-
综述:形状记忆智能纺织复合材料开启了人类肢体功能康复的新时代:原理、设计与应用
智能康复材料与闭环系统融合推动精准医疗发展。传统矫形器因缺乏自适应特性而受限,新型形状记忆纺织品复合物(SMTCs)通过智能材料结构实现机械支持与生理适应的平衡,其环境适应性和主动响应能力显著提升康复效果。研究提出多源传感与人工智能算法结合的闭环康复范式,为从被动支撑到主动神经重塑的转化提供技术路径。
来源:Advanced Composites and Hybrid Materials
时间:2026-03-20
-
一种能效高的多智能体混合GNN-XGBoost框架,用于支持物联网(IoT)的智能电网管理,并结合区块链技术保障城市能源的可持续性
基于物联网、区块链和GNN-XGBoost混合框架的智能电网实时能源管理研究,通过多智能体协作实现98.4%能源协调准确率、33.1%负载平衡提升和28.7%传输损耗减少,响应时间26ms,优于传统ANN-RA调度器。
来源:Sustainable Computing: Informatics and Systems
时间:2026-03-20
-
利用多视图图神经网络进行语义图像分割
语义分割中,标准CNN常因忽略长程结构和拓扑关系导致边界泄漏、标签不一致等问题。本文提出多视图图神经网络(MVGNN),通过显式建模几何邻近、边界连通性和层次包含三种空间关系,将DNN预测区域映射为多视图图结构,并设计融合模块和轻量级GNN进行协同优化。实验表明,MVGNN在合成数据集和FASSEG数据集上显著优于U-Net和U-Net+CRF,尤其在复杂场景和细薄边界处提升明显,消融实验验证了多视图融合和卷积算子的有效性。
来源:Signal Processing: Image Communication
时间:2026-03-20
-
柔性PVA-PPy传感器中的电容耦合忆阻动态特性:用于传感器内的神经形态计算与实时手势识别
可穿戴电子设备中采用PVA-PPy复合材料棉布基电容耦合忆阻器实现手势识别与神经形态计算,通过丝网印刷工艺制备柔性器件,非夹断I-V特性及场诱导离子极化行为模拟生物突触,结合ESP32-Unity无线传输系统,验证了其在低功耗、高精度人机交互中的可行性。
来源:Sensors and Actuators A: Physical
时间:2026-03-20
-
通过PVDF-HFP陷阱效应和IEICO-4F敏化技术,实现了增强型近红外光子突触器件在单模联想学习中的应用
近红外光子突触有机场效应晶体管通过引入IEICO-4F光敏剂和PVDF-HFP电荷陷阱层,显著提升光电流比至8.27×10³,检测度达1.08×10¹⁵ Jones,长期记忆保持率达67.2%。该器件模拟生物突触的配对脉冲增强效应,并成功应用于无模态关联学习和 reservoir computing,为下一代AI硬件和可穿戴技术提供新方案。
来源:Materials Science in Semiconductor Processing
时间:2026-03-20
-
具有等效电路模型约束的可微分物理信息神经网络,用于锂离子电池参数识别
本文提出一种基于可微分物理信息神经网络(DPINN)的电池模型,结合等效电路模型(ECM)和深度学习,通过终端电压数据训练,无需标签即可实现电压预测和电池参数识别。实验表明,采用二阶RC模型的DPINN在电压预测误差(MAE<3mV)和参数识别精度上均优于其他模型,验证了其物理一致性和高效性。
来源:Journal of Energy Storage
时间:2026-03-20
-
砰、啪、嘭、哐!NephMadness(一种网络文化现象)又回来了!
NephMadness 2026以8大区域16个肾病概念为主题,涵盖免疫学策略、诊断治疗技术、神经肾关联、移植后病毒管理及AI应用等,旨在通过赛事形式促进学术交流与临床实践创新,配套PPT、社交媒体互动及播客活动。
来源:Kidney News Online
时间:2026-03-20
-
利用人工智能优化透析和移植患者群体的贫血管理
人工智能在透析及肾移植贫血管理中的应用与挑战。摘要:
来源:Kidney News Online
时间:2026-03-20
-
结合HRNet的双模态融合技术用于TBM隧道掘进中高精度的围岩分类:整合地质参数与运营参数
隧道掘进机周围岩石智能分类模型研究基于TBM操作参数与地质参数构建双模态HRNet模型,通过高-低分辨率融合提升特征提取,分类准确率达95%以上,验证了多模态融合在岩体分类中的有效性。
来源:TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY
时间:2026-03-20
-
一种基于边缘调制的双图神经网络,用于交互式机械加工特征识别
本文提出一种边调制的双图神经网络(EMD-GNN),用于解决CAD模型中相互作用特征的识别难题。该方法通过整合三角网格几何细节和B-Rep拓扑关系,结合残差编码和边类型调制,显著提升识别准确率与泛化能力,并在GeoMFD等数据集上验证有效性。
来源:ADVANCED ENGINEERING INFORMATICS
时间:2026-03-20