生物通官微陪你抓住生命科技跳动的脉搏
迈向电磁数字孪生:基于电磁引导的深度学习技术,实现工业物联网(IIoT)环境中无线电力传输的精确预测
电磁场分布预测与工业物联网应用研究。本研究提出一种结合物理模型与卷积神经网络(CNN)的数据高效方法,通过主动采样与积分方程(IE)仿真生成训练数据集,解决传统全波仿真计算复杂和射线追踪远场近似失效问题。实验验证表明,该CNN模型能准确复现复杂环境中的全局电磁传播模式与局部场强变化,为工业物联网中的无线传感网络部署和无线能量传输优化提供快速可靠的分析工具,推动电磁数字孪生技术应用。
来源:IEEE Journal on Wireless Power Technologies
时间:2026-03-06
基于Edge智能电表的LSTM联邦学习技术,结合AES加密技术和区块链技术,应用于智能电网的AIoT网络
智能电网人工智能物联网(SG-AIoT)中能源预测不准确、数据不安全及信息泄露等问题,提出融合LSTM神经网络与AES加密区块链的三层联邦学习框架。该框架通过边缘节点双分层LSTM与Dropout网络实现精准预测,加密聚合数据在雾层和云层安全处理,提升预测精度和隐私保护,实验表明优于六种现有方法。
来源:IEEE Communications Standards Magazine
基于物理嵌入的机器学习框架,对承载型3D超材料进行数据驱动的逆向设计
基于物理的蜂窝超材料多尺度逆设计方法及验证
来源:ADVANCED ENGINEERING INFORMATICS
一种基于语义感知与拓扑推理的框架,用于在分布式声学传感环境中实现鲁棒的车辆轨迹重建
DAS技术通过光纤实现全范围交通感知,但高精度轨迹恢复面临信号断裂和拓扑错误挑战。现有方法依赖线性假设或纯数据驱动模型,导致复杂场景性能不足。本文提出语义感知-拓扑推理框架,分两阶段处理:首先用轻量级CNN提取像素级几何特征,随后通过融合两跳邻居运动约束和全局线性分配问题优化拓扑结构,有效修复线性与非线性轨迹的断裂,在真实道路和模拟基准测试中F1达89.13%,拓扑误差仅1.465%。
来源:Expert Systems with Applications
MishReLU:一种用于深度神经网络的混合激活函数
本文提出一种混合激活函数MishReLU,结合ReLU和Mish的优势以解决死亡神经元问题,并在图像与文本分类任务中验证其有效性。实验表明MishReLU在MNIST等数据集上准确率达99.47%,标准差更低,且在不同DNN架构和 learning rate下均表现稳定。
多尺度采样与特征融合在动态人体渲染中的应用
动态人体渲染中提出多尺度采样与特征融合NeRF框架,通过锥形体积采样和分层采样策略优化几何与外观重建,结合变形场与可微分渲染器有效抑制运动模糊与几何失真,实验表明在ZJU-MoCap等数据集上显著优于现有方法。
来源:Journal of Visual Communication and Image Representation
基于固态变压器的电力机车的混合优化控制策略,集成能量存储技术
本文针对基于固态变压器(SST)的电动列车系统提出混合优化控制系统,结合PI、滑模控制(SMC/ISMC/STSMC)和自适应神经模糊系统(ANFIS)实现牵引性能与储能效率的协同优化。通过改进的鲸鱼优化算法(IWOA)自动调参,验证了IWOA-tuned STSMC在动态响应和抗扰性上较传统方法提升38%和45%,同时HESS系统能效提高并降低储能单元负载。研究为下一代固态变压器电动列车的实时化控制与能源管理提供理论支撑。
来源:Journal of Energy Storage
通过结合驾驶数据和短时傅里叶变换的孪生卷积神经网络以及在线被动电化学阻抗谱模式提取技术,实现实时电池安全诊断
被动电化学阻抗谱(PEIS)通过短时傅里叶变换(STFT)分析电动汽车BMS的实时电流/电压波动,无需额外激励信号或硬件,实现电池状态在线监测。基于PEIS的Siamese卷积神经网络可进行安全诊断,实验显示阻抗拟合误差低于6%,有效提升电池异常检测精度。
阿尔茨海默病中的临床淀粉样蛋白和tau蛋白正电子发射断层扫描成像:抗淀粉样蛋白治疗时代的图像解读
阿尔茨海默病(AD)中PET成像从确诊转向指导治疗决策,amyloid PET用于确认治疗资格和监测疗效,tau PET反映疾病阶段和认知损伤。临床试验(如CLARITY-AD、TRAILBLAZER)显示amyloid清除与临床获益相关,需结合tau负荷个体化治疗。未来需标准化影像分析并扩展tau PET在精准医疗中的应用。
来源:Current Opinion in Neurology
用于评估硫质和硫量的神经-模糊模型:在不确定性条件下实现硫生产的多准则优化 作者:巴蒂尔·奥拉兹巴耶夫(Batyr Orazbayev)、艾努尔·朱马迪莱耶娃(Ainur Zhumadillayeva)、库尔曼·奥拉兹巴耶娃(Kulman Orazbayeva)、扎吉拉·萨伊莫诺娃(Zagira Saimanova)、萨亚·桑特耶娃(Saya Santeyeva)、希纳尔·科达诺娃(Shynar Kodanova)、纳兹古尔·库尔班加利耶娃(Nazgul Kurbangaliyeva)和拉马赞·耶西尔克塞索诺夫(Ramazan Yessirkessinov)
摘要 随着医学、化学及其他行业对高质量硫的需求不断增长,从石油精炼过程中有害酸性气体中提取硫的技术流程面临着输入参数与输出参数之间复杂、非线性且模糊的关系问题,这使得相
来源:Applied Sciences
知名企业招聘: