• 通过耦合优化对参数失真的SIR动力学进行校正的混合神经-机理框架的受控自适应

  本研究在受控条件下，探讨了一种应用于参数失真或偏倚的流行病学SIR模型（易感-感染-康复模型）的混合神经-机理校正框架。目的是探索残差神经组件能在多大程度上补偿机理模型误差，重建质量对基于Savitzky-Golay（SG）的导数估计的依赖程度，该框架在观测噪

  来源：Mathematics

  时间：2026-07-10

• 基于分层残差量化和时间误差补偿的脉冲神经网络用于遥感目标检测

  与传统人工神经网络（artificial neural network, ANN）相比，脉冲神经网络（spiking neural network, SNN）具有更低的计算复杂度、更低的能耗和更快的推理速度，使其在边缘设备上的实际部署更具前景。然而，在SNN中

  来源：Applied Sciences

  时间：2026-07-10

• 物理信息神经网络用于近井眼应力场预测与增强泛化能力

  在油气田开发中，准确预测近井眼应力分布对于确保井眼完整性至关重要，特别是在致密页岩储层中，介质可近似视为均匀介质。近井眼应力场的大应力梯度和多物理场耦合是限制高精度预测的关键因素。物理信息神经网络(Physics-Informed Neural Network

  来源：Processes

  时间：2026-07-10

• 基于历史建筑图像通过迁移学习(Transfer Learning)方法进行损伤分类

  历史建筑是重要的文化资产，反映了城市特征并保存了社会集体记忆。然而这些结构日益暴露于环境退化和人为影响之下，使其系统化记录与状态评估对有效的保护策略至关重要。人工智能(AI)的最新进展为遗产保护领域的基于图像的分析提供了有力工具。特别地，迁移学习(Transf

  来源：Buildings

  时间：2026-07-10

• 基于GNN的NMC锂离子电池退化模型开发

  准确的健康状态（SoH）预测对于安全高效的电池管理至关重要，能够延长使用寿命并改进电动汽车和固定式储能系统等技术。在本研究中，研究人员提出了一种基于图神经网络（GNN）的深度学习框架，用于预测商用镍锰钴氧化物（NMC）锂离子技术的SoH。利用内部生成的实验老化

  来源：Energies

  时间：2026-07-10

• 基于遥感影像梯田提取的混合CNN–Transformer模型(TerraceNet)

  摘要：梯田是重要的地表改造形式，既是关键农业资源也是有效水土保持措施，但其形态多样、尺度变化显著及几何边界模糊，给高分辨率遥感影像自动提取带来挑战。现有基于卷积神经网络(CNN)和基于Transformer的方法难以同时兼顾细粒度空间细节保留与长距离上下文建模

  来源：Remote Sensing

  时间：2026-07-10

• 一种模块化且可迁移的框架用于增强卫星衍生日降水量：调整数值、对齐分布、保留极端值

  基于卫星的降水产品，如全球降水测量（GPM）任务中的综合多卫星检索（Integrated Multi-satellitE Retrievals for Global Precipitation Measurement, IMERG, V07），提供了全球覆盖，

  来源：Remote Sensing

  时间：2026-07-10

• 2025年光子学突破：用于大规模体积成像的掩模式集成微型显微镜

  摘要：基于掩模的集成显微镜是一种强大的计算成像技术，能够在较小的设备体积内实现大视野范围的3D成像。该技术利用薄光学掩模将物体信息编码到紧邻其旁的相机传感器上。这一领域面临的一个主要挑战是在信噪比较低的情况下仍保持较高的重建质量，同时降低计算需求以便处理更大的重建体积。在此，我们

  来源：IEEE Photonics Journal

  时间：2026-07-10

• 糖尿病周围神经病变的光生物调节治疗联合或不联合ILIB：一项随机先导试验

  糖尿病周围神经病变（diabetic peripheral neuropathy，DPN）是一种致残性的糖尿病慢性并发症，与神经病理性疼痛、感觉功能障碍及生活质量下降相关。由于药物治疗通常仅提供部分缓解，光生物调节治疗（photobiomodulation t

  来源：Lasers in Medical Science

  时间：2026-07-10

• 基于强化学习(RL)–贝叶斯网络(BN)–AdaBoost–Elman神经网络(ENN)与差分进化(DE)优化贝叶斯分类器的地震信号识别与分类模型研究

  摘要：研究人员提出了一种新颖的混合机器学习框架，用于地震信号（天然地震与爆炸/非地震噪声）的高精度自动识别与分类。该方法首先通过图形嵌入、低秩表示及互相关函数进行多视角特征提取，并结合K‑best与Kriging模型进行特征选择；随后引入强化学习(Reinfo

  来源：Frontiers in Earth Science

  时间：2026-07-10

知名企业招聘：