-
通过结构化潜在图解码实现具有偏差意识的多模态对象检测
摘要
结合RGB–IR和RGB–热成像传感技术可以在恶劣条件下提供互补的信息,从而实现更稳健的对象检测。尽管在这些基准测试中图像对齐,但由于跨模态表示的差异、某一模态质量下降时的脆弱交互以及将紧凑的潜在表示投影回密集空间预测时的不确定性,有效的融合仍然具有挑战性。我们提出了G
来源:Neurocomputing
时间:2026-08-26
-
利用基于基序的超图神经网络探索高阶相关性以用于流行病预测
•复杂的流行病传播模式通常表现出高阶依赖关系。
•MHGNN 使用超图和模体来捕捉区域间的高阶依赖关系。
•超边捕捉区域间的局部地理邻接性和全局相关性。
•网络模体移除无关紧要的关系,以保留关键的消息传递路径。
•MHGNN 在流行病预测任务上达到了最先进的性能。
引言
来源:Knowledge-Based Systems
时间:2026-08-26
-
自适应多尺度超图神经网络在多源检测中的应用
**摘要**
基于超图的源检测 focuses on 从定义在更高阶交互结构上的传播快照中反向识别扩散源。传统方法针对简单网络开发,假设传播是成对的,因此无法捕捉现实世界系统中常见的更高阶聚合交互和非二元依赖关系。由于超图明确编码了多节点关系,因此在超图表示下研究源检测对于改
来源:Knowledge-Based Systems
时间:2026-08-26
-
基于卷积神经网络预测随机自由形态天线设计的反射响应
•CNN 从伪随机自由形式设计中预测天线反射响应。
•通过使用 50 顶点自由形式形状而非规范形状,消除了工程师偏见。
•通过消除对昂贵电磁仿真的需求,加速了天线筛选。
•输出宽频率范围内的反射系数,而不仅仅是单点。
•模型在 1.9 毫秒内提供预测,而完整电磁仿真需要 90
来源:Knowledge-Based Systems
时间:2026-08-26
-
柔性Cu/parylene-MoOx/ITO忆阻器在可穿戴神经形态应用中实现更高电阻切换可靠性的电化学本质
摘要近年来,可穿戴电子产品的快速发展对可靠、紧凑、强大且符合人体工程学的计算系统提出了要求,这些系统能够持续监测健康参数并处理多种生理信号。在过去十年中,忆阻式神经形态系统在计算效率和高度集成方面取得了显著进展。目前,对忆阻器及其他附加功能的研究(包括将其集成到可穿戴电子设备中)
来源:Journal of Alloys and Compounds
时间:2026-08-26
-
面向船舶二氧化碳捕集的高效 MEA/[TBA][Br] 溶剂的集成实验与机器学习优化框架
摘要使用 MEA/[TBA][Br] 溶剂的船上二氧化碳(CO2)捕获(SCC)系统缺乏实验研究以及能够在保持高 CO2 捕获率的同时最小化再生能耗的高效数据驱动优化框架。本研究进行了循环实验,并开发了一种基于深度神经网络(DNN)的框架,以优化与船舶相关的碳捕获操作条件。在
来源:Science China-Chemistry
时间:2026-08-26
-
用于电动汽车充电调度的深度强化学习框架
**摘要**
电动汽车(EV)的快速增长以及充电基础设施(CI)不均衡的发展,给电网带来了日益增加的压力。有效的电动汽车充电(EVC)调度通过更积极地响应电网信号,为缓解电网压力提供了一种有前景的方法。一般来说,EVC调度涉及在有限的充电期间内进行连续的充电和放电决策。强化学
来源:Journal of Energy Storage
时间:2026-08-26
-
基于语义等价转换的针对神经代码模型后门攻击:特征化与缓解
摘要AI 摘要要查看此 AI 生成的摘要,您必须拥有高级版访问权限。了解更多登录摘要摘要神经代码模型越来越多地被嵌入到软件开发工作流中,但它们对后门攻击的脆弱性构成了重大的安全风险。现有研究主要考察了基于注入的攻击,这些攻击将异常模式插入代码中,并且通常可以通过标准清洗和筛选
来源:ACM Transactions on Software Engineering and Methodology
时间:2026-08-26
-
VeRe:基于验证的深度神经网络故障定位与修复合成方法
摘要
AI摘要
来源:ACM Transactions on Software Engineering and Methodology
时间:2026-08-26
-
利用人工智能及改进型 Sigmoid 人工神经网络分析掺有可持续材料的钢纤维增强自密实混凝土的流动与力学性能
摘要
掺入可持续辅助胶凝材料的钢纤维增强自密实混凝土 (SFRSCC) 在实现足够的工作性与增强的机械性能方面具有巨大的潜力。然而,其新拌和硬化状态下的性能受控于胶凝材料组成、骨料级配、水和高效减水剂含量,以及钢纤维几何形状和掺量之间强非线性和耦合的相互作用。因此,传统的配
来源:Knowledge-Based Systems
时间:2026-08-26