-
基于贝叶斯神经网络与反向传播神经网络的智能预测模型研究
本研究旨在探讨贝叶斯神经网络(Bayesian Neural Network, BNN)与反向传播(Back Propagation, BP)神经网络在智能预测领域的应用潜力。研究人员指出,传统神经网络模型在处理不确定性估计方面存在局限,而BNN通过引入概率推
来源:Processes
时间:2026-03-05
-
基于代理模型的煤化工废水处理网络多阶段系统优化设计
煤化工废水处理网络(WTNs)的优化面临模型保真度与计算可行性之间的关键冲突。严格模型能捕捉关键非线性特性,但阻碍系统级优化,而简化模型往往导致次优设计。本研究提出一个集成框架,将高保真“阶段式”神经网络代理嵌入新颖的顺序多阶段超结构中。通过融入特定领域处理层
来源:Processes
时间:2026-03-05
-
一种新型风感知动态图神经网络用于城市地表臭氧浓度预测
地表臭氧污染对公众健康和生态系统构成显著风险,并且仍然是全球范围内的重要环境挑战。由于臭氧形成机制具有非线性特征,且对气象条件具有很强依赖性,因此实现高精度预测仍然较为困难。该研究提出了一种基于风速和风向的动态时空图注意力网络(WSDST-GAT),用于多步逐
来源:ISPRS International Journal of Geo-Information
时间:2026-03-05
-
用于空间规划与发展的 Health net-outcome 目标与方法:一项范围综述
目标:本系统评价将评估住院发育护理干预(Developmental Care Interventions, DCI)对改善早产儿纠正年龄(Corrected Age)2年内神经发育结局(Neurodevelopmental Outcomes)的有效性。
引言:
来源:JBI Evidence Implementation
时间:2026-03-05
-
QLID-Net:一种用于鲁棒且数据高效的智能电网负荷识别的混合量子-经典神经网络
非侵入式负荷监测(Non-Intrusive Load Monitoring, NILM)是现代智能电网系统的重要组成部分,能够将总能耗分解为设备级使用量。准确的设备分类对于优化潮流和不间断电网运行至关重要。在最新的NILM应用中,经典机器学习(Machine
来源:IEEE Access
时间:2026-03-05
-
Transformer,超越所见:一种将降雨时间序列集成到多类型滑坡概率建模中的深度学习方法
山区和丘陵地带经常受到滑坡影响,导致严重损害和生命损失。不同的破坏机制具有不同的地貌特征和影响,需要针对类型的特定处理。此外,纳入触发因素,特别是降雨,对于从静态敏感性评估转向动态的、特定事件的概率模型至关重要。虽然传统的数据驱动方法通常使用降雨的标量表示(例
来源:Geoscience Frontiers
时间:2026-03-05
-
基于功能连接(Functional Connectivity, FC)分类与亚型划分的重性抑郁障碍(Major Depressive Disorder, MDD)精准精神健康研究:一种集成图神经网络(Ensemble Graph Neural Network, GNN)方法
摘要:重性抑郁障碍(Major Depressive Disorder, MDD)目前仍主要依据主观症状进行临床诊断,而非客观神经生物学标记物,这限制了诊断准确性及个体化治疗方案的制定。研究人员提出一种集成混合框架(Ensemble Hybrid Framew
来源:PLOS Digital Health
时间:2026-03-05
-
能源系统建模、仿真与控制特刊
本研究利用机器学习算法重新解释最初通过递减曲线分析(DCA)绘制的现有数据集,旨在无需获取新的现场数据即可提高预测精度。研究人员编制了历史生产记录,包括月度油/气产量、井底压力和累积产量,通过最小二乘优化将其拟合至Arps方程,并将关键递减参数(如初始产量、名
来源:Processes
时间:2026-03-05
-
机器学习算法与递减曲线分析在天然气产量预测中的比较
研究人员利用机器学习算法重新解释最初通过递减曲线分析(DCA)绘制的现有数据集,旨在提高预测精度而无需获取新的现场数据。研究人员汇编了历史生产记录:月度油/气产量、井底压力和累积产量,通过最小二乘法优化拟合至Arps方程,并将关键递减参数(如初始产量、名义递减
来源:Processes
时间:2026-03-05
-
评估输入特征对基于数据的风力涡轮机叶片挠度估计的影响
现代风力涡轮机转子日益增大的尺寸和结构柔性,使得叶片叶尖挠度(blade tip deflection)的实时监测和主动控制成为确保运行安全的关键要求,尤其是关于叶尖-塔架间隙(blade-tower clearance)。由于通过物理传感器直接测量通常因高成
来源:Processes
时间:2026-03-05