-
《比例Caputo-Hybrid分数不等式的全面分析及通过人工神经网络的数值验证》
作者:Ayed R. A. Alanzi, Mariem Al-Hazmy, Raouf Fakhfakh, Wedad Saleh, Abdellatif Ben Makhlouf, Abdelghani Lakhdari
分数阶积分误差估计框架基于σ-凸性提出,通过参数化牛顿-柯特斯公式衔接经典求积规则,并采用人工神经网络验证误差估计的鲁棒性。
来源:Fractal and Fractional
时间:2026-04-09
-
基于BLNN的预定义时间控制算法:用于具有执行器故障和未知非线性特性的航天器近距离接近操作
针对航天器近距离交会中存在的执行器故障、外部干扰和未知非线性问题,提出基于扩展学习神经网络(BLNN)的预定义时间控制策略(BLNNPTC)。设计非线性性能函数约束输出,构造非奇异预定义时间滑模面确保快速收敛,采用特征节点优选策略提升神经网络逼近能力,并融合超扭曲干扰观测器估计复合扰动。仿真验证了方法的有效性和优越性。
来源:Advances in Space Research
时间:2026-04-09
-
利用迁移学习进行太阳帆轨道成本估算
本文提出利用迁移学习技术优化太阳能帆板的多目标轨道转移计算。通过对比传统从头训练人工神经网络与基于预训练模型的迁移学习方法,证明后者在模型切换时仅需少量样本即可达到较高精度,显著降低训练时间和计算成本。研究采用两种不同帆板模型验证,发现迁移学习可保持模型泛化能力同时减少数据需求。
来源:Advances in Space Research
时间:2026-04-09
-
用于层压复合材料损伤量化的并行核深度学习模型
研究提出PK-CNN框架,通过并行卷积层提取层压复合材料 Lamb 波信号的局部与全局特征,实现损伤严重性分类(四类)和九区定位。实验验证显示,该模型在损伤严重性分类测试准确率达95.83%,定位任务准确率达98.15%,显著优于传统CNN。分隔符
来源:Advances in Engineering Software
时间:2026-04-09
-
通过喷雾冷冻造粒干燥法制备的氧化铝陶瓷的造粒条件、颗粒性能与生坯密度之间的相关性分析
喷洒冷冻干燥制备氧化铝颗粒过程中,通过皮尔逊相关系数和主成分分析发现,冷冻温度升高导致颗粒休止角减小且生坯密度提高,可能与表面颗粒重组更易发生有关。随后构建了多重回归和多层感知机神经网络模型,经消除多重共线性后,神经网络模型对生坯密度的预测R²达0.84,验证了工艺参数-结构-性能关系的可靠性。
来源:Advanced Powder Technology
时间:2026-04-09
-
开发一种人工神经网络模型,用于预测月球屏蔽栖息地的损坏情况
本研究通过有限元动态显式分析模拟微陨石撞击月壤和铝板穿透深度,构建人工神经网络模型,对比多元线性回归,验证了ANN在预测高速撞击(>20 km/s)穿透深度中的准确性优势,为月球栖息地防护设计提供新方法。
来源:Accident Analysis & Prevention
时间:2026-04-09
-
针对具有客户流动行为的有限容量共享单车系统,采用端到端的深度学习方法进行库存管理
共享单车库存管理网络级优化模型,融合客户漫游行为分析与端到端深度学习,通过LSTM神经网络预测动态供需平衡,实现跨站车辆调配与容量约束下的多目标协同优化,显著降低用户不满与运营成本。
来源:TRANSPORTATION RESEARCH PART E-LOGISTICS AND TRANSPORTATION REVIEW
时间:2026-04-09
-
迈向大规模锂离子电池储能系统:基于深度学习的电池簇健康状态评估
本研究基于工业级大规模锂离子电池储能系统(1000kWh)的8.3百万数据点,揭示电池健康状态(SOH)的集群级不一致性,并创新性地提出融合电池退化物理约束的卷积神经网络(CPNN)模型,相比传统CNN平均减少32.67%的绝对误差,为大规模储能系统优化提供理论支撑和实践指导。
来源:Engineering Applications of Artificial Intelligence
时间:2026-04-09
-
基于前向正则化的随机神经网络增量在线学习框架:理论、算法与实证
本研究提出了一种新颖的增量在线学习框架,旨在解决深度神经网络在线学习中存在的非增量更新、计算消耗递增、回顾性再训练以及灾难性遗忘等挑战。研究人员通过引入具备岭正则化和前向正则化的随机神经网络模型,实现了在线场景下的渐进式即时决策与性能提升。该工作不仅推导了非平稳批数据流上的增量算法,还从理论上分析了其在线累积遗憾界限,并通过模拟、回归、分类、长时序预测和持续学习等多种任务验证了所提方法的有效性,特别是前向正则化在提升性能、加速学习和降低在线遗憾方面的优势。
来源:IEEE Transactions on Pattern Analysis and Machine Intelligence
时间:2026-04-09
-
多发性硬化症治疗反应的评估:迈向个性化、多模态监测的新范式
为解决多发性硬化症治疗监测过于依赖临床症状、难以捕捉隐匿性神经退行性进程的问题,研究人员开展了关于如何整合临床、影像学和体液生物标志物以优化治疗反应评估的研究。结果表明,结合临床评估、MRI、OCT及sNfL和GFAP等生物标志物的综合监测策略,有望更早地发现亚临床疾病活动、优化风险分层,从而为个体化治疗决策提供依据。这推动了多发性硬化症诊疗从单纯控制复发向全面管理炎症与神经变性双重病理过程的范式转变。
来源:Current Opinion in Neurology
时间:2026-04-09