Emotional expression is a bridge to human communication, especially for the hearing impaired. This paper proposes a sign language emotion recognition method based on semantic and movement features by exploring the relationship between emotion valence and arousal in-depth, called SeMER. The SeMER framework includes a semantic extractor, a movement feature extractor, and an emotion classifier. The contextual relations obtained from the sign language recognition task are added to the semantic extractor as prior knowledge using a transfer learning approach to better acquire the affective polarity of semantics. In the movement feature extractor based on graph convolutional networks, a spatial-temporal adjacency matrix of gestures and node attention matrix are developed to aggregate the emotion-related movement features of intra- and inter-gestures. The proposed emotion classifier maps semantic and movement features to the emotion space. The validated U-shaped distributions of valance and arousal are then used to guide the relationship between them, and improve the accuracy of emotion prediction. In addition, a sign language emotion dataset containing 5 emotions from 18 participants, SE-Sentence, is collected through armbands with built-in surface electromyograph and inertial measurement unit sensors. Experimental results showed that SeMER achieved an accuracy and f1 value of 88% on SE-Sentence.

Growing evidence has demonstrated that gut microbiota could be developed as a therapeutic target due to its contribution to microglia activation in the pathological process of ischemic stroke. Acorus tatarinowii oils (AT oils), which is considered as the active fraction of a traditional Chinese herbal medicine Acorus tatarinowii, exerts various bioactivities and prebiotic effects. However, it remains unclear that the effect of AT oils on inflammatory response after ischemic stroke and whether its underlying mechanism is associated to gut microbiota and the intestinal barrier. In the current study, we aim to investigate the anti-microglial neuroinflammation mechanism of AT oils in a middle cerebral artery occlusion model of ischemic stroke. The compositions of AT oils were identified by GC-MS. Our results demonstrated that AT oils could effectively relieve cerebral infarction, inhibit neuronal apoptosis, degrade the release of pro-inflammatory factors (TNF-α, IL-17, IL-6 and IFN-γ), and mediate the polarization of microglia. Moreover, AT oils restored the composition and the balance of gut microbiota in stroke rats, and reduced abundance of opportunistic genera including Verrucomicrobia, Akkermansia and Tenericutes, as well as increased beneficial bacteria abundance such as Tenericutes and Prevotella_copri. To investigate the role of gut microbiota on AT oils against ischemic stroke, we conducted the fecal microbiota transplantation (FMT) experiments with gut microbiota consumption, which suggested that the depletion of gut microbiota took away the protective effect of AT oils, confirming the importance of gut microbiota in the protective effect of AT oils on ischemic stroke. FMT experiments have demonstrated that AT oils preserved the gut permeability and blood-brain barrier, as well as mediated the microglial phenotype under the intervention of gut microbiota. In summary, AT oils could efficaciously moderate neuronal damage and intervene microglial phenotype by reversing gut microbiota disorder in ischemic stroke rats.

This study aimed to investigate alterations in the fungal community and flavor substances in Yunnan-style sausages subjected to natural air-dried fermentation (NF), variable-temperature drying (VT), and constant-temperature drying (CT) and analyze the potential relationship between fungal community and flavor substances. The findings revealed that the NF group and VT group were more conducive to enhancing the accumulation of dominant fungi and characteristic flavor substances in Yunnan-style sausages. Glu, Ala, His, and Lys were identified as key taste substances based on their taste activity values (TAV ≥ 1). A total of 272 volatile compounds(VOCS) were detected in the sausage samples, while 28 key aroma compounds were screened based on the odor activity value (OAV ≥ 1). Multivariate statistical analysis showed that 12 key aroma compounds (VIP > 1) could be considered discriminative compounds, including (E,E)-2,4-nonadienal, nonanal, heptanal, benzaldehyde, Dodecanal, cyclohexanol, and hexyl-Benzene, etc. Furthermore, Wickerhamoomyces and Debaryomyces were positively correlated with most of the key flavor substances and physicochemical indices (|r| > 0.6, P < 0.05), which were potential flavor-contributing fungi in Yunnan-style sausages.

Abstract Pattern reconfiguration of antennas has become a very important measure to improve the signal gain and working bandwidth by manipulating beam direction. Developing rational methods to find the reconfigurable structure is a key problem. In this paper, a collaborative optimization method is proposed to comprehensively consider both the geometric parameters of the bistable substrate and the size of the radiation patch. This method enables the design of a pattern reconfigurable antenna with specified main lobe deflection and stable bandwidth. Specifically, by using a two-step process, the log-periodic dipole antenna (LPDA) is conformally mapped from the planar substrate to the bistable substrate. Further investigation reveals that the main lobe deflection and bandwidth are influenced by the geometric parameters of the bistable substrate and the size of radiation dipoles, respectively. Thus, these parameters are selected as design variables for solving the proposed collaborative optimization model. The transformation between two stable configurations enables the proposed LPDA to deflect the main lobe of the H-plane pattern by 30° while maintaining consistency in the E-plane patterns. Importantly, the resonant frequencies remain unaffected and the bandwidth does not decrease during the pattern reconfiguration. Notably, the pattern reconfigurable mechanism is rooted in that the transformation between the two stable configurations alters the number and position of the dipoles in the radiation region and their current path, thereby changing the radiation direction of electromagnetic waves. The proposed collaborative optimization method has a potential application for other types of antennas and offers opportunities for various applications in the field of wireless communication.

Abstract With advancements in radar detection technology, electromagnetic stealth has garnered significant attention in military applications. Traditional electromagnetic absorbers typically focus on tuning electromagnetic parameters; however, they are often limited by material constraints, resulting in effective absorption only within narrow frequency bands. This work presents a novel prism‐honeycomb nested microwave absorbing structure, inspired by the scattering phenomenon of light waves in a prism, which utilizes an enhanced scattering effect. The varying impedances of electromagnetic waves (EMWs) in different media lead to transmission and reflection that adhere to Snell's law at the interfaces. To optimize the scattering effect, the inner prism is filled with a high transmittance material, while the outer honeycomb structure incorporates a material with high dielectric loss. Consequently, electromagnetic waves experience significant attenuation within the unit. Despite a thickness of only 7 mm, this structure achieves over 90% EMW absorption across a broad frequency range of 1–18 GHz. Additionally, the honeycomb structure exhibits excellent mechanical load‐bearing capacity. The nesting of the prism further enhances support points, resulting in a compressive strength of 16.4 MPa. This innovative design not only facilitates full‐band absorption but also provides high mechanical load‐bearing capabilities, offering valuable insights for applications in electromagnetic stealth and camouflage.