• 基于人工神经网络(ANN)建模和改进傅里叶定律下Riga弯曲表面两相含尘流体流动的比较分析

  目的：磁流体动力学（Magnetohydrodynamic，MHD）流广泛应用于电磁铸造、磁靶向给药、等离子体约束和核反应堆冷却。该模型可用于微电子热管理、电磁冷却和飞机热系统。本研究旨在分析在修正傅里叶（Cattaneo–Christov）热通量模型下，流经

  来源：Results in Surfaces and Interfaces

  时间：2026-06-16

• 用于低比特率语音压缩的双频段神经编码解码器

  塔希尔·贝基里亚兹奇|古尔坎·阿伊德米尔|哈坎·古尔坎 土耳其布尔萨16130，布尔萨技术大学电气与电子工程系 摘要 低比特率宽带语音压缩在经过量化与时域下采样后，通常会出现频谱保真度下降的问题，而这些损失在高频区域尤为明显。我们提出了双带神经编解码器（DBNC），

  来源：Digital Signal Processing

  时间：2026-06-16

• 基于颜色与机器学习的统一纹理描述符在人脸识别中的应用

  摘要

  来源：Applied Sciences

  时间：2026-06-16

• 利用基于物理的神经网络与域分解方法对一维固结问题进行建模

  摘要 土壤固

  来源：Applied Sciences

  时间：2026-06-16

• CTGAD-X：用于高级威胁检测的时序图可解释对比学习方法

  摘要：高级持久威胁和零日攻击能够规避基于签名以及完全监督的入侵检测机制，这促使人们开发出能够在保持高安全性同时还能解释未知行为异常的检测方法。现有的时间图神经网络检测方法通常依赖重构目标，透明度较低，这会影响对新型威胁的区分能力，并降低分析人员的信任度。我们提出了CTGAD-X，

  来源：IEEE Transactions on Device and Materials Reliability

  时间：2026-06-16

• 基于深度卷积神经网络的双分量信号调制分类

  针对复杂电磁环境中的混合信号调制分类问题，研究人员提出了一种基于深度学习的双分量信号调制分类算法。该方法采用同相和正交调制（I&Q调制）进行基带信号分解，并利用具有多维卷积核的深度卷积神经网络（CNN）进行特征提取。通过集成多类别损失函数（multiclass

  来源：Chinese Journal of Electronics

  时间：2026-06-16

• 重审视光场空间超分辨率的子空间解耦

  光场（LF）空间超分辨率（SR）旨在从低分辨率观测中重建高分辨率LF图像。近年来，子空间解耦被广泛采纳于众多方法中。通过将高维LF数据分解为空间、角度和对极子空间，深度网络的学习难度可显著降低。尽管SR性能持续提升，但若干基础问题（如各子空间的相对重要性）仍未

  来源：IEEE Transactions on Circuits and Systems for Video Technology

  时间：2026-06-16

• 使用分区等效建模和近场扫描增强不规则形状复合材料结构的电磁参数建模

  研究人员为了表征含有曲面、缝隙等几何不规则性的飞机复合材料蒙皮中的局部电磁参数，提出了一种分区等效建模（Partitioned Equivalent Modeling, PEM）方法。该方法为复杂结构的低频电磁屏蔽效能分析提供了参数基础。在PEM方法中，不规则

  来源：Chinese Journal of Electronics

  时间：2026-06-16

• 混合神经网络加速的混合针翅微通道热沉自适应深度强化学习优化设计过程

  随着集成电路和异构微系统集成的日益复杂，有效的热管理和智能设计对于防止热失效至关重要。本研究提出了一种基于自适应深度强化学习（ADRL）的针翅微通道热沉优化方法，利用混合神经网络（HNN）提高了迭代优化效率。建立了混合针翅微通道（HPFMCHS）模型，通过仿真

  来源：CHAIN

  时间：2026-06-16

• 自适应门控多模态融合用于可解释且不确定性感知的肿瘤分级评估

  深度学习模型在自动化胶质瘤分级方面具有潜在进展，但其有限的可解释性和不可靠的置信度估计阻碍了临床采纳。在本工作中，提出了一种可信赖的多模态深度学习框架，该框架整合临床人口统计学和基因组突变谱以预测胶质瘤级别。引入了一种动态门控融合网络（Dynamic Gate

  来源：IEEE Transactions on Affective Computing

  时间：2026-06-16

知名企业招聘：