-
一种基于数字化PDW与U1DADM的掩码辅助雷达信号分选方法
为解决复杂电磁环境下传统方法难以有效分选调制类型相同且参数范围重叠的雷达信号的难题,研究人员提出了一种基于语义分割的一维卷积神经网络U1DADM。该网络从预处理后的数字化信号中提取深层语义信息,并引入针对重叠脉冲区域的掩码(mask)策略。所提出的数字化数据处
-
使用机器学习和基于物理的建模进行大化学空间中二元共聚物的玻璃化转变预测
玻璃化转变温度(Tg)是聚合物性能的关键设计参数,适用于多种应用,然而在广阔化学空间中快速预测Tg仍具挑战。研究人员提出一种机器学习(ML)框架,用于二元共聚物Tg的高通量预测,该框架基于包含均聚物和共聚物的实验数据集进行训练。研究人员评估了多种ML架构,包括
来源:Polymers
时间:2026-07-15
-
基于人工智能的脑-触觉交互评估——使用脑电图信号和智能触觉手套
野火是火势失控蔓延的事件,破坏自然生态系统并导致严重的生物多样性丧失。受气候变化驱动,此类事件的频率和强度有所增加,使得有效的风险缓解成为全球关键优先事项。本研究提出了一种混合方法,用于野火风险区域的识别和分类,该方法基于卷积神经网络(CNN)与U-Net架构
-
颅内动脉瘤与Contour神经血管系统的形态稳定性:一项纵向分析
目的:Contour神经血管系统(CNS)是一种新型囊内血流扰动器,用于血管内治疗宽颈动脉瘤。虽然需要更多的纵向研究来充分评估其疗效,但过去几年的初步研究结果令人鼓舞。然而,尚无研究评估CNS随时间变形的稳健性,也很少有研究评估其对颅内动脉瘤形态的影响。方法:
来源:Cardiovascular Engineering and Technology
时间:2026-07-15
-
用于旋转计量学的光学奇点量角器结合神经形态传感技术
奇异光学与涡旋光束的发展促进了众多新型光学应用,其中光学传感是一个重要方向。利用涡旋光束的旋转能流特性,基于旋转多普勒效应(Rotational Doppler Effect)的旋转物体传感已取得显著进展。然而,由于轨道角动量(OAM)的基本限制以及基于干涉测
来源:Light-Science & Applications
时间:2026-07-15
-
综述:儿童自身免疫性脑炎:诊断延迟与长期神经认知结局——一篇叙述性综述
背景:自身免疫性脑炎(AE)是儿童中日益被认识的亚急性脑病、行为改变、癫痫发作和运动障碍的原因。抗体介导综合征——主要是抗N-甲基-D-天冬氨酸受体(anti-NMDAR)脑炎——的识别已经改变了该领域,改进的诊断标准现在允许更早开始治疗。然而,在儿科实践中诊
来源:Egyptian Pediatric Association Gazette
时间:2026-07-15
-
综述:使用经典统计学与机器学习方法预测糖尿病足溃疡发生率的影响因素:一项系统综述
糖尿病足溃疡(DFU)是糖尿病最具挑战性的并发症之一。糖尿病增加了患者发生严重并发症(包括截肢和死亡)的风险,同时也推高了医疗系统的成本。鉴于这一问题的重要性,本研究对使用经典统计学与机器学习方法识别糖尿病患者中糖尿病足溃疡(DFU)发生影响因素的研究进行了系
来源:International Wound Journal
时间:2026-07-15
-
共同学习以更好协作:服务提供者与家长对ENVISAGE-Integrated项目的认知
背景:ENabling VISions And Growing Expectations(ENVISAGE)是聚焦儿童发展优势本位方法、赋能神经发育障碍(neurodevelopmental disabilities, NDD)儿童家长的项目,已有的ENVIS
来源:Child: Care, Health and Development
时间:2026-07-15
-
定制化人工神经网络用于激光脉冲表征
卷积神经网络(CNN)用于表征超快激光脉冲。生成了一个基于物理信息的、为ELI-NP设施定制的数据集。在实验与理论模型之间建立了直接关联。可以直接从含噪声的FROG(频率分辨光学开关)光谱图中表征激光脉冲。该模型确保直接获取脉冲相位信息。
来源:Optics & Laser Technology
时间:2026-07-15
-
基于动态潜在空间表征的激光诱导火箭点火生成式预测
针对激光点火火箭发动机(rocket engines)的高精度、可预测的尺度分辨模拟(scale-resolving simulations)通常极为耗时,因为该问题同时包含湍流燃料–氧化剂混合动力学、激光诱导能量沉积以及高速火焰生长。此外,这一问题还伴随着巨
来源:Data-Centric Engineering
时间:2026-07-15