-
基于相位同步多域分析的时空通道注意力图神经网络用于癫痫发作定位
从头皮脑电图（EEG）检测癫痫发作因脑信号的非平稳特性以及不同位置神经区域间复杂的时空交互而困难。研究人员引入一种时空通道注意力图神经网络（ST-CA-GNN），用于基于其对所有EEG通道间动态功能连接的表征能力实现自动癫痫检测。EEG信号被建模为时间依赖图，
来源：Healthcare Analytics
时间：2026-08-22
-
综述：音乐作为一种艺术形式：音乐神经美学研究的当前发现与挑战
近几十年来，通常归类于音乐认知神经科学的音乐实证研究主要将音乐视为一种生物认知官能，聚焦于听觉运动预测和奖赏机制。最近，音乐神经美学将这一焦点扩展为将音乐体验视为一种与作为表演艺术的音乐进行的情境化相遇。从这一视角可区分出音乐体验的三种互补解释：听觉运动–奖赏
来源：Current Opinion in Psychology
时间：2026-08-22
-
通过基于神经网络的模拟揭示空气-水界面自由羟基的异质性
打开图形查看器
摘要
自由羟基（OH）的定向分布和动态特性对于理解空气-水界面至关重要。然而，关于它们的定向和能量松弛，仍然存在争议，主要是因为这些基团的结构和动态异质性尚未得到充分了解。分子动力学（MD）模拟已
来源：The Journal of Physical Chemistry B
时间：2026-08-22
-
一种用于提升心血管疾病预测诊断准确性的优化PSO-PNN混合模型
心血管疾病(CVD)是全球普遍存在的健康问题，需要准确的诊断方法以实现有效治疗。机器学习(ML)技术在CVD诊断中日益受到关注，现有部分ML模型借助手动超参数调优取得了良好结果，但手动调优繁琐且易导致诊断准确率波动。为构建提供稳定诊断的PSO调优分类器，研究人
来源：Algorithms
时间：2026-08-22
-
特刊前言：“深度学习在目标识别中的先进方法与应用”
本特刊聚焦于目标检测与识别，这是计算机视觉几乎所有应用中的核心任务，展示了新型数学算法、架构和方法在提升该任务性能方面的能力，重点强调了在相关应用中的挑战性条件下新解决方案及其性能分析。计算机视觉领域在过去十年中采用了深度学习（Deep Learning）模型
来源：Mathematics
时间：2026-08-22
-
物理信息神经网络与微分变换方法在膜壳理论中约化二阶常微分方程的比较
本文呈现了两种方法（物理信息神经网络PINNs与微分变换方法DTM）的比较研究，用于求解来自旋转壳膜理论的二阶常微分方程。所考虑的方程源于壳结构的旋转对称性，这使得控制偏微分方程可以约化为对应于各个周向谐波的一系列常微分方程。研究比较了经典微分变换方法（DTM
来源：Symmetry
时间：2026-08-22
-
基于PSO和GA优化的逆神经网络控制器的智能按需绿色氢气生产用于合成燃料
绿色氢气是Power-to-Liquid (PtL)路径中用于生产可持续合成燃料的关键能源载体，有助于工业和运输部门的脱碳。然而，可再生能源的间歇性以及维持合成过程适当化学计量比所需的可变氢气需求，使得必须根据工艺需求调节氢气产量，而不是最大化其产量。本文提出
-
基于Transformer与多模态神经网络的图像设计特征增强方法
随着人工智能技术的快速发展，图像设计特征增强在计算机视觉、图像处理及多媒体应用中起着关键作用。传统特征增强方法在处理复杂多变的图像数据时往往存在局限性。因此，本研究提出了一种创新的MN-T（Multimodal Neural Network enhanced
来源：Electronics
时间：2026-08-22
-
使用无量纲组引导的贝叶斯神经网络的架空输电线路脱冰跳跃高度概率预测
架空输电线路脱冰后跳跃高度与电气间隙和结构安全性密切相关。对于不同的导线参数、档距长度、水平应力和覆冰条件，瞬态有限元分析可以提供详细的动力响应，但重复模拟不利于快速工程评估。此外，确定性预测模型仅给出单一的跳跃高度值，当输入条件接近采样范围边界时，该值的可靠
来源：Energies
时间：2026-08-22
-
神经网络辅助的FCC动力学建模用于增强参数估计（使用CREC Riser Simulator）
本研究提出了一种集成框架，用于在稀疏实验数据条件下开发真空瓦斯油（VGO）催化裂化的动力学模型。实验在CREC Riser Simulator中，以不同催化剂/VGO（C/O）重量比进行。CREC Riser Simulator是一种实验室规模的微型流化床反应
来源：Catalysts
时间：2026-08-22
粤公网安备 44010602000434号