-
低成本TinyML嵌入式系统用于乒乓球击球动作的实时分类性能
传感器技术与人工智能(Artificial Intelligence, AI)的融合正在革新竞技体育训练。本文提出一种新型低成本智能乒乓球拍,内嵌九轴惯性测量单元(Inertial Measurement Unit, IMU),可在设备端直接实现击球动作的实时
来源:Electronics
时间:2026-06-19
-
基于感知信道重构共享簇的通信信道重建(Shared Cluster-Based Communication Channel Reconstruction from Sensing Channels)
准确的信道状态信息(Channel State Information, CSI)对现代无线通信系统的性能至关重要。传统信道估计通常依赖上行探测参考信号(Sounding Reference Signal, SRS),这会引入可观的开销和功耗,尤其在高移动性或
来源:Electronics
时间:2026-06-19
-
基于双向跨模态交互与文本引导融合的多模态情感分析研究
多模态情感分析(Multimodal Sentiment Analysis, MSA)已成为人工智能领域的关键研究方向,其目标是通过联合建模文本、音频和视觉信息来预测情感极性或强度。然而,传统方法由于模态间固有异质性、语义表征差异以及跨模态交互不足,仍面临显著
来源:Electronics
时间:2026-06-19
-
面向小麦品种审定文本的知识图谱构建与品种关系分析的联合实体-关系抽取(Joint Entity-Relation Extraction from Wheat Variety Certification Texts for Knowledge Graph Construction and Variety Relationship Analysis)
小麦品种审定信息包含有价值的育种知识,在种质资源管理与育种研究中具有重要作用。然而,大多数审定信息以非结构化文本形式存储,难以支持高效的知识获取与利用。针对此问题,研究人员研究了从小麦品种审定文本中进行联合实体-关系抽取(Joint Entity-Relati
来源:Electronics
时间:2026-06-19
-
基于可解释人工智能(XAI)的高性能计算(HPC)存储维护预测-规范(Predictive-Prescriptive)框架
摘要:随着高性能计算(High-Performance Computing, HPC)架构向E级(Exascale)演进,存储基础设施可靠性已成为关键运维挑战,传统的被动式及静态预防性维护策略日益不足。本研究提出一种全面方法论框架,推动大规模存储环境从预测性维
来源:Electronics
时间:2026-06-19
-
基于事故标定累积风险指数(Accident-Calibrated Cumulative Risk Index, ACCRI)的供电企业作业安全风险评估
针对现有供电企业作业安全风险评估中存在指标赋权主观性强、风险因素时间维度考虑不足的问题,研究人员提出了一种基于事故标定累积风险指数(Accident-Calibrated Cumulative Risk Index, ACCRI)的供电企业作业安全风险评估方法
来源:Electronics
时间:2026-06-19
-
基于心磁图(Magnetocardiography, MCG)的心肌缺血因果驱动严重度分级诊断
心肌缺血不仅是全球主要的健康负担,也是全球心血管疾病发病率和死亡率的首要 contributor 之一。冠状动脉狭窄和心脑供血不足容易引发心肌缺血,并进一步导致心肌梗死、室性心律失常等严重心血管并发症。随着医疗技术和人工智能的持续进步,心肌缺血早期识别现已成为
来源:Electronics
时间:2026-06-19
-
基于人工神经网络的用于物联网应用的高频(HF)传播预测
磁心动图(MCG)目前是无创诊断心肌缺血的一项很有前景的技术。临床医生可通过检查心脏磁三场图的时空演化,对缺血程度进行评估,并将受试者分为轻度缺血、重度缺血和健康个体三组。然而,MCG数据复杂的时空动力学特征使单一模态难以表征缺血严重程度。因此,研究人员提出了
来源:Electronics
时间:2026-06-19
-
弱电网条件下便携式X射线探伤机的自适应鲁棒控制策略
户外的便携式工业X射线探伤机(X-ray Flaw Detector)主要依赖小型柴油发电机供电。然而,此类弱电网(Weak Grid)固有的电网频率漂移会导致传统固定延时控制器产生严重的相移失配,引发电压失控。本研究旨在开发一种鲁棒的频率自适应功率驱动系统以
来源:Electronics
时间:2026-06-19
-
自然主义文学任务中理解阶段的声学相关性
由于大语言模型(Large Language Models, LLMs)通过语言进行运作,其访问理解感(feeling of understanding)的能力依赖于自我报告,这限制了其支持学生学习的潜力。先前研究探索了面部表情是否能够在学术情境中测量不同理解
来源:Electronics
时间:2026-06-19