-
用于自动安全带监测的自适应K-Fold Siamese Neural Network(SNN,孪生神经网络)分类器
摘要:安全带是道路交通事故安全的重要保障。尽管大多数交通法规强制驾乘人员手动系好安全带,但基于人工智能(Artificial Intelligence,AI)的技术已被引入监测系统以提高安全标准。本研究提出一种基于自适应孪生神经网络(Siamese Neura
来源:Computers
时间:2026-03-04
-
基于多光谱成像的大豆孢囊线虫检测深度学习研究:视觉变换器与卷积神经网络的比较
大豆孢囊线虫(SCN)是北美地区大豆最具经济破坏性的病原体。即使在低至中等侵染水平下,SCN也可导致20–30%的产量损失,且不会产生任何明显的地上可见症状。在严重侵染的田块中,产量减少可达60–70%,极端情况下甚至超过80%。以往识别SCN侵染的研究主要依
来源:Remote Sensing
时间:2026-03-04
-
混合神经-IRT框架用于应对计算机化自适应测试中的冷启动挑战
计算机化自适应测试(CAT)系统在测试管理初期面临重大挑战,此时有限的响应数据导致不稳定的能力估计和较差的题目选择。这种冷启动问题降低了测量精度和测试效率,尤其对于能力偏离总体常模的学生。本研究引入了一种混合能力估计模型,该模型在整个自适应测试过程中动态整合神
来源:Computers
时间:2026-03-04
-
基于粒子群优化长短期记忆网络与平均电压特征的锂离子电池荷电状态估计研究
研究人员提出一种基于粒子群优化(PSO)长短期记忆(LSTM)神经网络与平均电压特征融合的锂离子电池荷电状态(SOC)估计方法。在数据驱动方法中,模型输入特征通常包括电压、电流与温度,这些信号易受测量误差与噪声干扰,导致深度学习方法预测偏差显著。针对瞬时电压对
来源:Batteries
时间:2026-03-04
-
基于BP神经网络的储能电池组泄压声源三维定位研究
储能电站热失控事件表现出明显的声学特征信号,声源的三维定位对于实现精准消防干预具有重要意义。本研究提出了一种基于储能电池组泄压阀声学信号的电站内部故障定位方法。通过部署四个麦克风捕获电池组泄压阀的声学信号,利用基于反向传播(BP)神经网络训练的三维定位模型,可
来源:Batteries
时间:2026-03-04
-
综述:锂离子电池健康状态估计的神经架构与学习策略:一篇批判性综述
准确的健康状态(SOH)估算是锂离子电池(LIBs)在电动汽车和储能系统中安全、可靠且经济高效运行的基石。近年来,人工智能技术的快速发展导致基于神经网络的SOH估计方法被广泛采用,与传统基于模型的方法相比,这些方法具有强大的非线性建模能力和改进的适应性。然而,
来源:Batteries
时间:2026-03-04
-
人工智能驱动的锂离子电池组热管理优化:基于代理模型的电池间距设计方法
本文介绍了在电池设计与制造过程中集成人工智能(AI)(通过特定机器学习技术)以优化其热管理的可能性。研究流程从对电池(16节18650型锂离子电芯,4×4排列)的计算流体动力学(CFD)热模拟(1C倍率)开始,并基于模拟结果,通过径向基函数(Rbf)插值生成一
来源:Batteries
时间:2026-03-04
-
纳米颗粒-细菌相互作用的预测模型:用于抗菌反应预测的机器学习方法
纳米颗粒暴露显著影响微生物生长,对环境安全、抗菌药物开发和纳米生物技术具有重要意义。通过实验预测细菌反应耗时且资源密集,因此需要高效的计算替代方案。本研究探讨了纳米颗粒暴露对细菌生长动态的影响,重点关注其在微生物学、环境和纳米生物技术研究中的相关性。研究人员采
来源:Chemical Physics Impact
时间:2026-03-04
-
基于智能无人机的自主库存数据检查框架
本研究引入了一种创新的基于无人机的框架,用于自主库存检查,旨在解决传统库存管理实践中固有的低效和局限性。所提出的系统独特地结合了室内无人机导航与基于深度学习的先进条形码检测和解码,并通过创建直接从仓库环境无人机图像中获取的人工标注条形码数据集进一步增强。与先前
来源:Intelligent Systems with Applications
时间:2026-03-04
-
被动运动的神经生理学相关是速度和类型依赖性的
目的:被动运动控制的脊髓上参与仍不清楚。先前的研究提供了肌肉活动随速度和类型变化的肌电图(EMG)证据。基于机械感受器特性、其年龄相关变化以及感觉和运动系统之间的躯体拓扑组织连接,本研究旨在提供额叶皮层抑制和皮层运动相互作用参与被动运动控制的电生理学证据。方法
来源:European Journal of Applied Physiology
时间:2026-03-04