• 冲突硝烟下的遗产：伊朗冲突中的遗产脆弱性、遗产损害与旅游影响

  摘要专业翻译 武装冲突对文化遗产构成重大威胁，既造成即时性破坏，也导致长期性的文化侵蚀。本概念性研究札记（research note）以伊朗—美国/以色列冲突为当代例证，对冲突情境下的遗产脆弱性（heritage vulnerability）进行了具有理论依据

  来源：Tourism Recreation Research

  时间：2026-09-14

• 后增长时代的旅游未来重构：从可持续到充足性的酒店业伦理转型

  摘要专业翻译 随着地球极限日益收紧，以及永续增长的精神被证明难以为继，旅游业正站在道德与实践的十字路口。在未来数十年中，该行业的定义将不再取决于还能建造或销售多少，而在于“足够”如何被有意义地界定、分享与维系。这项面向未来的研究通过“充足性”（enoughne

  来源：Tourism Recreation Research

  时间：2026-09-14

• 众源行人数据系统综述：应用、挑战与未来研究方向

  城市正加大对可步行环境的投资，因为步行具有健康、环境和社会效益。然而，由于数据限制，精确测量行人模式仍具挑战性。众源数据（Crowdsourced Data）为克服数据限制提供了机会，但也存在挑战。本文旨在系统审视当前用于填补空白并推进行人研究的众源数据，主要

  来源：Transportation Research Interdisciplinary Perspectives

  时间：2026-09-14

• 经渐进地方感协商的场所营造：意大利帕尔马的再生式接待业（Regenerative Hospitality）

  旅游驱动的城市再生在重塑城市空间方面发挥着关键作用，然而其常面临可持续性挑战。再生式旅游（Regenerative Tourism, RT）已成为传统旅游策略的替代方案，旨在创造净正面影响，并提供更以地方和社区为中心的方法。尽管近年来再生式旅游与接待业研究取得

  来源：Tourism Geographies

  时间：2026-09-14

• **基于路边激光雷达的行人乱穿马路精细自适应策略解构分析**

  乱穿马路（jaywalking）通常被作为交通合规性问题进行研究，然而乱穿马路过程中的实际行为细节仍缺乏充分探讨。本研究在德国慕尼黑的两处城市交叉口布设路边激光雷达（roadside LiDAR），将乱穿马路行为分解为离散运动学状态（kinematic sta

  来源：Transportation Research Interdisciplinary Perspectives

  时间：2026-09-14

• 瑞典公共交通规划中结构性弱势群体知识的认知不正义——以票价可负担性为中心的实证研究

  本文旨在探索结构性弱势地区居民的知识视角在公共交通规划中面临边缘化的风险，以及这种边缘化如何导致与出行相关的认知不正义（epistemic injustice）。研究基于对瑞典乌普萨拉（Uppsala）两个相邻地区Gottsunda和Bäcklösa的七名居民

  来源：Mobilities

  时间：2026-09-14

• 面向公共电动汽车充电会话充电故障与异常终止事件的插入时刻（Plug-in-Time）机器学习分类与风险排序研究

  公共充电运营商通常只能在充电会话终止之后识别异常的充电结果，这制约了主动性维护能力并降低了服务可靠性。该研究构建了一条仅使用充电会话开始时刻可获得信息的插入时刻（plug-in-time，即插枪时刻）机器学习流程。分析基于中国嘉兴92个充电桩记录的441,07

  来源：World Electric Vehicle Journal

  时间：2026-09-14

• 基于混合策略的增量学习灾难性遗忘缓解：交错记忆回放与参数正则化用于序列文本分类

  摘要专业翻译 灾难性遗忘（Catastrophic Forgetting, CF）是深度学习模型在一系列新数据上增量训练时所面临的一项重大挑战。以往研究主要聚焦于减少图像和视频数据中的遗忘现象，而对文本领域的关注相对较少——在文本领域中，离散的词元分布（dis

  来源：Electronics

  时间：2026-09-14

• 基于轻量级RGCSPELAN骨架与Pola-CGLU编码器的RPR-DETR用于X光安检图像违禁品检测

  在X光安检图像中，物体重叠会对特征表示引入干扰并增加违禁品检测的难度。针对这一问题，研究人员在本研究中开发了一种改进的RT-DETR模型，命名为RPR-DETR。首先，原始骨干网络被替换为轻量级RGCSPELAN结构，该结构将结构重参数化（structur

  来源：Electronics

  时间：2026-09-14

• 基于您提供的论文全文内容，以下是对四个问题的逐一回答： **中文标题** 面向织物缺陷检测的混合CNN–Mamba网络CMNet研究

  织物缺陷检测在纺织制造行业的质量控制中发挥着至关重要的作用。然而，由于缺陷的多样性、复杂性以及环境因素的影响，该任务仍面临挑战。基于深度学习的方法能够高效地提取视觉特征，从而提升检测精度和推理速度。然而，由于织物纹理背景多样且缺陷特征复杂，大多数深度学习方法

  来源：Electronics

  时间：2026-09-14

知名企业招聘：