• 物理化学感知的机器学习加速绿色混凝土设计

  •知识驱动的数据驱动方法在混凝土设计中实现了出色的泛化能力•图神经网络使混凝土生产中多种固体废弃物的资源化利用成为可能•知识图谱将混凝土领域特定知识嵌入机器学习模型•知识感知的图神经网络设计可持续超高性能混凝土•知识与数据的交互作用可解释物理化学机制并优化知识引言超高性能混凝

  来源：Journal of Building Engineering

  时间：2026-08-28

• 极寒条件下渐开线螺旋副的热粘性泊肃叶-库埃特流动反转与间隙选择

  •一个经过渐开线修正的扇形模型实现了高效的间隙泄漏流分析。•一个无量纲准则预测了温度驱动的泊肃叶-库埃特流反转。•热黏性反馈使冷启动泄漏量增加2.1%~33.7%；共轭传热方法给出41%。•一个有界的算子增广物理引导神经网络加速了密集间隙扫描。•CFD验证、权重敏感性和热约束

  来源：International Communications in Heat and Mass Transfer

  时间：2026-08-28

• 微观结构驱动的异质准脆性材料塑性损伤本构建模

  •提出了一种微观结构信息驱动的深度学习框架，用于识别非均质准脆性材料的塑性损伤本构行为。•原位计算断层扫描数据揭示了宏观损伤演化规律。•双重驱动数据解耦了损伤与塑性流动的竞争性机制。•有限元模拟和环对环试验验证了所提出的模型。引言非均质准脆性材料，如混凝土、岩石、陶瓷基复合材

  来源：European Journal of Mechanics - A/Solids

  时间：2026-08-28

• 社交媒体灾害期间事件检测的优化与迁移学习

  摘要在灾难发生后，社交媒体上会分享大量关键数据，包括受伤人员报告和基础设施损坏情况。然而，在灾难期间，从海量社交媒体帖子中检测有价值的信息被认为更具挑战性。因此，本研究设计了一种基于卷积神经网络的迁移学习+深度CNN_泰勒射箭算法（CNN-based TL+DCNN_TAA）

  来源：Data & Knowledge Engineering

  时间：2026-08-28

• 具有比例时延的随机模糊胞元神经网络基于观测器的全局均方多项式同步

  **摘要** 本文主要研究具有比例延迟和不可测状态的随机模糊细胞神经网络（FCNNs）的基于观测器的全局均方多项式同步问题。鉴于神经网络数据在实际应用中无法被完全测量，为确保驱动FCNN与响应FCNN之间实现全局均方多项式同步，本文设计了一种基于观测器的反馈控制器，利用可测

  来源：Communications in Nonlinear Science and Numerical Simulation

  时间：2026-08-28

• 用于相场模拟中参数化非均匀弹性的梯度增强神经代理模型

  摘要 在由耦合偏微分方程控制的多物理场模拟中，在弹性非均匀条件下迭代求解力学平衡问题是主要的计算瓶颈。本研究开发了一种神经网络代理模型，用于在半隐式谱Cahn-Hilliard框架中替代迭代弹性求解器。提出了一种梯度增强的复合损失函数，联合约束预测场、其一阶梯度和拉普拉斯算

  来源：Computational Materials Science

  时间：2026-08-28

• MHNR: 面向异构网络表示学习的多视图聚合

  摘要 与同质网络相比，异质网络更适合描绘现实中的大多数复杂系统，如社交网络、交通网络和生物网络。异质网络通常包含丰富的语义信息和全面的结构特征，这使得对其进行有效表征尤为具有挑战性。异质网络表征的核心问题是在保留原始非平凡信息的同时获得低维节点向量。迄今为止，尽管在该问题上已

  来源：Big Data Research

  时间：2026-08-28

• 用于粉煤灰地聚合物混凝土多参数强度预测与决策支持的数据驱动人工神经网络框架

  •超过560种FA-GPC配合比设计的数据库支持数据驱动的强度建模。 •多参数ANN框架整合了成分相关和养护相关变量。 •ANN模型在训练集和验证集上分别实现了R²=0.86/0.76和RMSE=7.07/9.09 MPa。 •H₂O/Al₂O₃被确定为最具影响力的参数。

  来源：Advances in Engineering Software

  时间：2026-08-28

• 基于医疗物联网运行数据的X射线管灯丝烧损原型对齐退化预测

  •采用原型对齐的表示学习，将时间表示从完好状态原型到燃尽状态原型进行正则化，用于在部分观测条件下进行长程退化预测。 •开发了一个与灯丝退化状态对齐的三阶段警告框架，实现了对CT X射线管管理的具体阶段维护行动。 •在所有三个警告阶段上展示了所提出方法在真实CT数据上的有效性，

  来源：RELIABILITY ENGINEERING & SYSTEM SAFETY

  时间：2026-08-28

• 一种基于自适应特征重构的物理信息门控 Mamba 框架，用于实现准确且可解释的工具磨损监测

  •基于物理信息的门控Mamba框架能够实现与实际磨损模式一致的精确监测。•基于混合相关性的自适应特征重建能够抑制冗余并保留磨损相关信息。•通过可学习的代理分支，在无需显式经验磨损方程的情况下强制实现磨损率一致性。 ## 引言 刀具磨损监测是智能制造的关键组成部分之一，对于

  来源：JOURNAL OF MANUFACTURING SYSTEMS

  时间：2026-08-28

知名企业招聘：