-
OctDiffPose:一种用于类别级 9 自由度物体姿态估计的扩散框架,具有基于八叉树的条件
•面向9自由度位姿推断的概率扩散框架。•概率分析与不确定性估计。•基于层次八叉树表示的多模态条件建模。•形状感知锚定以约束推断空间。•基于Transformer的去噪器以实现一致的条件传播。•在歧义条件下具有鲁棒的性能以及跨数据集泛化能力。引言目标位姿估计旨在从视觉观测中预测
来源:Neurocomputing
时间:2026-10-02
-
从隶属度到关系:一种用于学习关系谓词的神经模糊框架
摘要
传统神经模糊系统通过基于隶属度的条件来表示规则前件,将模糊规则主要限制在等式类表达式上(例如"温度是低的")。这限制了它们表达能力更丰富的语言关系(如"至少是低的"、"至多是低的"或"不是低的")的能力。为解决这一局限,我们提出了广义直觉模糊项(General Int
来源:Neurocomputing
时间:2026-10-02
-
DURA: 用于多领域多模态假新闻检测的具有可靠性感知融合的双流 LoRA
摘要:社交媒体上的多模态假新闻对社会稳定和公众信任构成威胁。尽管现有方法在基准数据集上取得了进展,但仍面临三个挑战:(1) 领域特定写作风格与领域通用取证线索之间的纠缠,使模型易受风格偏见影响;(2) 由不平衡的多领域数据引起的领域干扰,资源丰富的领域可能在联合优化中占主导地
来源:Neurocomputing
时间:2026-10-02
-
一种基于三苯乙烯的开关型荧光探针,具有光放大灵敏度,可用于可视化检测神经毒剂模拟物
•
开发了一种适用于两相DCP检测的光响应探针。
•
紫外线照射引发了分子内的光环化脱氢反应。
来源:Microchemical Journal
时间:2026-10-02
-
使用时序成像技术揭示河流水位-流量关系中的隐蔽结构区间
•开发了一种整合马尔可夫转移场(MTF)、卷积神经网络(CNN)学习与水力学诊断的框架,用于年水位—流量情态识别。•年水位—流量行为并非连续漂移,而是以有限集合的可识别情态形式重现。•物理引导将年际相似性重新组织为碎片更少、水力学一致性更强的分组。•情态间对比集中体现在少数跨
来源:Journal of Hydrology
时间:2026-10-02
-
基于遗传算法增强的神经网络用于量子密钥分发参数优化
•遗传算法增强神经网络用于量子密钥分发。•量子密钥的参数预测准确率提高最高达42%。•该框架可解决传统搜索算法失效的优化任务。•深度学习可实现量子链路中的实时参数优化。引言量子密钥分发(QKD)为远程用户之间的密钥建立提供了信息论层面的安全性,因此是量子通信中的基础技术。然而
来源:Engineering Applications of Artificial Intelligence
时间:2026-10-02
-
通过结合稀疏化的端到端神经压缩提升跨设备联邦学习的通信效率
摘要
深度学习应用的广泛传播引起了人们对个人数据隐私的日益担忧。针对这些担忧,联邦学习作为一种可行且稳健的解决方案被提出。尽管联邦学习前景广阔,但其大规模采用仍受到训练过程中巨大通信开销的阻碍。这种开销在跨设备设置中尤为突出,而跨设备设置构成了物联网应用的很大一部分。为了改
来源:Internet of Things
时间:2026-10-02
-
面向AIoT蜂窝网络中高效移动流量预测的边缘自适应动态时空图学习
摘要准确的移动流量预测对于AIoT使能的蜂窝网络中的智能资源管理和低延迟服务提供至关重要。然而,现有的时空图神经网络通常依赖于静态图结构和计算密集型架构,这限制了其对动态无线交互的适应能力和在资源受限边缘环境中的部署效率。为了解决这些挑战,本文提出了一种边缘自适应动态时空图智
来源:Internet of Things
时间:2026-10-02
-
一种基于多层循环神经网络和障碍函数终端滑模控制的四旋翼无人机系统
摘要
在实际的四旋翼应用中,复杂的操作环境使得建立精确的动态模型和确定外部干扰的上限变得极其困难。为了克服这些挑战,本文提出了一种基于障碍函数的新型超扭转终端滑模控制(TSMC)策略,并将其与多层循环神经网络(MLRNN)相结合。具体来说,MLRNN被用来近似等效控制律,从而避
来源:European Journal of Control
时间:2026-10-02
-
Stefan吹扫及化学反应作用下Darcy-Forchheimer磁Maxwell流体在拉伸圆柱上的传热与传质
本文提出了一种数值方法,用于模拟幂律Maxwell流体在拉伸圆柱面上的稳态、层流、轴对称流动。研究涉及复杂的物理效应,包括磁场、热辐射、速度滑移、Stefan吹扫效应和粘性耗散,这些因素对于热管理和先进制造系统至关重要。通过相似性变换简化控制偏微分方程,并采用谱准线性化方法求
来源:PROCEEDINGS OF THE NATIONAL ACADEMY OF SCIENCES INDIA SECTION A-PHYSICAL SCIENCES
时间:2026-10-02