• 综述：基于物理原理的神经网络在城市与建筑热环境建模中的应用：发展历程、工作流程及前景综述

  摘要

  来源：Buildings

  时间：2026-06-27

• VO₂纳米结构的可控去湿与相变滞后：对神经形态光子器件的意义

  随着人工智能的持续发展，对更高效数据处理方式的需求也在增长。除了从电子电路转向光子电路之外，集成相变材料（Phase-Change Materials）也是一种有前景的方法。二氧化钒（VO₂）表现出一种超快、近室温的相变（Phase Tr

  来源：ACS Applied Nano Materials

  时间：2026-06-27

• 物理-集成机器学习框架用于预测钢筋混凝土梁的受扭强度与响应行为

  钢筋混凝土构件中扭转开裂与失效的预测仍具挑战性，原因在于材料性质、几何参数与配筋机制之间存在复杂的相互作用。本研究提出一种混合物理-机器学习框架，集成物理引导神经网络（PGNNs）、图神经网络（GNNs）以及贝叶斯优化堆叠集成（BO-Stack），以实现准确且

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-06-27

• 求解分数阶最优控制问题的谱-fPINN（Spectral-fractional Physics-Informed Neural Network，谱-fPINN）框架

  分数阶最优控制问题（Fractional Optimal Control Problems, FOCPs）为具有记忆效应、遗传特性和反常扩散现象的动力学系统建模提供了有效的数学框架。然而，Caputo分数阶算子（Caputo fractional operat

  来源：Computation

  时间：2026-06-27

• 基于阈值近似的圆盘多智能体路径规划几何平滑的时间保持方法

  本研究的主要动机是开发一种预测框架，以较低的计算和实验成本提供高精度，从而在选定的应用领域实现更好的决策制定。人工神经网络（artificial neural network, ANN）广泛用于预测、分类和模式识别任务。然而，其性能对架构和学习参数的选择非常敏

  来源：Mathematics

  时间：2026-06-27

• 基于复合学习带自适应动态事件触发与输入饱和约束的二自由度直升机增量神经网络控制

  本研究针对具有动态事件触发(Event-Triggering, ET)与输入饱和(Input Saturation)特征的二自由度(Two-Degree-of-Freedom, 2-DOF)直升机系统，提出一种基于复合学习(Composite Learning

  来源：Mathematics

  时间：2026-06-27

• TriMeta-BFNet：一种用于抗幻觉社区发现(Hallucination-Resistant Community Detection)的三元元堆叠非典型频域贝叶斯傅里叶神经网络(Tri-Meta Stacked Atypical-Frequency Bayesian Fourier Neural Network)

  动态社区发现(Community Detection)旨在识别时序图中随时间变化的群体结构，然而现有神经方法易将瞬态边、噪声时变扰动或不寻常的谱扰动误判为真实的结构变化。本研究提出TriMeta-BFNet——一种三元元堆叠非典型频域贝叶斯傅里叶神经网络(Tr

  来源：Mathematics

  时间：2026-06-27

• 基于码-载波一致性物理约束神经网络(CCC-PCNNs)的未见场景下GNSS欺骗干扰通用检测方法

  摘要：全球导航卫星系统(Global Navigation Satellite System, GNSS)欺骗攻击(Spoofing Attack)对经济和公共安全构成重大威胁，亟需快速准确的检测方法。尽管基于机器学习的方法通过多域信息融合超越了传统基于规则的

  来源：Satellite Navigation

  时间：2026-06-27

• 认知艺术中的边缘知识：蒙克数字孪生

  在人工智能迅速扩展至创造性领域的时代，如何在生成过程中建模类人的认知与情感，已成为日益核心的挑战。本研究结合于2025年2月至6月在罗马举办的蒙克作品展而开展。论文提出了一种以超时间-认知神经网络（STCNN）框架为基础的认知数字孪生（Cognitive Di

  来源：Applied Sciences

  时间：2026-06-27

• 基于仿真的新框架：预测货运荷载与停走型城市交通作用下车道级路面劣化（A Novel Simulation-Based Framework for Predicting Lane-Level Pavement Deterioration Under Freight Loading and Stop-and-Go Urban Traffic）

  可持续且有韧性的道路基础设施要求尽早识别复杂城市交通条件下——尤其是信号交叉口处因反复停走运行、排队持续及车道向货运集中而产生高度非均匀结构荷载所引发的路面劣化机理。然而，现有智能交通研究多聚焦于碰撞预测、交通状态估计或通行能力优化，货运主导的间断流对基础设施

  来源：Infrastructures

  时间：2026-06-27

知名企业招聘：