• CA-MC-Transformer：一种用于炉温预测的运行工况自适应与多尺度卷积增强的Transformer架构

  工程示意图（如电气、机械、管道及仪表图（P&ID））记录了工业工厂的建造和运行方式，但其中大多数仅以图像或扫描件的形式存在，软件无法读取。手工对其进行数字化过程缓慢且易出错：专家必须找到并分类数百个符号，阅读密集的技术文本，并弄清楚哪个标签属于哪个组件。基于学

  来源：Electronics

  时间：2026-08-25

• 基于可靠度的边坡稳定性分析：使用粒子群优化神经网络与传统概率方法的基准测试——以黎巴嫩案例研究为例

  概率边坡稳定性分析需要兼具计算效率和不确定度传播精度的工具。本研究开发了一个以可靠度为导向的代理框架，将多层感知机人工神经网络与粒子群优化相耦合（ANN–MLP–PSO）。该模型在从文献记录和基于力学的模拟中提取的2014个均质边坡案例上进行了训练。PSO识别

  来源：Infrastructures

  时间：2026-08-25

• 综述：生物医学材料与制备方法用于构建体外神经血管单元模型

  体外神经血管单元（NVU）模型对于再现血脑屏障（BBB）转运和神经血管细胞相互作用至关重要。然而，文献仍然碎片化：生物材料化学、制备参数和器官芯片架构通常被孤立评估，而基质性质、加工历史、细胞来源、流动和屏障读数的报告不一致，阻碍了直接比较和可迁移设计规则的提

  来源：Materials

  时间：2026-08-25

• 混合模糊卷积神经网络用于光伏面板异常检测与能量优化

  卷积神经网络(CNN)是监测系统中图像分析与识别的基础工具，尤其在光伏(PV)装置中，视觉检查与热成像在异常检测和能量优化方面起着关键作用。本出版物提出一种混合模糊卷积神经网络(HFCNN)，将利用有序模糊数(OFN)的模糊全连接层集成到CNN架构中。该架构在

  来源：Energies

  时间：2026-08-25

• 基于电流阶跃（CS）与物理信息神经网络（PINN）的质子交换膜水电解（PEMWE）电化学参数快速辨识及过电位分解

  电化学参数辨识对于评估质子交换膜水电解（PEMWE）中的电化学过程至关重要。传统表征技术——包括极化曲线拟合、电化学阻抗谱（EIS）、循环伏安法（CV）和电流中断法（CI）——在高电流动态工况下进行快速诊断时面临显著局限，这些局限源于仪器电流额定值、测量时间、

  来源：Energies

  时间：2026-08-25

• CAD-DNN：一种基于信噪比（SNR）自适应的、具有上下文意识的动态推理框架，用于 lightweight 自动调制识别

  摘要： 自动调制识别（AMR）是实现具有频谱感知能力的物联网（IoT）网络的关键技术，在这种网络中，资源受限的设备必须在动态和低质量的无线环境中准确识别信号调制方式。为了解决在计算资源有限的情况下实现高识别精度的问题，本

  来源：IEEE Communications Standards Magazine

  时间：2026-08-25

• 基于可解释人工智能的无线网络拓扑感知贪婪链路调度

  摘要:现代无线网络中联网设备和数据流量的快速增长使得高效的资源管理越来越具有挑战性。诸如智能电网、工业物联网、自动驾驶交通和智慧城市基础设施等应用需要高性能、可靠的通信。有效的链路调度对于在这些动态环境中优化频谱分配、优先传输以及最小化干扰至关重要。本文介绍了一种新颖的拓扑

  来源：Journal of Communications and Networks

  时间：2026-08-25

• SemOCC：面向任务的鲁棒机器人指令信号光相机通信

  摘要：射频（RF）网络驱动工业 4.0 机器人车队，但它们遭受电磁干扰和拥塞的影响。光学相机通信（OCC）提供了一种无干扰的补充。然而，传统 OCC 通过时间强度调制恢复比特流。当运动模糊、遮挡和低信噪比（SNR）同时发生时，其性能急剧下降。该链路还通过重传强制在可靠性和延

  来源：Journal of Web Engineering

  时间：2026-08-25

• 与卡弗·米德（Carver Mead）的对话：谈加州理工学院的“神经形态时代”及之后的发展 [采访]

  《IEEE电路与系统杂志》的许多读者可能都熟悉卡弗·米德（Carver Mead）研究员；为获取背景信息，读者可参考其他访谈和讲座，例如，其官方加州理工学院（Caltech）页面、2001年《旁观者》杂志访谈、2013年国际固态电路会议（ISSCC）全体会议及

  来源：IEEE Circuits and Systems Magazine

  时间：2026-08-25

• 用于垂直管道多相流型识别的混合卷积、Transformer 及物理编码网络

  摘要

  来源：Fluids

  时间：2026-08-25

知名企业招聘：