• 基于模糊逻辑多目标设计的金属粉末注射成型牙套最优预测模型的鲁棒智能建模

  目的：金属注射成型（Metal Injection Molding，MIM）是一种先进的制造技术，适用于生产复杂、小型和微型部件，如牙套和生物医学器件。然而，成型过程中的产品翘曲、变形和非均匀温度分布常常损害尺寸精度、装配精度和美学质量。本研究旨在优化牙套的M

  来源：Science Progress

  时间：2026-08-29

• 处理（我们的）差异：表征神经分化学生化学学习与推理经验的特征

  神经多样性（Neurodiversity）指的是个体处理和回应信息方式的自然差异，包括注意力缺陷多动障碍（attention-deficit hyperactivity disorder, ADHD）、自闭症谱系障碍（autism spectrum disor

  来源：Journal of Chemical Education

  时间：2026-08-29

• 柚皮苷与柚皮素的肟基功能化：调控结构、理化性质及生物学特性谱

  肟基功能化是调控黄酮类化合物理化与生物学性质的一种有前景的策略，其与生物学行为之间的关系仍不明确。研究人员将柚皮苷（naringin）与柚皮素（naringenin）通过优化的高产合成方案转化为相应的肟衍生物。两种衍生物均经元素分析、傅里叶变换红外光谱（FT-

  来源：ACS Omega

  时间：2026-08-29

• 基于XGBoost-CNN的乡村旅游管理平台构建研究

  针对乡村旅游管理中数据碎片化、需求预测不准确及资源配置低效等问题，研究人员提出了一种集成极限梯度提升（eXtreme Gradient Boosting, XGBoost）与卷积神经网络（Convolutional Neural Network, CNN）的智

  来源：Systems and Soft Computing

  时间：2026-08-29

• 面向多属性后缀预测的神经符号预测性过程监控

  利用历史过程执行数据预测正在进行的业务过程演化是业务过程管理（Business Process Management, BPM）中一项具有挑战性的任务。近年来，基于Transformer的模型在多属性序列预测中展现出良好前景，该类任务不仅预测过程下一活动，还预

  来源：Information Sciences

  时间：2026-08-29

• 基于波动测量的颗粒增强材料深度学习重建

  摘要：准确表征颗粒增强材料中的颗粒分布对于理解其力学性能至关重要。然而，由于复杂的波-颗粒相互作用、多次散射效应以及未知微观结构的高维特性，从边界波动测量中估计内部颗粒构型仍是一个具有挑战性的逆问题。本研究提出了一种数据驱动框架，以探究从边界测量的波动信号中估

  来源：Engineering Structures

  时间：2026-08-29

• 【中文标题】基于分段线性神经网络高效求解两阶段随机混合问题

  混合问题是石油炼制、石油化工制造和废水处理中一项基础且具有经济关键性的优化挑战。其固有的非凸性源于双线性混合约束，使得全局优化在工业规模上难以计算。当扩展到两阶段随机设置时，由此产生的两阶段随机混合问题 (2SPP) 成为一个随机混合整数非线性规划 (MINL

  来源：Chemical Engineering Science

  时间：2026-08-29

• 综述：现场性的神经美学

  现场戏剧、舞蹈和音乐是人类文化的核心。基于戏剧、表演和媒体研究中丰富的理论争论，本综述概述了一种理解现场体验的心理学方法。它区分了物理现场性（physical liveness，即在此时此地的在场）和社会现场性（social liveness，即与他人分享体验

  来源：Current Opinion in Psychology

  时间：2026-08-29

• 一种基于门控循环单元与物理信息神经网络的高压辊磨机吞吐量预测方法

  作为矿山破碎与磨矿回路的重要组成部分，高压辊磨机（High-Pressure Grinding Roll, HPGR）对于能源效率、成本降低、质量提升和效率增益至关重要；因此，它在维持矿山生产稳定运行和智能控制方面发挥着关键作用。其瞬时吞吐量和处理能力直接影响

  来源：Automation

  时间：2026-08-29

• 用于钢和锌大气腐蚀建模的神经网络与极端梯度提升模型的集成与提升方法

  本文提出了几种集成与提升方法，用于组合神经网络和极端梯度提升（XGB）模型以模拟钢和锌的大气腐蚀。所研究的方法包括神经网络的bootstrap聚合（bootstrap aggregation）、XGB模型的bootstrap聚合、神经网络与XGB模型的boot

  来源：Algorithms

  时间：2026-08-29

知名企业招聘：