-
PI-DeepOKAN:一种基于物理信息的深度算子Kolmogorov–Arnold网络,通过输出头重新加权机制实现多相流预测
多相流 reservoir 模拟中,PI-DeepOKAN 通过融合物理信息约束、Kolmogorov-Arnold 网络和输出头自适应加权,解决了传统数据驱动模型少样本泛化能力不足的问题,实验显示其相对 L2 误差较基线降低 63%-65%,RMSE 降低 64%-64.7%。
来源:Expert Systems with Applications
时间:2026-03-31
-
多任务忆阻器细胞非线性网络的分析与设计
本文提出基于忆阻器的多任务细胞非线性网络(M-CellNNs)系统化设计方法,通过扩展动态路由映射2(DRM2)技术结合向量场相位平面分析,实现M-CellNNs多任务协同运行。研究构建了精确的参数空间定义框架,并基于实际运放电路验证了CORNER-EDGE多任务执行能力,显著提升了神经形态计算系统的可靠性和能效比。
来源:IEEE Transactions on Circuits and Systems I: Regular Papers
时间:2026-03-31
-
氯胺酮在急性骨折疼痛控制中的应用:一项随机对照试验的系统性回顾和荟萃分析
急性骨折疼痛管理中凯特姆的疗效与安全性:系统综述显示其疼痛缓解与传统疗法无显著差异,但30分钟后SMD达-0.43(p=0.007),且神经系统(48% vs 16%)和精神病发率显著增加。需加强监测的镇痛方案研究。
来源:Journal of Trauma and Acute Care Surgery
时间:2026-03-31
-
自主输出供应扩展技术:用于高效的多通道电刺激系统
多通道神经刺激电源优化设计。提出自主电压缩放架构,通过动态调整输出驱动电压消除传统合规监测电路的面积和功耗问题,在0.18μm CMOS工艺实现下,对30-95μA刺激电流和30-70kΩ负载阻抗均能保持80%以上效率,相比固定电压方案性能提升4.3倍,支持100μs宽脉冲间隔。
来源:IEEE Transactions on Circuits and Systems I: Regular Papers
时间:2026-03-31
-
组织学习与资源受限公立医院缺血性中风护理的演变:一项为期七年的案例研究
摘要背景在低收入和中等收入国家(LMICs),卫生系统的限制阻碍了急性缺血性中风护理的组织工作。尽管在高收入国家中,中风单元的有效性已经得到充分证实,但在LMICs中,关于有组织的中风服务的实施和可持续性的证据仍然存在空白。本研究旨在描述和分析印度农村一家公立医院中有组织的中风护
来源:BMC Health Services Research
时间:2026-03-31
-
面向生物打印自主实时校正的不确定性感知神经网络
生物打印中生物材料固有的不稳定性常导致几何保真度低及频繁打印失败。尽管传统策略依赖被动的前处理优化,但其无法在实时层面上补偿随机扰动。本研究引入了一种智能闭环控制系统,以实现基于挤出水凝胶的生物打印中的自主校正。其核心是一个多任务深度神经网络——打印可靠性原位
来源:Additive Manufacturing
时间:2026-03-31
-
血液透析单元中的精益管理、离散事件仿真与虚拟现实:一项范围界定文献综述与证据缺口分析
一个基于人工神经网络(ANN)模型的研究方案将用于预测AA8090合金摩擦搅拌增材制造(FSAM)的显微硬度(VHN)和抗拉强度(TS)。考虑的过程参数为旋转速度(1000、1500、2000 rpm)、行进速度(45、65、85 mm/min)和倾斜角(0°
来源:Modelling
时间:2026-03-31
-
综述:基于ROS 2的四足机器人导航与传感平台
视线估计(Gaze Estimation)是理解用户意图、增强人机交互(Human–Computer Interaction, HCI)的关键技术,随着深度学习(Deep Learning)技术的融合已取得显著进展。尽管已有成果,但深度学习在视线估计中的应用仍
来源:Robotics
时间:2026-03-31
-
沙特阿拉伯三级护理康复中心门诊脊髓损伤患者的健康相关生活质量:一项横断面研究的结果
背景:脊髓损伤(SCI)患者面临许多生活困难,影响其生活质量。本研究评估了沙特阿拉伯脊髓损伤患者的健康相关生活质量(HRQoL),并额外确定了与较低评分相关的关键决定因素。方法:这项横断面研究在2024年最后一个季度从一家三级护理康复中心的门诊招募了50名SC
来源:Healthcare
时间:2026-03-31
-
用于早期气侵监测的具有表示增强和可解释性的结构感知图神经网络
研究人员提出了一种结构感知的智能监测框架用于早期气侵检测。首先,将多变量钻井参数建模为交互图,并引入图神经网络(GNN)以捕获结构层面的关系依赖和异常传播行为。其次,为缓解异常样本稀缺并增强时间判别性,开发了一种结合条件表格生成对抗网络(CTGAN)和基于Sh
来源:Processes
时间:2026-03-31