当前位置:首页 > 今日动态 > 神经科学
  • 基于分层深度学习的固体氧化物燃料电池在高一氧化碳浓度下的故障诊断

    高CO合成气燃料电池系统模型与多故障诊断框架研究。通过构建包含15种单故障及多故障组合的多源数据集,提出MCNN-XGBoost混合诊断模型,实现可恢复、关键、致命故障97.87%-99.19%的高精度分类,优于传统SVM、CNN等基线方法。

    来源:JOURNAL OF POWER SOURCES

    时间:2026-03-17

  • 用于增材制造中具有移动热源的热传导问题的时间步进可迁移神经网络

    针对增材制造中移动热源的高效瞬态温度场预测难题,提出基于时间步进域分解的可转移神经网络框架TDD-TransNet,通过固定隐藏层的随机特征空间实现复用,结合线性最小二乘法避免梯度训练,并采用峰适应域分解和时空张量基优化,在保持谱级收敛精度的同时显著降低计算量。

    来源:ADVANCED ENGINEERING INFORMATICS

    时间:2026-03-17

  • 一种新型的PRESAF-Hopfield神经网络及其用于语音加密的DNA加密算法

    提出新型激活函数PRESAF优化Hopfield神经网络动态特性,构建四维PRESAF-HNN超混沌模型并验证其FPGA硬件可行性,设计基于该模型的DNA双加密算法实现语音信号高安全性加密。

    来源:Expert Systems with Applications

    时间:2026-03-17

  • 基于双编码器和Transformer的自蒸馏异构图神经网络

    提出基于Transformer的异构图神经网络模型SD-DeTrans,通过结构编码器与语义编码器协同优化,结合自蒸馏机制提升计算效率与性能,应用于区块链异常检测等场景。

    来源:Engineering Applications of Artificial Intelligence

    时间:2026-03-17

  • 具有跨模态融合的超图主题神经网络,用于潜在治疗模式推荐

    电子病历中的高阶关系建模与跨模态特征融合提升治疗模式推荐效果,提出HGTCNRec框架,整合超图神经主题建模、Transformer文本特征提取及创新评分级跨模态融合机制,实现临床可解释的个性化治疗方案发现,实验验证在推荐准确率和主题质量上优于基线方法。

    来源:Engineering Applications of Artificial Intelligence

    时间:2026-03-17

  • 无需训练即可调整的多项式图过滤方法,用于实现超快速的多模态推荐系统

    本文提出训练-free多模态图滤波方法MM-GF,通过构建多模态相似图并利用多项式滤波器精确控制频响响应,解决传统GCN模型计算成本高的问题,实验表明其准确率提升22.25%且推理速度低于10秒。

    来源:Engineering Applications of Artificial Intelligence

    时间:2026-03-17

  • 一种针对任意几何形状进行推广的、具有几何适应性的、基于物理信息的算子框架

    物理信息神经网络通过整合几何信息提升复杂几何场景下的建模能力,在流体动力学问题中实现90%的L2相对误差降低。

    来源:Engineering Applications of Artificial Intelligence

    时间:2026-03-17

  • 体育康复中的人体姿态识别与自动评分检测

    摘要随着运动康复技术的发展,准确评估患者的康复进程已成为提升康复效果的关键。为解决传统体育项目在复杂环境下的康复人体姿态识别模型存在识别不准确及实时性能较差的问题,本研究提出了一种高效准确的运动康复人体姿态识别与自动评分综合框架。该研究通过使用人体姿态跟踪算法构建姿态识别模型,并

    来源:Scientific Reports

    时间:2026-03-16

  • 分析脑卒中亚急性期感觉障碍时的视觉代偿机制

    摘要背景超过50%的脑卒中患者在肢体位置和运动感知方面存在障碍。已知这种感知缺陷会阻碍运动功能的恢复,但脑卒中康复训练却很少关注这一问题。为促进感知功能恢复或提供补偿,一种策略是让患者在执行任务时注视自己的手臂。我们之前的研究显示,许多脑卒中患者在发病后约10天时还无法利用视觉来

    来源:Journal of NeuroEngineering and Rehabilitation

    时间:2026-03-16

  • 一种用于偏瘫中风患者的新型双侧上肢训练装置的可用性及有效性:一项初步随机对照研究

    摘要背景对于上肢功能受损的脑卒中患者而言,促进运动功能恢复并帮助他们重新获得生活自理能力仍是一项艰巨任务。临床实践中已经开始采用设备辅助训练,但其效果仍需进一步评估,同时也亟需创新性的解决方案。在本研究中,我们开发出了Synslai——一种基于双侧训练原理的新型无动力机械上肢康复

    来源:Journal of NeuroEngineering and Rehabilitation

    时间:2026-03-16


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