• 神经肌肉电刺激联合传统吞咽治疗在伴有吞咽困难的急性卒中患者中的疗效：一项随机对照试验

  摘要神经肌肉电刺激（NMES）被提议作为常规吞咽疗法的辅助手段；然而，关于其在早期卒中中附加获益的证据仍然不确定。本研究旨在确定对于依赖肠内管的急性期和亚急性期卒中后吞咽困难患者，NMES 结合传统吞咽疗法是否比单独使用传统疗法提供优越的结果。共有 57 名符合纳入标准的卒中

  来源：Dysphagia

  时间：2026-08-25

• 基于多尺度性能的混合竹材-合成纤维增强塑料（FRP）胶合梁设计框架：替代性PINN模型

  摘要 本研究提出了一种基于性能的设计（PBD）框架的构建和实施方法，该方法用于混合纤维增强塑料（FRP）与竹材和合成FRP材料的结合，以增强胶合木梁。所提出的框架结合了微观尺度、宏观尺度和介观尺度的多尺度建模，将传统的有限元（FE）方法与人工智能（AI）技术（特别是物理信息神

  来源：Structures

  时间：2026-08-25

• GratingNet：基于光栅图像和深度学习的面内位移场预测方法

  •基于光栅的光学测量方法被广泛用于全场位移表征；然而，由于大规模图像处理的高计算成本，其在动态变形测量中的应用受到限制。为了应对这一挑战，我们提出了一种基于摩尔光栅图像的深度学习面内位移预测框架。•在本工作中，开发了一种双分支卷积神经网络，称为 GratingNet，用于从变

  来源：Measurement

  时间：2026-08-25

• 基于深度学习增强 FMCW 雷达的距离分辨率

  •基于 DNN 的 FMCW 毫米波雷达超分辨频谱。 •信噪比加权损失函数克服了频谱分布稀疏的问题。 •仿真显示分辨率提升高达 8 倍。 •77 GHz 雷达实验成功分辨相邻目标。 引言 调频连续波（FMCW）雷达最近被广泛应用于各种场景，包括目标定位 [1]、跌倒检测

  来源：Measurement

  时间：2026-08-25

• 一种用于分离流大涡模拟的物理嵌入式符号壁面模型

  • 提出了一种基于神经网络和符号回归的分析壁面模型。 • 提出的模型包括壁面剪应力模型和涡粘度模型。 • 壁面剪应力表示为速度项和速度 - 压力梯度耦合项。 • 该模型使用周期性山丘流动和未见过的高雷诺数分离流动进行了验证。 引言 壁面模型 [1], [2] 通过避免解析近

  来源：Journal of Computational Physics

  时间：2026-08-25

• 急性神经科病房的临终关怀：生命最后一周临床实践的回顾性分析

  背景：临终阶段神经系统疾病患者的护理具有挑战性，且往往因预后不确定性而变得复杂。难以识别终末期可能延迟向临终护理的过渡，导致持续使用诊断程序和医疗干预，而仅有限度地关注舒适护理。方法：这项回顾性观察性研究纳入了 209 名在急性病房去世的神经系统疾病患者的病历。提取了生命最后

  来源：Journal of Neuroscience Nursing

  时间：2026-08-25

• 具有优化边缘的无皱多边形膜

  摘要由不稳定性引起的起皱阻碍了多边形薄膜的工程应用，而现有的起皱抑制解决方案存在与界面分层相关的过早结构失效、不希望出现的重量增加以及不规则图案引起的完整性丧失等问题。本文提出了一种通过优化自由边形态来调节应力分布，从而实现任意位移载荷下无皱多边形薄膜的设计策略。采用基于小变

  来源：International Journal of Solids and Structures

  时间：2026-08-25

• 多语言神经机器翻译中数据选择的贝叶斯优化方法

  • 首次应用贝叶斯优化（Bayesian Optimization，简称BO）专门为机器翻译（Machine Translation，简称MNMT）模型选择语言数据。 • 强大的框架针对离散语言对搜索空间定制了BO的核心组件。 • 大规模的实验证明该方法显著提升了低资源语

  来源：Information Processing & Management

  时间：2026-08-25

• 用于热力学晶体稳定性预测的可解释潜空间与异常敏感学习

  摘要热力学稳定性预测仍然是计算材料科学中的一个基本挑战，因为晶体设计空间巨大的规模和结构复杂性。在本研究中，我们设计并开发了一个多模态且可解释的人工智能框架，使用图神经网络、流形学习、异常检测和可解释人工智能 (XAI) 对晶体材料稳定性进行潜空间表征。分析了来自 Mater

  来源：Computational Materials Science

  时间：2026-08-25

• 基于物理信息随机神经网络增强的多尺度方法在复合材料高效高精度热传导模拟中的应用

  •采用高阶多尺度方法将神经网络的原始约束（多尺度偏微分方程）解耦为新的约束（宏观均匀化偏微分方程和微观单元偏微分方程），从而克服了计算瓶颈和频率原理，并具备多尺度热模拟的高精度计算性能。•开发了一种无网格且高效的循环神经网络（RNN）方法求解宏观均匀化偏微分方程和微观单元偏微

  来源：COMPOSITE STRUCTURES

  时间：2026-08-25

知名企业招聘：