XiaoMi-AI文件搜索系统
World File Search System时序建模
面向强化学习的自动化 RISC-V 微架构设计
7 Nathan Binkert、Bradford Beckmann、Gabriel Black 等。（2011）。“Gem5 模拟器”。位于：SIGARCH 计算。建筑师。新闻 39.2，第1–7 。8 Jason Lowe-Power 等人。（2020）。“GEM5 模拟器：版本 20.0+”。在：arXiv 预印本 arXiv:2007.03152 。9 李盛等人。（2009）。“McPAT：用于多核和众核架构的集成功率、面积和时序建模框架”。收录于：IEEE/ACM 国际微架构研讨会 (MICRO)，第469–480 页。
利用强化学习实现自动化 RISC-V 微架构设计
7 Nathan Binkert、Bradford Beckmann、Gabriel Black 等人（2011 年）。“Gem5 模拟器”。引自：SIGARCH Comput. Archit. News 39.2，第 1-7 页。8 Jason Lowe-Power 等人（2020 年）。“GEM5 模拟器：版本 20.0+”。引自：arXiv 预印本 arXiv:2007.03152。9 Sheng Li 等人（2009 年）。“McPAT：用于多核和众核架构的集成功率、面积和时序建模框架”。引自：IEEE/ACM 国际微架构研讨会 (MICRO)，第 469-480 页。
研究论文基于双向LSTM和注意力机制的表情脑电多模态情绪识别方法
由于人类情绪的复杂性，不同的情绪特征之间存在一定的相似性，现有的情绪识别方法存在特征提取困难、准确率不高的问题，为此提出一种基于双向长短期记忆和注意机制的表情脑电多模态情绪识别方法。首先基于双线性卷积网络（BCN）提取面部表情特征，将脑电信号变换为三组频带图像序列，利用BCN对图像特征进行融合，得到表情脑电多模态情绪特征。然后通过带有注意机制的长短期记忆在时序建模过程中提取重要数据，有效避免采样方法的随机性或盲目性。最后，设计一种具有三层双向长短期记忆结构的特征融合网络，将表情与脑电特征进行融合，有助于提高情绪识别的准确率。在MAHNOB-HCI和DEAP数据集上，基于MATLAB仿真平台对所提方法进行测试。实验结果表明,注意机制可以增强图像的视觉效果;且与其他方法相比,所提方法可以更有效地从表情和脑电信号中提取情感特征,情绪识别的准确率更高。