当前位置:首页 > 今日动态 > 神经科学
  • 基于领域知识的双流图表示方法在多标签舌部图像识别中的应用

    舌像图像多标签识别中,现有方法忽视领域知识。本文提出DKG-TSGR框架,通过语义流融合LLM生成的类别描述与层级结构优化语义表示,空间流利用语义引导的注意力机制学习区域特征,并构建双流图神经网络捕捉标签共现关系。实验表明该方法在mAP、F1分数和EMR指标上优于8种基准方法。

    来源:Knowledge-Based Systems

    时间:2026-03-03

  • 通过改进的“吸血水蛭优化器”(Blood-Sucking Leech Optimizer)优化人工神经网络(ANN),以预测近场电纺纤维的直径

    近场电纺纤维直径预测模型通过改进血液吸吮蛭优化算法结合人工神经网络实现,提出增强探索、参数优化和混沌切换机制,显著提升算法在23个基准函数和4个机械工程问题中的优化性能,预测模型相关系数达0.97733,验证模型有效性。

    来源:Applied Mathematical Modelling

    时间:2026-03-03

  • 输出神经建模:气动连续体软体机器人的合成与实验

    基于实时位置测量的三维连续体软机器人输出空间建模方法研究,提出自适应小波神经网络与无限冲激响应滤波器联动的WaveNet-IIR架构,无需预训练即可实现非线性动态系统的实时建模与控制。

    来源:Applied Mathematical Modelling

    时间:2026-03-03

  • 基于Inception网络的改进型神经网络,用于超高层结构非线性地震响应中位移场的实时预测

    本研究提出基于解空间的训练数据生成方法与改进的Inception神经网络结合,实现结构位移场的高效高精度预测,并利用关键节点与Kriging插值同步重构数万节点位移时程,验证其在多结构体系中的可靠性,计算效率提升43700倍。

    来源:Journal of Building Engineering

    时间:2026-03-03

  • 一种创新的UBRTME-ANN混合方法,用于预测异质不排水粘土中圆形隧道的失效特性

    结合UBRTME方法与人工神经网络(ANN),构建高保真数据集预测异质黏土圆形隧道临界荷载及滑动面形态,通过立方B样条插值和Hausdorff距离量化误差,并利用PFI和SHAP分析评估参数影响,实现高效可解释的隧道稳定性预测。

    来源:TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY

    时间:2026-03-03

  • 振动Koopman神经算子:一种基于Koopman方法的可靠剩余使用寿命预测技术

    振动设备剩余使用寿命预测与不确定性量化研究提出双分支神经网络架构,结合Koopman算子理论实现非线性系统线性化演化,通过动态异方差输出头实现时变不确定性建模。实验验证预测误差降低23.1%,置信区间覆盖率达99.87%。

    来源:Mechanical Systems and Signal Processing

    时间:2026-03-03

  • 基于多阶图卷积神经网络的铣削颤振在线检测

    针对航空零件加工中 chatter 振动问题,提出基于多阶图卷积神经网络的在线检测方法,通过优化边权重和聚合多阶邻域特征提升噪声抑制能力,实验验证其在早期弱阶段检测的有效性。

    来源:Mechanical Systems and Signal Processing

    时间:2026-03-03

  • 一种基于场映射的新型物理信息神经网络

    物理场神经网络(PFNN)通过时空场输入与物理场输出结合,采用超宽输出层和数值差分策略提升高频、多尺度及多物理耦合问题的求解精度与效率。相较于传统PINN方法,PFNN在Helmholtz方程、热传导方程、弹性平衡方程及热电耦合方程中均表现更优,尤其在噪声干扰和应力集中场景下验证了鲁棒性。

    来源:International Journal of Mechanical Sciences

    时间:2026-03-03

  • 基于物理原理的Transformer模型用于堆积速率预测

    钻头磨损率预测中融合物理信息引导与新型特征提取方法,提出MCFtransformer模型。通过Ftransformer的注意力机制处理1D非序列数据,与MLP并行提取多维度特征,嵌入钻头倾角与方位角变化物理约束到网络结构与损失函数,结合混合加权策略优化模型性能。实验表明在秦皇岛数据集上预测精度显著提升。

    来源:Expert Systems with Applications

    时间:2026-03-03

  • 一种用于算法交易的混合框架:将轻量级神经网络趋势预测与蜡烛图模式识别相结合

    提出融合轻量级神经网络与蜡烛图模式识别的混合框架HCTP,通过跨市场验证(GBP/USD、EUR/USD、AUD/USD)在真实交易成本下实现胜率73.6%-76.0%、利润因子1.29-3.22,较传统方法提升8.7-10.7个百分点。研究强调长期趋势与短期信号协同机制及开源可复现性。

    来源:Expert Systems with Applications

    时间:2026-03-03


高级人才招聘专区
最新招聘信息:

知名企业招聘:

    • 国外动态
    • 国内进展
    • 医药/产业
    • 生态环保
    • 科普/健康