-
普遍存在的“错失恐惧症”(FoMO)现象及其在工作场所的影响,以及神经多样性人群的思维特点:探究自闭症、注意力缺陷多动障碍(ADHD)与个体内在认知模式的关联
恐惧错过(FoMO)与神经多样性特征及内部表征方式的关系研究。在302名美国全职员工中,发现ADHD症状对一般和职场FoMO均最强预测,视觉意象显著关联一般FoMO,而内部语言化和表征操作更影响职场FoMO,自闭症特质未达显著相关。研究采用回归分析和机器学习模型验证,揭示神经多样性特征与FoMO的领域特异性关联。
来源:Personality and Individual Differences
时间:2026-03-14
-
动作语言实现的神经网络:一项基于脑电图(EEG)的源空间连接性研究
语义记忆的具身表征机制:基于EEG源空间连接分析的运动-语言网络动态整合研究。
来源:Journal of Neurolinguistics
时间:2026-03-14
-
夏季患有疼痛疾病的老年人在户外的热舒适度
本研究针对寒冷地区夏季户外热环境,通过微气候参数记录与神经网络模型分析,揭示老年疼痛群体热感知特征,其中性温度(NUTCI)为25.31℃,较健康老年人低,并建立热舒适基准,为年龄友好社区设计提供依据。
来源:ENERGY AND BUILDINGS
时间:2026-03-14
-
在随机负载和数据稀疏条件下,对二次使用电池的健康状态进行弹性估计:一种基于物理原理的连续时间微观-宏观架构
可靠状态健康估计对二手锂电池至关重要,但面临异质老化、随机负载和数据稀疏挑战。本文提出物理指导的微宏观架构,微观层闭合式连续时间神经网络处理不均匀采样和噪声,宏观层Transformer跟踪长期退化,在Oxford、NASA RW20等数据集上实现0.0809 Ah和0.0568 Ah的RMSE,解决随机负载发散问题,故障场景误差降低86%。
来源:JOURNAL OF POWER SOURCES
时间:2026-03-14
-
一种基于光谱-时间融合的多尺度注意力Transformer模型,用于锂离子电池全生命周期健康状态(SOH)的精确估计
准确估计锂离子电池全生命周期健康状态(SOH)对电池管理系统至关重要。本文提出S-MSAT框架,通过多分支并行卷积提取短时瞬态与长时退化趋势的多尺度特征,结合可学习的FFT频谱门控网络实现频域噪声抑制与低频退化特征增强,无需人工特征工程即可直接处理原始时序数据,在NASA PCoE、RW、MIT及电船动态数据集上验证RMSE≤0.012、R²>97%的高精度和毫秒级实时性。
来源:JOURNAL OF POWER SOURCES
时间:2026-03-14
-
一种基于自适应稀疏贝叶斯神经网络的滚动轴承剩余使用寿命增量预测方法
针对轴承剩余使用寿命预测中数据稀缺、退化不一致性强的问题,提出自适应稀疏贝叶斯神经网络增量预测方法,通过时间级联贝叶斯神经网络框架量化预测不确定性,结合参数保留机制和阶段自适应相关对齐策略,提升模型轻量化与跨阶段退化特征适应性。实验验证其预测精度和泛化能力优于现有方法。
来源:RELIABILITY ENGINEERING & SYSTEM SAFETY
时间:2026-03-14
-
在信息稀疏的情况下,用于设备状态描述的即插即用图可靠性增强方法
针对极小标签场景下设备状态描述与故障诊断中输入图信息不足及噪声干扰问题,提出知识对比优化(GKCO)模块与双视图拓扑Transformer(DVTT)框架。GKCO通过对比正负图对的结构差异优化输入图质量,DVTT融合拓扑关系与序列特征增强故障特征提取。实验表明在叶轮泵和BJ-RAO数据集上,GKCO-DVTT较基线方法提升故障识别准确率最高达24.5%,并验证了输入图优化与特征提取协同的重要性。
来源:RELIABILITY ENGINEERING & SYSTEM SAFETY
时间:2026-03-14
-
利用基于物理的Kolmogorov-Arnold网络发现可解释的结构动态响应
结构动力学智能预测模型SDR-PIKAN通过引入可解释的Kolmogorov–Arnold网络架构,有效解决了传统PINNs的频谱偏差、可解释性差和收敛效率低等问题,在地震激励等多模态振动响应预测中展现出更优的物理一致性和计算效率。
来源:Engineering Applications of Artificial Intelligence
时间:2026-03-14
-
用于角膜材料表征的气脉冲测试降阶建模
研究人员分析了用于气脉冲测试的流体-结构相互作用(FSI)模型。利用Abaqus软件,将气脉冲测试应用于具有不同生物力学参数(如材料属性、角膜厚度和曲率半径)的眼睛。通过获取气流(一种湍流冲击射流)的降阶模型,将有限元分析(FEA)的模拟时间从FSI模型所需的
来源:Journal of Microscopy
时间:2026-03-14
-
纵向MRI数据集中短期结构变异的成因
摘要
在规划纵向磁共振成像(MRI)研究时,应考虑可能影响大脑结构随时间变化的各类(混杂)因素。本研究旨在确定在短时间内导致大脑结构个体间差异的因素。我们采用多层稀疏偏最小二乘回归方法,分析了纵向Day2d
来源:Human Brain Mapping
时间:2026-03-13