• 基于RBF–PID–Admittance混合控制的自主挖掘机轨迹跟踪

  摘要

  来源：Actuators

  时间：2026-08-05

• 物联网网络中用于恶意软件检测的深度学习模型比较研究：卷积神经网络、长短期记忆网络与混合架构

  物联网（IoT）的快速扩张加剧了安全担忧。许多物联网设备以有限的计算资源和不足的内置保护运行，这使其易受分布式拒绝服务（DDoS）、僵尸网络（botnets）和勒索软件（ransomware）等恶意软件攻击。传统基于签名（signature-based）的检测

  来源：Cybernetics and Intelligence

  时间：2026-08-05

• 一种双覆盖概率化基于射线的神经形状表征方法

  研究人员扩展了一种更具可处理性的参数化中轴原子射线域，从而提升了表征容量。研究人员通过预测混合（prediction blending）改善了梯度流与可扩展性，使原子（atoms）协作而非竞争。研究人员引入了新的监督策略与学习目标，提升了稳定性与召回率。研究人

  来源：Computers & Graphics

  时间：2026-08-05

• 非线性系统的约束性能提升控制

  研究人员提出了交替方向乘子法（ADMM）用于性能提升（PB），一种为受状态和输入约束的稳定非线性系统设计神经控制器的方法。该方法建立在PB的内模控制公式上。在此设置中，控制器被参数化为一个稳定的神经算子，因此闭环稳定性由构造保证，其权重通过离线训练以提高性能。

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-08-05

• 基于硬件感知设计的轻量级深度循环神经网络在嵌入式设备上实现多元事件驱动时间序列实时识别的实用研究

  在嵌入式设备上实现实时时间序列识别仍具挑战性，其限制既来自有限的计算资源与内存容量，也来自随机触发、事件驱动且时长可变的传感应用所带来的运行约束。多数深度学习方案依赖离线处理、完整序列推断及既定部署框架，与之相对，硬件感知设计结合循环架构可将推断分布到时间序列

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-08-05

• 利用基于CNN的语音分析解决自杀风险评估中的掩饰问题：一项概念验证研究

  背景/目标：自杀仍然是一个主要的公共卫生问题，全球每年有超过70万人死于自杀。当前的风险评估受到高危患者否认自杀意念倾向的限制，意念者中否认率约为50%，住院自杀死亡者中高达78%。方法：这项概念验证研究调查了应用于患者语音的深度学习是否能够区分因近期自杀未遂

  来源：Psychiatry International

  时间：2026-08-05

• 基于改进粒子群优化与深度神经网络预测钢管混凝土柱-钢梁装配节点螺栓连接力学性能

  预测预制钢管混凝土（Concrete-Filled Steel Tube，CFST）柱-钢梁装配体中螺栓连接节点的力学性能，因复杂的非线性关系、高度参数耦合以及传统经验公式泛化能力有限而仍具挑战性。研究人员提出一种数据驱动预测模型，融合改进粒子群优化（Impr

  来源：Mathematics

  时间：2026-08-05

• EpiC-NeRF: 认知不确定性引导的神经辐射场用于稀疏视图CT重建

  稀疏视图计算机断层扫描（CT）重建旨在从有限数量的X射线投影图像中恢复高质量的CT体数据，从而减少图像采集过程中的辐射暴露。然而，该问题本质上是病态的，因为每个投影仅提供间接的线积分监督，且不同的衰减分布可以解释相似的稀疏测量。现有的解析方法和迭代方法常受条状

  来源：Mathematics

  时间：2026-08-05

• 元启发式CNN预测中的验证-泛化不对称：一个极小时间序列案例

  超参数优化能够在降低验证误差的同时恶化未来性能，当数据极度稀缺时该风险尤为突出。研究人员在一份公开铁路里程实现工作簿中检验了这一风险，该工作簿含17个有序五滞后输入-目标行，其中14行构成开发集，3行构成锁定外测试集。不存在经独立核验的22点原始序列；因此精确

  来源：Symmetry

  时间：2026-08-05

• FGOGNN：一种面向无线传感器网络的节能智能分簇路由协议

  节能且鲁棒的路由仍是无线传感器网络（WSNs）中的一个关键问题，其中有限的能量资源和动态拓扑阻碍了性能。为应对这一挑战，本文提出了一种新型分簇路由协议FGOGNN，它集成了用于自适应簇头（CH）选择的真菌生长优化器（FGO）和用于簇间路由的图神经网络（GNN）

  来源：Symmetry

  时间：2026-08-05

知名企业招聘：