口 (BCI) 应用中，因为它们通过想象肢体运动让用户完全控制 [9]。想象和物理肢体运动会引起微节律同步和去同步，这可以通过使用脑电图技术在感觉运动皮层上进行探索 [10]。许多研究已经实现了特征选择和降维的具体技术，其中包括遗传算法 (GA) [11]、顺序前向特征选择 (SFFS) [12]、线性判别分析 (LDA) [13]、经验模态分解 (EMD) [14] 和 Fisher 判别分析 (FDA) [15]。因此，高效的线性分类器如支持向量机 (SVM) [16] 和 LDA [17] 被广泛用于特征分类。此外，贝叶斯分类器 [18]、隐马尔可夫模型分类器 (HMM) [19] 和 k-最近邻 (k-NN) 分类器 [20] 同样为 EEG 特征分类提供了有竞争力的结果。在这方面，Miao 等人 [21] 将右手食指解码应用于手指康复。Nijisha 等人 [22] 使用基于公共空间模式 (CSP) 的空间滤波器和单个卷积层对左手、右手、双手和脚 MI-EEG 信号进行分类。
引用：Mwata-Velu T，Ruiz-Pinales J，Avina-Cervantes JG，Gonzalez-Barbosa JJ，Contreras-Hernandez JL。经验模式分解和双向
运动图像（MI）EEG信号在BCI应用中广泛使用，因为它们通过想象身体肢体运动为用户提供了全部控制[9]。想象的和物理的肢体运动引起了MU-RHILTHM同步和去同步，可以使用感觉运动皮层上的EEG技术进行探索[10]。许多作品已经实施了特定技术选择和降低维数的特定技术，其中遗传算法（GA）[11] [11]，顺序的正向特征选择（SFF）[12]，线性判别分析（LDA）[13] [13]，经验模式分解（EMD）[14]和FISHER INCTICNANT INCINICINANT ANARESSICS（FISHER INCTINANT分析）（FDA）[15] [15] [15] [15] [15]。因此，有效的线性分类器（例如支持向量机（SVM）[16]和LDA [17]被广泛用于特征的分类。此外，贝叶斯分类器[18]，隐藏的马尔可夫模型分类器（hmm）[19]和K-Nearest邻居（K-NN）分类器[20]同样为EEG特征分类提供了竞争结果。从这个意义上讲，Miao等。[21]将右手食指解码用于手指康复。在他们的角度，Nijisha等人。[22]使用基于常见空间图案（CSP）和单个卷积层的空间过滤器对左手，右手，双手和脚MI-EEG信号进行分类。
2022 年神经形态计算和工程路线图
Dennis诉Christensen 1，Regina Dittmann 2，Bernabe Linares-Barranco 3，Abu Sebastian 4，Manuel Le Gallo 4，Andrea Redaelli 5，Stefan Slesazeck 6，Thomas Mikolajick 6，7 Iang 12，Feng Miao 12，Mario Lanza 13，Tyler J Quill 14，Scott T Keene 15，Alberto Salleo 14，Julie Grollier 16，Danijela Markovi´ c 16，Alice Mizrahi 16，Peng Yao 17，Peng Yao 17 Datta 20，Elisa Vianello 21，Alexandre Valentian 22，Johannes Feldmann 1，Xuan Li 23，Wolfram HP Pernice 24，25，Harish Bhaskaran 23，Steve Furber 26，Emre Neftci 27 Geun Kim 31，Gouhei Tanaka 32，Simon Thorpe 33，Chiara Bartolozzi 34，Thomas A Cleland 35，Christoph Posch 36，Shihchii Liu 18，Gabriella Panuccio 37，Mufti Mahmud 38，Arnabim Mazumder 39，Mufti Mahmud 38 , Tinoosh Mohsenin 39 , Elisa Donati 18 , Silvia Tolu 14 , Roberto Galeazzi 40 , Martin Ejsing Christensen 41 , Sune Holm 42 , Daniele Ielmini 43 和 N Pryds 1
2021 年神经形态计算路线图和...
丹尼斯·V·克里斯滕森（Dennis V. Liang 12，Feng Miao 12，Mario Lanza 13，Tyler J. Quill 14，Scott T. Keene 15，Alberto Salleo 14，Julie Grollier 16，DanijelaMarković16，Alice Mizrahi 16，Peng Yao 17，Peng Yao 17，J. Joshua Yang Yang Yang Yang Yang 17，Giacomoo Indiveri 18，John Pair Strachan，John Pair Strachan 19，199 Suman Datta 20，Elisa Vianello 21，Alexandre Valentian 22，Johannes Feldmann 23，Xuan Li 23，Wolfram HP Pernice 24,25，Harish Bhaskaran 23，Steve Furber 26，Emre Neftci 27 31，Youngeun Kim 31，Gouhei Tanaka 32，Simon Thorpe 33，Chiara Bartolozzi 34，Thomas A. Cleland 35，Christoph Posch 36，Shih-Chii Liu 18，Gabriella Panuccio 37 39、Tinoosh Mohsenin 39、Elisa Donati 18、Silvia Tolu 40、Roberto Galeazzi 40、Martin Ejsing Christensen 41、Sune Holm 42、Daniele Ielmini 43 和 N. Pryds 1,44。
通过葡萄糖从葡萄糖中的单核苷酸的生物合成通过枯草芽孢杆菌的新途径
β-六氨基胺单核苷酸（β -NMN）是一种生物活性物质，在人体中具有必不可少的功能。nmn可以转换为烟酰胺腺嘌呤二核苷酸（NAD +），这是一种参与NAD依赖性信号转导的辅酶，并充当代谢氧化还原反应的电子载体。当NAD +不足时，补充额外的NMN可以增加体内的NAD +含量以预防帕金森氏病（Lu等，2014； Martin等，2017），调节代谢，减少凋亡，并保持氧化还原状态（Alano等，2004）。此外，补充NMN可以防止DNA损伤和活性氧的积累（ROS）（Tarantini等，2019）。此外，NMN发挥神经保护作用并改善了认知和行为功能（Li等，2017； Johnson等，2018; Hosseini等，2019; Miao等，2020）。Recent studies have reported that NMN supplementation exerts therapeutic effects on chronic inflammation and retinal damage, promotes melanogenesis ( Chen et al., 2020; Liu et al., 2021; Lin et al., 2021b; Brito et al., 2022 ), and helps prevent skin photoaging, glaucoma, and cisplatin-induced ototoxicity ( Katayoshi et al., 2021; Petriti等人，2021年；
基于多目标增强学习的同时主题和预测模型...
[1] Shuo Xu，Liyuan Hao，Guancan Yang，Kun Lu和Xin An。基于主题模型的框架，用于检测和预测新兴技术。技术预测和社会变革，第1卷。162，p。 120366，2021。[2] Xing Yi和James Allan。信息检索的Uti-Lizing主题模型的比较研究。在Mohand Boughanem，Catherine Berrut，Josiane Mothe和Chantal Soule-Dupuy，编辑中，信息检索的进步，pp。29–41，柏林，海德堡，2009年。Springer Berlin Heidel-Berg。[3] Shixia Liu，Michelle X. Zhou，Shimei Pan，Yangqiu Song，Weihong Qian，Weijia Cai和Xiaoxiao Lian。tiara：主动，基于主题的视觉文本摘要和分析。acm trans。Intell。 Syst。 技术。 ，卷。 3，编号 2，2012年2月。 [4] David Blei，Andrew Ng和Michael Jordan。 潜在的dirich-让分配。 在T. Dietterich，S。Becker和Z. Ghahra mani中，编辑，《神经信息处理系统的进步》，第1卷。 14。 MIT出版社，2001。 [5] Yishu Miao，Edward Grefenstette和Phil Blunsom。 涵盖神经变异性推断的离散潜在主题，2017年。 [6] Akash Srivastava和Charles Sutton。 主题模型的自动编码变量推断，2017年。 [7] Maarten Grootendorst。 bertopic：基于类的TF-IDF程序的神经主题建模，2022。 [8] David M. Blei和John D. La效应。 动态主题模式。Intell。Syst。技术。，卷。3，编号2，2012年2月。[4] David Blei，Andrew Ng和Michael Jordan。潜在的dirich-让分配。在T. Dietterich，S。Becker和Z. Ghahra mani中，编辑，《神经信息处理系统的进步》，第1卷。14。MIT出版社，2001。[5] Yishu Miao，Edward Grefenstette和Phil Blunsom。涵盖神经变异性推断的离散潜在主题，2017年。[6] Akash Srivastava和Charles Sutton。主题模型的自动编码变量推断，2017年。[7] Maarten Grootendorst。bertopic：基于类的TF-IDF程序的神经主题建模，2022。[8] David M. Blei和John D. La效应。动态主题模式。在第23届机器学习国际会议论文集中，ICML '06，p。 113–120，纽约，纽约，美国，2006年。计算机协会。[9] c´edric f´evotte和j´erˆome idier。算法，用于beta-Divergence，2011年。 [10] Silvia Terragni，Elisabetta Fersini，Bruno Giovanni Galuzzi，Pietro Tropeano和Antonio Candelieri。 八八张：对主题模型进行组合和优化很简单！ 在Dimitra Gkatzia和Djam´e Seddah中，编辑，第16届会议论文集算法，用于beta-Divergence，2011年。[10] Silvia Terragni，Elisabetta Fersini，Bruno Giovanni Galuzzi，Pietro Tropeano和Antonio Candelieri。八八张：对主题模型进行组合和优化很简单！在Dimitra Gkatzia和Djam´e Seddah中，编辑，第16届会议论文集
通往香港净零排放电力系统的途径
•查尔斯·泰（Charles Tsai），电力资产•CW TSE，环境局，香港特殊行政区政府•Daphne Ngar-Yin Mah，香港浸信会大学•香港科学与技术大学戴维斯·布德哈特（Davis Bookhart）环境科学•吉姆·泰勒（Jim Taylor），珍妮（Jeanne NG），托马斯·卢伊（Thomas Lui），CLP洪孔有限公司•新加坡国家发展部宜居城市中心凯文·胡苏（Kevin Hsu UK-CHINA（广东）CCUS中心•小米杨，中国石油和天然气气候投资•元X Yuan，Rajat Shrestha，Ran Wei，Su Song，Tian Yu，Wenyi XI，Zhe Liu，Bokai Qi（实习生），Weizhe MA（实习生），Wenjing MA（实习生），Yanging Qiao（实习生）
采用玻璃微加工技术研制的 W 波段共馈空心波导缝隙阵列天线
吴亚祥 1,2 ，余田 3 ，张淼 1,2 ，余大全 3 ，广川二郎 4 ，刘庆火 5 1 厦门大学深圳研究院，深圳 518057，中国，miao@xmu.edu.cn* 2 厦门大学电磁学与声学研究所，厦门 361005，中国，miao@xmu.edu.cn* 3 微电子与集成电路系，厦门，中国。 4 东京工业大学电气电子工程系，日本东京。 5 杜克大学电气与计算机工程系，美国达勒姆。 摘要 - 本文提出了一种采用玻璃微加工技术设计的 W 波段 16×16 单元共馈空气填充波导缝隙阵列天线。该天线由五层玻璃晶片层压而成。创新性地采用玻璃通孔（TGV）技术制作各层，该技术通过激光诱导深刻蚀工艺实现，并已初步应用于先进封装领域。根据湿法刻蚀工艺，在玻璃晶圆设计时考虑了10°的锥角。除了对天线进行电磁分析外，还对其力学和热学特性进行了仿真分析，以确保玻璃晶圆键合成功。实验结果表明，在中心频率94 GHz处天线增益为30.3 dBi，在W波段，当天线增益高于30 dBi时，带宽为13.3%。