-
图中图神经网络
现有图神经网络(Graph Neural Networks,GNNs)通常仅能处理这样一类图:其中每个顶点由一个向量或单一数值表示,因此其对复杂对象的表征能力受到限制。本文提出了一种新型图神经网络,称为图中图神经网络(Graph in Graph Neural
来源:INTERNATIONAL JOURNAL OF COMPUTER VISION
时间:2026-03-08
-
用于风力发电机组寿命监测与扰动识别的Weibull–神经网络框架
摘要:风力发电机组对可持续能源至关重要,但其在多样运行与环境条件下的可靠性仍具挑战,常导致代价高昂的故障。研究人员提出一种新颖的Weibull–Neural Network Framework,通过估算可靠度R(t)与平均剩余寿命(Mean Residual
来源:Wind Energy
时间:2026-03-08
-
基于改良Delphi法的曲非奈肽(Trofinetide)治疗Rett综合征真实世界应用专家共识
曲非奈肽是首个在美国和加拿大获批用于治疗Rett综合征(RTT)的药物。该药物在临床试验中改善了RTT的核心症状,且真实世界证据支持临床试验结果。由于美国RTT专家现已积累近3年的曲非奈肽真实世界使用经验,因此在美国开展了一项改良Delphi法研究,以建立曲非
来源:Annals of the Child Neurology Society
时间:2026-03-08
-
用于微流控系统中物体高通量分类的衍射神经网络
光学成像与机器学习在微流控平台上的集成,使得在单芯片上对样本群体进行高内涵、低侵入性表征成为可能。由于这类高内涵信息的分析通常在电子域中完成,光电转换速度以及数据处理可用带宽对这些方法的通量构成了限制。本研究提出了一种基于衍射神经网络(DNNs)的分析系统,该
来源:Advanced Photonics Research
时间:2026-03-08
-
运动与致幻剂联合治疗重性抑郁障碍
超过50%的患者对重性抑郁障碍(major depressive disorder, MDD)的主要治疗方式反应不佳,这促使研究人员对包括运动和致幻剂在内的替代方法给予更多关注。尽管单独使用运动或致幻剂的干预措施均已显示出 largely 积极的结果,但二者的
来源:Discover Mental Health
时间:2026-03-08
-
基于原位微区飞秒激光沉积的双模态零维/二维空间非对称光电器件
为实现人工智能和人形机器人的发展,制备高效且多功能的先进视觉系统至关重要。关键挑战在于将高速光电探测器(photodetector, PD)和神经形态视觉传感器(neuromorphic vision sensor, NVS)功能集成到单一器件中ņ,但现有研
来源:Light-Science & Applications
时间:2026-03-08
-
基于时间、波长和空间交织调制的集成光子三维张量处理引擎
光学计算凭借高带宽、低延迟和高能效等优势,被认为是加速深度学习任务的最有效解决方案之一。然而,主流的光子硬件加速器主要针对二维(2D)矩阵向量乘法(MVM)进行了优化。为了实现三维(3D)卷积神经网络(CNN),在计算前必须根据加速器尺寸在电域内对高阶张量进行
来源:Light-Science & Applications
时间:2026-03-08
-
综述:机器学习与断裂力学的交汇:我们能学到什么?
断裂力学作为固体力学的重要分支,在表征和理解天然及工程材料的裂纹与失效过程方面发挥了重要作用。随着第四范式——数据驱动/物理信息方法的出现,机器学习(Machine Learning, ML)为这一领域带来了变革性机遇。随着断裂力学界利用ML的研究呈指数级增长
来源:ARCHIVES OF COMPUTATIONAL METHODS IN ENGINEERING
时间:2026-03-08
-
集成深度堆叠自编码器与BiLSTM网络及在线几何电化学阻抗谱技术,用于质子交换膜燃料电池的实时故障诊断与健康状态评估
佩曼·巴亚特|哈马丹技术大学电气工程系,伊朗哈马丹
摘要:本文提出了一种用于质子交换膜燃料电池多故障诊断与健康状态监测的端到端新框架。该方法将电化学阻抗谱的几何分析与基于物理原理的深度堆叠自编码器-双向长短期记忆网络相结合。通过扩展的11元素等效电路可生成12个可解释的表征参数
来源:Applied Energy
时间:2026-03-08
-
基于堆叠双线性神经网络的动力锂电池多动作预测性维护方法
王宗耀|尚冠伟|彭聪|徐志强|范嘉伟|恩里科·齐奥中国北京,北京交通大学自动化与智能学院,邮编100044
摘要:准确预测电池的剩余使用寿命,并制定相应的预测性维护策略,对于确保其可靠高效运行至关重要。然而,现有的大多数预测性维护研究很少考虑将概率性剩余寿命预测与短期维护决策相
来源:Reliability Engineering & System Safety
时间:2026-03-08