生物通官微陪你抓住生命科技跳动的脉搏
用于在线学生表现分析的联邦图表示学习 Rasool Seyghaly、Jordi Garcia 和 Xavi Masip-Bruin
摘要
来源:Electronics
时间:2026-04-03
结构级跨域推荐中的超项交互与对比学习
跨域推荐旨在利用多领域知识以缓解数据稀疏性和冷启动问题。尽管传统的跨域设置通常涉及语义领域(例如电影与书籍),但近期研究已扩展至反映不同类型交互图的结构级领域。为此,研究人员提出了一种用于结构级跨域推荐的超项交互与对比学习框架(SI2CL),该框架旨在探索项级
来源:IEEE Computational Intelligence Magazine
模块化图卷积网络(Modularized Graph Convolutional Network, MGCN)
编辑您好:本函提出一种新颖的图神经网络——模块化图卷积网络(Modularized Graph Convolution Network, MGCN),旨在解决图卷积网络(Graph Convolutional Network, GCN)中一个未被充分探讨的问题
来源:IEEE/CAA Journal of Automatica Sinica
考虑多态不确定性的纤维铺放加筋板屈曲设计优化的神经网络方法
研究人员提出了一种基于人工神经网络(ANN)的多级代理模型策略,用于解决考虑多态不确定性的纤维铺放加筋板屈曲设计优化问题。该方法旨在同时处理随机几何缺陷、模糊纤维路径以及材料参数的不确定性。通过结合Karhunen-Loève展开(KLE)与多项式混沌展开(P
来源:COMPOSITE STRUCTURES
采用层级物理循环神经网络(Hierarchical Physically Recurrent Neural Network, HPRNN)的机织复合材料多尺度分析
机织复合材料(woven composites)的多尺度均匀化(multiscale homogenization)需进行细致的微力学评估,导致计算成本极高。基于神经网络的 data-driven 替代模型(surrogate models)可解决此难题,但通
来源:COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING
拓扑机械神经网络(Topological Mechanical Neural Networks, TMNNs)作为通过原位反向传播学习实现分类器的物理神经网络
摘要:近期,物理神经网络(Physical Neural Networks, PNNs)利用固有物理过程进行学习已成为计算领域的新前沿。本文受拓扑超材料中量子自旋霍尔效应(Quantum Spin Hall Effect, QSHE)启发,提出用于机器学习二分
来源:MECHANICAL SYSTEMS AND SIGNAL PROCESSING
准静态超图神经网络:面向动态性能演化的制造工艺系统数字孪生建模的高性能方法
产品质量变异常源于制造工艺系统性能的动态变化。开发数字孪生模型以实现基于模型的工艺控制与优化是提升质量的关键策略,然而该方法常受限于工业环境中数据采集的高成本。为解决这一挑战,本研究提出一种准静态超图神经网络(QS-HGNN)模型框架。该框架基于工艺系统性能微
来源:Engineering
基于时序卷积网络与神经网络的深度Hammerstein–Wiener模型用于非线性动态系统辨识
摘要:本文提出一种深度Hammerstein–Wiener(HW)模型用于非线性动态系统辨识(Nonlinear Dynamic System Identification),该模型将基于有限脉冲响应(FIR)的时序卷积网络(Temporal Convolut
来源:Modelling
获得性脑损伤照护中的医院社会工作:患者及其近亲属对心理社会支持的体验与观点
摘要目的 获得性脑损伤(acquired brain injury,ABI)对个体及其家庭均具有深远影响,因此,心理社会支持是神经康复中的关键组成部分。理解此类支持对于优化医疗社会工作者(healthcare social workers,HSWs)所提供的服
来源:International Journal of Qualitative Studies on Health and Well-being
涡量增强的物理信息神经网络及对数雷诺数嵌入
为提高对宽雷诺数范围下稳态二维盖驱动方腔流(lid-driven cavity flow)的统一建模能力,本研究提出了一种涡量增强的物理信息神经网络(Vorticity-Enhanced Physics-Informed Neural Network,VE-P
来源:Fluids
知名企业招聘: