-
一种融合局部卷积与全局注意力的基于连接时序分类(CTC)的语音识别网络
研究人员旨在确定哪种物理临床测试最能区分多发性硬化症(MS)轻度受损患者(pwMS)与健康对照者,并比较上肢临床评估与基于传感器的步态和姿势控制测量的判别价值。方法:41名参与者(21名pwMS,20名匹配的健康对照者)完成了一次测试,包括上肢临床评估(九孔钉
-
应用表面肌电(EMG)技术与惯性测量单元(IMU)在功能性测试中鉴别下腰痛(LBP)患者的功能性缺陷及神经肌肉特征
摘要:下腰痛(Low Back Pain, LBP)造成巨大的经济负担,终生患病率高达84%。然而,常规诊断方法如磁共振成像(Magnetic Resonance Imaging, MRI)或X射线对发病机制及疼痛相关的功能性活动受限仅能提供有限信息。可穿戴惯
-
**中文标题:基于卡尔曼传感器融合的双流Transformer用于可穿戴跌倒检测**
可穿戴跌倒检测系统面临一个根本性挑战:虽然陀螺仪数据能提供有价值的姿态线索,但将原始陀螺仪和加速度计信号简单结合会因噪声污染而导致性能下降。为克服此挑战,研究人员提出了一种双流Transformer架构,该架构融合了(i)基于卡尔曼的传感器融合,将含噪声的陀
来源:Big Data and Cognitive Computing
时间:2026-03-18
-
神经仿射多模型:低复杂度训练、结构选择及预测控制(Neural Affine Multi-models: Low-complexity Training, Structure Selection and Predictive Control)
摘要:在非线性模型预测控制(Model Predictive Control, MPC)中,每个采样步均需求解非线性优化问题。尽管逐次泰勒(Taylor)线性化可简化计算,但会在MPC框架中引入模型近似,可能降低控制性能。本研究提出一种新颖的非线性模型结构,可
来源:Neurocomputing
时间:2026-03-18
-
VISDB 2.0:一份人工整理的人类疾病中病毒整合位点及其调控图谱资源库
摘要病毒序列整合到人类基因组中在多种疾病的发病过程中起着关键作用,尤其是癌症。为便于系统地分析这些现象,我们推出了VISDB 2.0,这是一个经过扩展和更新的关于人类病毒整合位点(VIS)的数据库。当前版本包含了来自209篇经过同行评审的文献中的27万多个经过人工筛选的VIS,涉
来源:Scientific Data
时间:2026-03-18
-
大脑的艺术:对萨姆·基萨尤基安所绘300幅画作的回应——诗作
摘要 此内容没有摘要。由于您有权访问该内容,因此此页面提供了完整的HTML内容。您也可以通过“保存PDF”按钮获取该内容的PDF版本。 拉蒙·卡哈尔因神经元学说而闻名, 但真正流传下来的是他的艺术作品,那些精细的绘图, 描绘着各种形态的脑细胞及其突起, 风格类
来源:The British Journal of Psychiatry
时间:2026-03-18
-
深度学习图神经网络与经典机器学习模型在GHS/CLP标准下预测燃烧热作为关键危险指标的对比评估
准确预测燃烧热(Heat of Combustion, HoC)对于燃料设计和化学安全评估至关重要。研究人员系统评估了四种机器学习模型——极限梯度提升(XGBoost)、多层感知器(Multilayer Perceptron, MLP)、图卷积网络(Graph
来源:ACS Omega
时间:2026-03-18
-
汽车车门振动声学分析的综合数值与机器学习框架
本研究提出了一种用于汽车车门振动声学设计的综合框架,该框架结合了数值模拟、实验验证与机器学习技术。研究人员开发了一种简化但模块化的汽车车门原型(CarDoor原型),该原型能够再现真实车门的主要结构和声学特征,同时允许设置灵活的边界条件。通过专项实验活动验证的
来源:Applied Acoustics
时间:2026-03-18
-
面向入侵检测系统(Intrusion Detection System, IDS)的混合推理流水线:通过Stacking结合深度神经网络(Deep Neural Network, DNN)与XGBoost实现现实网络入侵检测
本研究提出一种创新的入侵检测系统(Intrusion Detection System, IDS),通过Stacking方案将最先进深度学习(Deep Learning, DL)架构与极端梯度提升(Extreme Gradient Boosting, XGBo
来源:Ad Hoc Networks
时间:2026-03-18
-
面向物理信息神经网络的一种流感知训练策略
研究人员提出了一种面向物理信息神经网络(Physics-Informed Neural Networks, PINNs)的流感知训练策略。传统PINNs在训练初始阶段即对所有配点进行参数更新,即使部分区域尚无法从边界条件或初始条件获取有效信息。在这些区域内,早
来源:COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING
时间:2026-03-18