当前位置:首页 > 今日动态 > 神经科学
  • 卷积神经网络泰语方言识别的数学基准测试:一种梅尔频谱图纹理分类方法

    本研究严格评估了13种卷积神经网络(Convolutional Neural Network, CNN)架构在泰语方言识别中的表现。通过将自动语音识别(Automatic Speech Recognition, ASR)视为计算机视觉纹理分类任务,研究人员处理

    来源:Electronics

    时间:2026-03-20

  • 基于CBOW模型与Block特征的图嵌入方法研究

    研究人员提出了一种基于连续词袋(Continuous Bag-of-Words, CBOW)模型的图嵌入方法,旨在通过引入Block(块)特征来提升图结构数据的表示学习效果。该方法将图中的节点及其上下文关系映射为向量空间中的表示,从而捕捉节点间的复杂依赖关系。

    来源:Geomatics

    时间:2026-03-20

  • 一种用于变压器监测中油泄漏检测的CNN-SVM混合架构

    oil-immersed power transformers(油浸式电力变压器)中的油泄漏对电网可靠性构成重大威胁,若未能及时检测,可能导致严重的电气事故和环境污染。然而,户外油泄漏检测仍具挑战性,原因在于雾、湿度和降雨等天气条件的影响会掩盖泄漏迹象并增加实

    来源:Processes

    时间:2026-03-20

  • 基于多尺度卷积神经网络与自注意力的地震属性融合及储层预测——以南苏门答腊盆地B气田为例

    研究人员提出了一种基于多尺度卷积神经网络(Multiscale Convolutional Neural Network, CNN)与自注意力模块的地震属性融合及储层甜点预测框架,以解决南苏门答腊盆地B气田Talang Akar组下段砂岩层段(Lower Ta

    来源:Processes

    时间:2026-03-20

  • 面向城市尺度空气质量与健康风险预测的物理信息多模态深度学习框架

    准确且可解释的空气质量预测一直是环境健康管理面临的关键挑战,原因在于排放、气象与大气化学之间存在复杂的非线性相互作用。本研究提出了一种混合物理信息与多模态深度学习框架,用于城市尺度空气质量与健康风险预测。该框架将高斯烟羽扩散模型与残差卷积神经网络-长短期记忆网

    来源:Systems

    时间:2026-03-20

  • 基于深度学习预测配有钢箍筋的CFRP包裹混凝土梁的抗剪承载力

    纤维增强聚合物(FRP)在既有钢筋混凝土(RC)结构加固中的应用显著提升了结构修复过程的效率,为工程实践提供了高效、耐久且非侵入性的解决方案。本研究提出了一种先进的基于深度学习的预测模型,专门用于估算采用碳纤维增强聚合物(CFRP)复合材料进行外部加固的混凝土

    来源:Buildings

    时间:2026-03-20

  • 基于结构化功能关系图与约束优化实现端到端室内平面布局生成的方案

    摘要:研究人员提出了一种端到端(end-to-end)的室内布局生成框架,该框架以带有功能语义与邻接约束的结构化功能关系图(Functional Relationship Graph,即二值化气泡图 Bubble Diagram 变体)作为中间表示,将房间节点

    来源:Buildings

    时间:2026-03-20

  • 基于集成元胞自动机与机器学习框架的城市化区域历史与未来土地利用及土地覆被变化评估

    快速城市化通过将农业与自然土地转化为不断扩张的建成区,改变了德克萨斯州的面貌。本研究利用量子地理信息系统(QGIS)土地利用变化评估模块(MOLUSCE)框架内的混合元胞自动机–人工神经网络(CA–ANN)模型,分析并模拟了美国增长最快的县之一——德克萨斯州考

    来源:Forecasting

    时间:2026-03-20

  • 关于运动、功能性与健康的新框架:脑功能训练(Brain Functional Training, BFT)

    摘要:体育运动被广泛认可可增强个体完成日常活动的能力,然而多数研究主要关注体能层面,往往忽视认知过程的贡献。本文旨在提出一个理论框架,阐述在以健康为背景、特别聚焦于认知维度的情境下,将复杂性(complextiy)作为剂量变量(dose variable)应用

    来源:Acta Psychologica

    时间:2026-03-20

  • 单注意力大语言模型用于高效多区域电力需求与发电预测

    电力预测是维持稳定、可靠和自主电力系统最关键的方面之一。虽然近期开发的基于大语言模型(Large Language Models, LLMs)的预测方法可以进行准确预测,但这些模型仍因其计算复杂性(需要更多计算能力)以及对精心设计提示的依赖而面临困难,这使得它

    来源:Energies

    时间:2026-03-20


高级人才招聘专区
最新招聘信息:

知名企业招聘:

    • 国外动态
    • 国内进展
    • 医药/产业
    • 生态环保
    • 科普/健康