• 基于MoE和图神经网络的中小学教师教学质量多维评价算法研究

  为解决多维教学评价中的特征混淆问题，本文提出了一种基于混合专家模型（MoE）和图神经网络（GNN）的评价算法。该模型通过构建教学异构图来捕获拓扑特征，并借助稀疏门控网络实现任务解耦。实验结果表明，该算法在课堂控制维度的均方根误差（RMSE）约为1.3，低于多任

  来源：Systems and Soft Computing

  时间：2026-08-15

• 在不可压缩各向同性超弹性中同时强制执行多凸性和真应力-真应变单调性：应用于神经网络本构模型

  为构建本构模型而设计的物理增强神经网络（PANNs）近期因适用于多种材料行为而受到广泛关注。在此，研究人员根据本构不等式研究的最新进展重新审视了各向同性不可压缩超弹性的经典框架。研究人员表明，对于一大类不可压缩应变能函数，多凸性（polyconvexity）蕴

  来源：Journal of the Mechanics and Physics of Solids

  时间：2026-08-15

• 基于特征工程的Windows物联网网关特洛伊木马检测：使用自定义深度神经网络和自动化监控管道

  物联网（IoT）环境的增长扩大了现代系统的攻击面。特洛伊木马攻击是一个主要挑战，因为它们能逃避传统检测机制并在合法进程中静默运行。本文提出了一种针对基于Windows的物联网网关的自动化特洛伊木马检测框架。该框架结合了自定义数据集生成、信息性特征工程和深度学习

  来源：Journal of Cybersecurity and Privacy

  时间：2026-08-15

• 双晶格光子晶体深紫外激光器的ANN-RBF神经网络设计

  本研究设计了一种双晶格光子晶体结构，旨在无需任何分布式布拉格反射镜（DBR）的情况下实现深紫外激光发射，该结构被称为光子晶体表面发射激光器（PCSEL）。采用平面波展开法（PWE）研究各种结构参数对共振波长的影响。利用随机森林算法，研究人员确定晶格常数对共振波

  来源：Optics

  时间：2026-08-15

• 用于资源受限设备的基于电阻抗谱的生物传感器的人工神经网络数据分析

  便携式和可穿戴传感器近年来在多种应用中受到关注。基于电阻抗谱（EIS）的传感器尤其有前景，因为它们能够以最小扰动对被测样品进行精确测量。电化学生物传感器是利用电化学技术测量目标分析物的设备。在基于EIS的电化学生物传感器中，测得的阻抗谱被拟合到等效电路模型，其

  来源：Journal of Low Power Electronics and Applications

  时间：2026-08-15

• 深度分位数预测：评估用于多期风险价值的先进神经网络

  本研究检验了现代深度学习架构是否能够通过学习传统计量经济模型难以捕捉的非线性尾部风险动态来改进多期风险价值（Value-at-Risk, VaR）预测。利用标普500指数收益数据和已实现波动率（Realized Volatility, RV）度量，研究人员在H

  来源：International Journal of Financial Studies

  时间：2026-08-15

• 进化训练神经网络：遗传算法中交叉算子与反向传播比较中的作用

  使用基于梯度的方法（如反向传播（backpropagation））训练神经网络是主流范式，但它依赖于可微损失函数，并对初始化和局部极小值敏感。进化算法提供了一种无梯度替代方案，但其内部算子对训练质量的影响仍未被充分表征。本研究系统比较了反向传播与十种遗传算法（

  来源：Applied Sciences

  时间：2026-08-15

• 基于高斯光束和高斯涡旋光束的大气湍流强度主动探测技术研究

  大气湍流强度的精确探测对于大气光学和激光通信至关重要，然而高效的反演方法仍显不足。本研究探索了利用高斯光束和高斯涡旋光束进行大气湍流强度（大气折射率结构常数，Cn2）反演的可行性。研究人员构建了基于空间光调制器（SLM）的湍流模拟平台，以生成不同湍流强度的相位

  来源：Applied Sciences

  时间：2026-08-15

• 基于深度学习的预防性继电器整定校准增强高分布式能源渗透电网保护协调鲁棒性

  分布式能源（DERs）渗透率的不断提高引入了显著的运行不确定性，对配电网中传统保护协调的可靠性和鲁棒性提出了挑战。传统优化方法能够获得高质量的继电器整定值，但其迭代计算负担限制了其在实时自适应中的直接应用。为解决这一问题，研究人员提出了一种基于深度学习的预防性

  来源：Systems

  时间：2026-08-15

• 透明ANN–Excel模型用于钢纤维增强混凝土梁抗剪强度：参数分析及设计意义

  本文提出了一种基于人工神经网络（ANN）的模型，用于预测无横向钢筋的钢纤维增强混凝土（SFRC）梁的抗剪强度，该模型直接利用Excel软件开发，以确保计算透明性和统计可解释性，同时保持经验数据驱动工具的特性。本研究中，研究人员收集、整理并利用了一个包含923个

  来源：Buildings

  时间：2026-08-15

知名企业招聘：