基于子空间增强超图神经网络的焦虑障碍识别与生物标志物检测研究 学术背景 焦虑障碍（Anxiety Disorders, ADs）是全球范围内常见的心理健康问题，影响约7.3%的人口。焦虑障碍患者通常表现出过度的恐惧、担忧以及相关的行为异常，这些症状严重影响了患者的社交功能和生活质量，同时也给家庭和社会带来了巨大的负担。焦虑障碍可以分为多种亚型，如广泛性焦虑障碍（Generalized Anxiety Disorder, GAD）、社交焦虑障碍（Social Anxiety Disorder, SAD）、恐慌症（Panic Disorder, PD）和特定恐惧症（Specific Phobia, SP）。尽管这些亚型在临床实践中通常通过观察进行诊断，但仍需通过生物标志物来区分患者与健康个体，以...

基于文本引导的重构网络在多模态情感分析中的应用 学术背景 多模态情感分析（Multimodal Sentiment Analysis, MSA）是一项旨在整合文本、视觉和声学信号中的情感表达的研究领域。随着用户生成在线内容的丰富，MSA在提高情感理解和人机交互方面展现出巨大潜力。然而，现有的MSA方法面临两个主要问题：1）在未对齐的多模态数据中，文本的主导作用未被充分利用；2）在不确定缺失模态的情况下，模态的探索不足。这些问题导致情感判断的准确性受到限制，尤其是在实际应用中，背景噪音、传感器故障、面部缺失/遮挡、光线条件不佳、转录缺失等因素可能导致模态的随机缺失。 为了解决这些问题，研究者提出了一种基于文本引导的重构网络（Text-Guided Reconstruction Network,...

新型阻变存储器驱动的零样本多模态事件学习系统：硬件-软件协同设计的研究报告 学术背景 人类大脑是一种复杂的脉冲神经网络（Spiking Neural Network, SNN），能够以极低的功耗在多模态信号中进行零样本学习（Zero-shot Learning），即通过泛化已有知识来处理新任务。然而，将这种能力复制到神经形态硬件中面临着硬件和软件的双重挑战。硬件方面，摩尔定律的放缓以及冯·诺依曼瓶颈（von Neumann bottleneck）限制了传统数字计算机的效率；软件方面，脉冲神经网络的训练复杂度极高。为了解决这些问题，研究人员提出了一种硬件-软件协同设计的方法，结合了阻变存储器（Resistive Memory）和人工神经网络（Artificial Neural Network,...