-
元数据集成深度半自编码器:应对隐式反馈推荐中的数据稀疏与冷启动挑战
在隐式反馈推荐系统中,数据稀疏和冷启动问题严重制约了排序质量。为解决此难题,研究人员聚焦“深度半自编码器(DSAE)”主题开展研究,该模型通过深度架构分层处理交互和元数据信号。结果显示,DSAE在MovieLens-1M数据集上实现了优异的NDCG@10(0.866)和Precision@10(0.833)等Top-10排序指标,显著优于基线模型。这项研究为解决推荐系统的核心瓶颈提供了新思路,并证明了纯深度架构在混合设置下的优势。
来源:IEEE Access
时间:2026-03-30
-
一种可伸缩的基于截断的整数近似乘法器设计:scaleTRIM
为了解决高精度与高效能难以兼顾的问题,研究人员开展了名为scaleTRIM的可伸缩近似乘法器研究。该设计通过线性拟合与查找表补偿,在乘法运算中仅用加法与移位操作实现高效近似,显著提升了功耗-延时积(PDP)与平均相对误差距离(MRED)。其在图像分类等应用中展现出优异的精度-效率权衡,为深度神经网络(DNN)等领域的硬件加速提供了新方案。
来源:IEEE Access
时间:2026-03-30
-
全球气候解决方案与地方现实之桥:评估神经网络的高分辨率降尺度应用
为弥合全球气候模型(GCMs)分辨率不足与地方社区精细化适应需求之间的鸿沟,研究人员开展了一项关于神经网络降尺度的统一框架研究。该研究评估了包括Vision Transformer(ViT)在内的九种先进架构,发现基于Transformer的模型在整体预测精度上表现最优,而生成为模型在捕捉复杂地形下精细气候结构方面更具优势。研究成果以开放源代码形式发布,为气候数据的可复现比较与实际部署提供了重要工具。
来源:IEEE Access
时间:2026-03-30
-
主动视频标注与被动视频回顾在神经内镜垂体手术训练中的应用比较:一项前临床随机对照研究
为应对住院医师工作时长限制带来的手术训练挑战,本研究首次比较了主动标注手术视频与被动观看在垂体腺瘤切除术培训中的效果。一项双盲随机对照试验表明,标注组在知识掌握和模拟手术技能上提升更显著,且该方法在可行性、可接受性和适用性上均获高度认可,为优化外科培训模式提供了低成本、可互动的新型工具。
来源:Ophthalmic Plastic & Reconstructive Surgery
时间:2026-03-30
-
基于解析基元混合的周期多孔表面可解释神经基函数逼近
本文介绍一种创新的混合参数化框架,用于解决复杂周期多孔表面(如三重周期极小曲面,TPMS)的高效、可解释几何建模难题。研究人员通过深度学习模型,从输入的3D有符号距离场(SDF)中学习紧凑的全局表示,并将其映射为包含填充分数因子、周期指数和解析基元混合权重在内的可解释物理参数。该方法实现了对CPCS等复杂结构的高保真重建,相比直接参数优化获得了约636倍的加速,为多孔材料在设计、优化和数字制造等下游任务中提供了高效、可解释的参数化工具。
来源:Computer-Aided Design
时间:2026-03-30
-
分布式阶非线性系统的统一Lyapunov稳定性分析框架及其在分布式阶递归神经网络中的应用
本文提出了一种用于连续与离散域非线性分布式阶系统稳定性分析的统一Lyapunov框架。作者基于分布式阶微积分,通过反证法首次建立了分布式阶Barbalat引理,为分析分布式阶动力学的渐近行为提供了理论基础。随后,在K类函数的设定下,发展了适用于受外部扰动系统的Lyapunov稳定性定理,得出了关于系统有界性和吸引性的广义判据。该框架统一了连续和离散情形,为分析具有参数不确定性的分布式阶系统(如分布式阶递归神经网络DORNNs)的稳定性提供了一致的方法论,并得到了仿真验证。
来源:Communications in Nonlinear Science and Numerical Simulation
时间:2026-03-30
-
工业多形态表面缺陷检测的缺陷感知不等深度网络(DAU-Net)设计与应用
为了解决工业表面缺陷形态多变导致跨领域检测精度不足的难题,研究人员提出了缺陷感知不等网络(DAU-Net),集成了卷积与Transformer的优势,并设计了非对等损失函数。该网络在PCB、钢板、蚕茧三个跨领域缺陷数据集上均实现了优于现有方法的检测精度,为提升工业产品质量控制水平提供了新方案。
来源:Chinese Journal of Mechanical Engineering
时间:2026-03-30
-
神经内分泌肿瘤的免疫景观:TEM8 (ANTXR1) 高表达与免疫“热”微环境相关
免疫检查点抑制剂(ICI)在神经内分泌肿瘤(NEN)和小细胞肺癌(SCLC)中疗效有限,部分源于肿瘤免疫微环境(TME)的“冷”状态。TEM8 (ANTXR1)是新兴的生物标志物和SVV-01溶瘤病毒的靶点。本研究通过大规模基因组和转录组分析,揭示了ANTXR1高表达与T细胞炎症、M1/M2巨噬细胞和B细胞浸润增加相关,提示高表达患者可能对ICI治疗更敏感,为靶向TEM8联合免疫治疗提供了新依据。相关1期临床试验正在进行中。
来源:Cancer Treatment and Research Communications
时间:2026-03-30
-
TriFortis:基于多模态深度学习的智能合约错误控制流漏洞强化检测
区块链平台上的智能合约(Smart Contracts)革新了数字交易,但其安全漏洞仍可导致重大经济损失。现有检测工具多依赖单源分析,难以准确识别新型漏洞。为解决此问题,作者提出了TriFortis——一种新颖的多模态深度学习框架,它融合控制流图(CFG)、抽象语法树(AST)和代码注释三种信息源,以全面检测智能合约中的错误控制流漏洞。实验表明,该方法在四种关键漏洞检测上F1分数达98.45%,远超现有工具,同时在代码克隆检测中准确率提升9个百分点,计算效率平均提升35.1秒。这项工作为提升智能合约安全性和自动化检测能力提供了高效新方案。
来源:Blockchain: Research and Applications
时间:2026-03-30
-
结合有效角动量与EWT-LSTM提升地球自转参数中长预报精度
本研究针对传统方法对地球自转参数(ERP)中长期预报精度衰减快的问题,引入地球自转的有效激发源——有效角动量(EAM),并结合经验小波变换(EWT)与长短期记忆网络(LSTM),提出了一种新的预报模型。该方法将EAM从激发域转换到测量域,利用EWT对输入序列进行分解和分类,再由LSTM分别预测高低频分量。结果表明,所提方法显著提升了极移(PMX, PMY)和世界时(UT1-UTC)的中长期(100天和365天)预报精度,较国际地球自转与参考系服务(IERS)的Bulletin A产品有明显改进。
来源:Geodesy and Geodynamics
时间:2026-03-30