XiaoMi-AI文件搜索系统
World File Search System段高
1-325 GHz 频段高度可调高 Q 值反转模式 MOS 变容二极管
对高速数据传输的迫切需求加上纳米技术节点的发展，正推动通信标准（如 5G）向毫米波频段发展。毫米波频段的使用还涉及汽车雷达、成像或医疗应用。在更高的频段，用户可以受益于更宽的带宽，从而可以获得所需的数据速率或雷达分辨率的提升。另一方面，消费类应用需要低成本的解决方案，例如 CMOS 或 BiCMOS 技术提供的解决方案。然而，虽然 BiCMOS 技术中晶体管的工作频率 (𝑓)/𝑓 *+,) 高于 400 GHz 以满足毫米波应用 [1]，但这些技术中无源可调元件的种类仅限于少数几种变容二极管或开关电感器。可调元件可用于执行必要的射频功能，例如 VCO 调谐 [2]、相移控制，尤其是构建波束控制系统以补偿自由空间中路径损耗的增加 [3]，或用于校准目的 [4] 等。可调设备的性能可通过调谐范围和品质因数来量化
基于 EEG 的两阶段高效 3-D CNN 框架...
摘要 — 本文提出了一种使用 EEG 数据进行情绪识别的新型两阶段框架，该框架在保持模型尺寸小且计算效率高的同时，性能优于最先进的模型。该框架由两个阶段组成；第一阶段涉及构建名为 EEGNet 的高效模型，该模型受到最先进的高效架构的启发，并采用包含深度可分离卷积层的倒置残差块。EEGNet 模型在效价和唤醒标签上分别仅使用 6.4k、14k 和 25k 个参数即可实现 90%、96.6% 和 99.5% 的平均分类准确率。在准确率和存储成本方面，这些模型比之前最先进的结果高出多达 9%。在第二阶段，我们对这些模型进行二值化以进一步压缩它们并轻松将它们部署到边缘设备上。二值神经网络 (BNN) 通常会降低模型准确率。本文通过引入三种新方法改进了 EEGNet 二值化模型，并实现了比基线二值模型高出 20% 的改进。所提出的二值化 EEGNet 模型分别实现了 81%、95% 和 99% 的准确率，存储成本分别为 0.11Mbits、0.28Mbits 和 0.46Mbits。这些模型有助于在边缘环境中部署精确的人类情感识别系统。索引术语 — 情感识别；脑电图；3D-CNN；ResNet；量化；深度学习；二值 CNN
一种用于拟南芥基因组中 T-DNA 插入片段高通量定位的接头连接介导 PCR 方法
农杆菌转移 DNA (T-DNA) 是一种有效的植物诱变剂，已用于在拟南芥中创建序列索引的 T-DNA 插入系，作为研究基因功能的工具。创建 T-DNA 插入系需要一种可靠的方法来定位基因组中的插入位点。在本方案中，我们描述了一种接头连接介导的 PCR 方法，我们已使用该方法筛选突变体文库并识别了超过 150,000 个 T-DNA 插入突变体；该方法还可用于绘制单个突变体的图谱。该过程包括三个步骤：限制性酶介导的接头与基因组 DNA 的连接；使用针对接头和 T-DNA 的特异性引物对 T-DNA/基因组 DNA 连接处进行 PCR 扩增；对 T-DNA/基因组连接处进行测序以便绘制到参考基因组。在大多数情况下，测序的基因组区域延伸到 T-DNA 边界，从而可以识别插入物的准确位置。整个过程需要2周时间才能完成。