-
基于特征域多尺度梯度映射的图像压缩感知网络LGM-Net:高维信息自适应重建新范式
为解决压缩感知中高维特征信息利用不足与采样信息丢失导致的图像重建失真和模糊问题,研究人员提出了LGM-Net。该研究通过特征域自适应内生梯度重建(AEGR)策略、双变量迭代U-Net架构与辅助变量融合(AVF)策略,实现了对全局信息的更好捕捉。实验表明,该方法在图像重建质量上超越了当前前沿(SOTA)方法,为高保真图像重建提供了新思路。
来源:IEEE Transactions on Multimedia
时间:2026-04-08
-
图神经网络辅助的移相器网络在线校准
摘要:在毫米波(mmWave)通信中,采用混合模拟和数字波束成形技术的大规模天线系统对于实现5G及后续无线网络的可靠、高数据速率传输至关重要。然而,用于控制和塑造辐射模式的移相器网络(PSNs)极易受到制造缺陷、硬件退化以及温度变化等因素导致的相位偏差影响。为了保持其运行效率,
来源:IEEE Transactions on Machine Learning in Communications and Networking
时间:2026-04-08
-
基于混合GNN的AI原生6G无线网络架构:全面综述
摘要:
6G无线系统日益增长的复杂性、规模和异构性要求转向基于人工智能(AI)的架构,这些架构不仅需要数据驱动,还需要具备拓扑感知能力、自适应性和分布式特性。图神经网络(GNN)由于其对图结构数据的原生支持,非常适合用于
来源:IEEE Communications Surveys & Tutorials
时间:2026-04-08
-
利用长短期记忆网络(LSTM)进行数据驱动的循环滤波器设计,以提升SRF-PLL系统中的电网同步性能
摘要:在非静态和畸变的电网条件下,准确且稳健的电网同步对于以逆变器为主导的电力系统的运行至关重要。由于结构简单,SRF-PLL仍被广泛采用;然而,其动态性能从根本上受到固定参数的比例积分(PI)环滤波器的限制,这导致在瞬态响应和干扰抑制之间需要做出权衡。针对这些局限性,本文提出了
来源:IEEE Access
时间:2026-04-08
-
用于海上水泥风力涡轮机建设的鲁棒强化学习四旋翼控制系统
摘要:随着全球能源行业向“巨型”海上风力发电结构转型,海上施工在物流和安全方面面临着严峻的挑战。为部分解决这些问题,本文提出了一种基于强化学习(RL)的框架,该框架通过一组高性能的四旋翼无人机自动化完成海上水泥风力涡轮机的建造过程。通过消除多任务系统中常见的优化干扰和“负迁移”
来源:IEEE Access
时间:2026-04-08
-
可生物吸收的Si-Mg原电池结合柔性支架,通过协同电刺激促进神经再生
摘要电刺激治疗为组织再生和重建提供了一种新的方法。然而,在活体中将这些电刺激设备应用于受损或动态变化的组织仍然具有挑战性。在这里,我们提出了一种基于瞬态硅-镁原电池的共生物电刺激支架(SESS),其中组织液作为电解质来驱动原电池反应,从而实现长达一个月的非线性和适应性电刺激,以促
来源:npj Flexible Electronics
时间:2026-04-08
-
通过工程化杂合纳米囊泡共递送Ferrostatin-1与M2巨噬细胞来源外泌体信号实现创伤性脑损伤中的协同神经保护
创伤性脑损伤(traumatic brain injury, TBI)后的继发性脑损伤主要由铁死亡(ferroptosis)诱导的神经元死亡及适应性不良的神经炎症所驱动。当前治疗受限于药物递送效率低下及单通路干预范围狭窄。在此,研究人员报道了一种工程化仿生杂合
来源:ACS Applied Materials & Interfaces
时间:2026-04-08
-
利用时空门控图神经网络生成地铁网络扩展的起讫点客流
快速城市化推动了地铁网络的持续扩展以满足日益增长的出行需求。由于投资巨大,此类扩展需要细致的规划,包括对潜在起讫点(Origin-Destination, OD)客流的详细评估。然而,在不断演变的地铁网络中预测 OD 客流极具挑战性;新车站和新线路的引入产生了
来源:TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES
时间:2026-04-08
-
面向遥感分割的分层类别细化:新任务、基准数据集与CG-HCAN框架
高分辨率遥感影像的普及为地球观测提供了前所未有的细节,然而现有语义标签的粗粒度限制了细粒度分析,凸显了自动化将粗标注演化为多层次语义一致标签的方法缺失这一关键研究空白。为此,研究人员提出了新型分层类别细化(Hierarchical Category Refin
来源:International Journal of Applied Earth Observation and Geoinformation
时间:2026-04-08
-
RadGuide-S3P-Net:一种用于多类别肺炎亚型分类的影像组学(Radiomics)引导自训练半监督深度学习框架
摘要:为减少医学影像分析中对大规模标注数据的依赖,研究人员提出了RadGuide-S3P-Net,一种影像组学(Radiomics)引导的自训练半监督神经网络,用于肺炎亚型分类。RadGuide-S3P-Net的核心思想是,利用在少量标注胸部CT图像上训练的基
来源:Intelligent Systems with Applications
时间:2026-04-08