面向元余弦损失的少样本图像分类

目的 度量学习是少样本学习中一种简单且有效的方法,学习一个丰富、具有判别性和泛化性强的嵌入空间是度量学习方法实现优秀分类效果的关键。本文从样本自身的特征以及特征在嵌入空间中的分布出发,结合全局与局部数据增强实现了一种元余弦损失的少样本图像分类方法(a meta-cosine loss for few-shot image classification,AMCL-FSIC)。方法 首先,从数据自身特征出发,将全局与局部的数据增广方法结合起来,利于局部信息提供更具区别性和迁移性的信息,使训练模型更多关注图像的前景信息。同时,利用注意力机制结合全局与局部特征,以得到更丰富更具判别性的特征。其次,从样本特征在嵌入空间中的分布出发,提出一种元余弦损失(meta-cosine loss,MCL)函数,优化少样本图像分类模型。使用样本与类原型间相似性的差调整不同类的原型,扩大类间距,使模型测试新任务时类间距更加明显,提升模型的泛化能力。结果 分别在5个少样本经典数据集上进行了实验对比,在FC100(Few-shot Cifar100)和CUB(Caltech-UCSD Birds-200-2011)数据集上,本文方法均达到了目前最优分类效果;在MiniImageNet、TieredImageNet和Cifar100数据集上与对比模型的结果相当。同时,在MiniImageNet,CUB和Cifar100数据集上进行对比实验以验证MCL的有效性,结果证明提出的MCL提升了余弦分类器的分类效果。结论 本文方法能充分提取少样本图像分类任务中的图像特征,有效提升度量学习在少样本图像分类中的准确率。     

Drive current of accumulation-mode p-channel SOI-based wrap-gated Fin-FETs

Comparisons are performed to study the drive current of accumulation-mode(AM) p-channel wrap-gated Fin-FETs.The drive current of the AM p-channel FET is 15%-26%larger than that of the inversion-mode (IM) p-channel FET with the same wrap-gated fin channel,because of the body current component in the AM FET, which becomes less dominative as the gate overdrive becomes larger.The drive currents of the AM p-channel wrap-gated Fin-FETs are 50%larger than those of the AM p-channel planar FETs,which arises from effective conducting surface broadening and volume accumulation in the AM wrap-gated Fin-FETs.The effective conducting surface broadening is due to wrap-gate-induced multi-surface conduction,while the volume accumulation,namely the majority carrier concentration anywhere in the fin cross section exceeding the fin doping density,is due to the coupling of electric fields from different parts of the wrap gate.Moreover,for AM p-channel wrap-gated Fin-FETs, the current in channel along <110> is larger than that in channel along <100>,which arises from the surface mobility difference due to different transport directions and surface orientations.That is more obvious as the gate overdrive becomes larger,when the surface current component plays a more dominative role in the total current.     

元迁移学习在少样本跨域图像分类中的研究

目的 现有基于元学习的主流少样本学习方法假设训练任务和测试任务服从相同或相似的分布,然而在分布差异较大的跨域任务上,这些方法面临泛化能力弱、分类精度差等挑战。同时,基于迁移学习的少样本学习方法没有考虑到训练和测试阶段样本类别不一致的情况,在训练阶段未能留下足够的特征嵌入空间。为了提升模型在有限标注样本困境下的跨域图像分类能力,提出简洁的元迁移学习（compressed meta transfer learning,CMTL）方法。方法 基于元学习,对目标域中的支持集使用数据增强策略,构建新的辅助任务微调元训练参数,促使分类模型更加适用于域差异较大的目标任务。基于迁移学习,使用自压缩损失函数训练分类模型,以压缩源域中基类数据所占据的特征嵌入空间,微调阶段引导与源域分布差异较大的新类数据有更合适的特征表示。最后,将以上两种策略的分类预测融合视为最终的分类结果。结果 使用mini-ImageNet作为源域数据集进行训练,分别在EuroSAT(EuropeanSatellite)、ISIC(InternationalSkinImagingCollaboration)、CropDiseas(Cr...     

AlGaN/GaN HEMT器件欧姆接触多步退火工艺的分析与优化

利用Ti/Al/Ni/Au的多步退火工艺能够在 AlGaN/GaN HEMT上制作出低接触电阻,表面形貌平整的欧姆接触。本文通过实验对多步退火工艺的机制进行了详细地分析并对多步退火工艺进行了优化。实验结果显示出调整不同的退火的时间和温度在接触电阻和表面形貌的优化中起到了至关重要的作用。取得高质量的欧姆接触的关键是通过调整退火的时间和温度以平衡金属与金属之间,金属与半导体之间的各种反应的速率。我们利用优化后多步退火工艺在未掺杂AlGaN/GaN结构上制作出了低接触电阻的欧姆接触,其比接触电阻率为3.22?10-7Ω.cm2。     

突破衍射极限的表面等离子体激元

表面等离子体激元是外部电磁场诱导金属表面自由电子的集体共振,产生沿金属-介质界面传输的表面波,具有亚波长局域、近场增强和新颖的色散特性,在纳米光子学中发挥着重要的角色。利用表面等离子体激元构成的光学器件能够突破衍射极限,实现微电子与光子在同一个芯片上的集成。系统介绍了表面等离子体激元的基本原理,及其在光波导、探测器、调...     

积累模式p沟道SOI基围栅Fin-FET驱动电流的研究

通过比较,研究了积累模式p沟道围栅Fin-FET的驱动电流。积累模式p沟道围栅Fin-FET的驱动电流比具有同样结构的反型模式p沟道Fin-FET的驱动电流大15% ~ 26%,这是因为前者存在体输运,但随着栅极偏压的增大体输运电流的比重逐渐减小。积累模式p沟道围栅Fin-FET的驱动电流比积累模式p沟道平面FET的驱动电流大50%,这起因于前者有效输运表面的展宽和体积累。其中有效输运表面展宽源于围栅结构感应的多表面输运,而体积累（即Fin截面中任何位置的多子浓度超过了掺杂浓度）源于围栅结构不同方向上电场的耦合。另外,对于积累模式p沟道围栅Fin-FET,由于不同输运方向和输运表面迁移率的差别,沟道沿<110>方向比沿<100>方向有较大的驱动电流,这在较大的栅极偏压使表面输运电流在总电流中占主导时变得更为明显。     

AlGaN/GaN HEMT器件工艺的研究进展

首先论述了Al GaN/GaN高电子迁移率晶体管(HEMT)在微波大功率领域的应用优势和潜力;其次,介绍并分析了影响Al GaN/GaN HEMT性能的主要参数,分析表明要提高Al-GaN/GaN HEMT的频率和功率性能,需改善寄生电阻、电容、栅长和击穿电压等参数。然后,着重从材料结构和器件工艺的角度阐述了近年来Al GaN/GaN HEMT的研究进展,详细归纳了目前主要的材料生长和器件制作工艺,可以看出基本的工艺思路是尽量提高材料二维电子气的浓度和材料对二维电子气的限制能力的同时减小器件的寄生电容和电阻,增强栅极对沟道的控制能力。另外,根据具体情况调节栅长及沟道电场。最后,简要探讨了Al GaN/GaN HEMT还存在的问题以及面临的挑战。     

增强型AlGaN/GaN HEMT器件工艺的研究进展

随着高压开关和高速射频电路的发展,增强型GaN基高电子迁移率晶体管(HEMT)成为该领域内的研究热点。增强型GaN基HEMT只有在加正栅压才有工作电流,可以大大拓展该器件在低功耗数字电路中的应用。近年来,国内外对增强型GaN基HEMT阈值电压的研究主要集中以下两个方面:在材料生长方面,通过生长薄势垒、降低Al组分、生长无极化电荷的AlGaN/GaN异质材料、生长InGaN或p-GaN盖帽层,来控制二维电子气浓度;在器件工艺方面,采用高功函数金属、MIS结构、刻蚀凹栅、F基等离子体处理,来控制表面电势,影响二维电子气浓度。从影响器件阈值电压的相关因素出发,探讨了实现和优化增强型GaN基HEMT的各种工艺方法和发展方向。