生物通官微陪你抓住生命科技跳动的脉搏
阳极经颅直流电刺激(tDCS)作用于左侧背外侧前额叶皮层(DLPFC)提高第二语言听力但不提高阅读理解
第二语言(L2)加工对工作记忆(WM)提出了大量需求。由于工作记忆训练程序耗时且费力,本研究考察了经颅直流电刺激(tDCS)作用于左侧背外侧前额叶皮层(DLPFC)(一个与工作记忆相关的脑区)是否能促进第二语言理解。将西班牙语中级第二语言学习者随机分配到处理组
来源:Bilingualism: Language and Cognition
时间:2026-06-09
在静息脑电图(resting EEG)上对基于事件驱动的脉冲编码器进行基准测试:一项比较研究
摘要:基于事件的脉冲编码器将模拟输入信号转换为稀疏的脉冲序列,从而实现超低功耗的神经形态学分析。我们比较了五种应用于脑电图(EEG)数据的脉冲编码器:固定阈值异步Delta调制(ADM)、自适应阈值ADM(ADM-A)、一阶和二阶异步Sigma-Delta调制(ASDM-1、A
来源:IEEE Journal on Emerging and Selected Topics in Circuits and Systems
一种受大脑启发、结构可搜索的模型,用于在复杂环境中检测SAR(合成孔径雷达)船舶
摘要:由于复杂的背景、物体的任意方向以及成像噪声,合成孔径雷达(SAR)在船舶检测方面仍然面临挑战,这些因素通常会导致基于卷积神经网络(CNN)的模型计算成本高昂。然而,SAR成像产生的噪声进一步复杂化了背景,增加了检测难度和对硬件资源的需求,从而限制了模型的应用。最近,基于视
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
建筑能耗与温室气体排放的可信数据驱动混合建模
减少建筑二氧化碳(CO<sub>2</sub>)排放对于缓解气候变化至关重要,大学作为重要能源消费单位尤为关键。本研究构建了一种将机器学习与简化排放因子重标度相结合的混合数据驱动框架,用于预测校园尺度的CO<sub>2</sub>排放。研究在横截面和时间序列两
来源:Buildings
基于异构图神经网络的可解释城市建筑能耗建模:以武汉市住宅街区为例
传统城市建筑能耗建模往往忽略空间配置和相互阴影效应的复杂性,从而限制了其精度。本研究提出了一种基于异构图形神经网络(GNNs)的新型、可解释、数据驱动框架,以揭示并表征建筑形态与城市拓扑之间的复杂相互关系。研究人员利用参数化平台生成了包含武汉市285个住宅街区
基于强化学习(Reinforcement Learning, RL)的自卸卡车调度策略:一种土方与采石场作业框架
摘要:在露天矿土石方系统(矿山、采石场及大型挖填建设工程现场)中,卡车至电铲分配是一项时间关键的管控问题,其中随机行驶与服务时间、变化的排队状况以及设备停机持续改变最优调度决策。研究人员开发了一种深度强化学习(Deep Reinforcement Learni
从质量屋到神经架构:面向可解释分类的质量感知神经网络及其在欧盟人工智能法案合规中的应用
随着软件系统日益将机器学习(ML)、深度学习(DL)和生成式人工智能(GenAI)组件与经典确定性逻辑相结合,在应用程序代码中系统性地检测基于人工智能的算法元素对于软件审计、符合欧盟人工智能法案(EU AI Act,Regulation (EU) 2024/1
来源:Systems
基于图神经网络与深度强化学习的仓库订单拣选与表示学习
订单拣选是仓库运营中资源消耗最大的环节之一,因此提升路径效率仍然是一项重要挑战。深度强化学习(Deep Reinforcement Learning, DRL)在复杂优化问题中已展现出潜力,但其在仓库订单拣选中的应用仍然有限,而图神经网络(Graph Neur
基于机器学习代理模型(Machine Learning-Based Surrogate Modelling)的高效微压痕响应反分析求取材料参数的方法
摘要:由于压痕响应与材料参数之间存在非线性关系,从压痕实验中进行的反分析一直是一项具有挑战性的问题。本研究提出一种数据驱动方法,将人工神经网络(Artificial Neural Network, ANN)与进化优化相结合,用于可靠且高效的反向参数识别。研究人
来源:Materials
基于SSA-BP模型的高速同轴双激光焊接SUS301薄板工艺优化与微观组织研究
为预测高速同轴连续-脉冲双激光对焊1 mm厚SUS301(奥氏体不锈钢)板材的焊缝几何形貌并阐明结构-性能关系,研究人员建立了SSA-BP(Sparrow Search Algorithm-Back Propagation,麻雀搜索算法优化反向传播)神经网络模
知名企业招聘: