• 功能隐藏将目标检测模型转变为秘密监控器

  摘要 在许多受监控的环境中，部署敏感的深度神经网络会带来安全风险。功能隐藏通过将敏感功能隐藏在无害的封面模型中来应对这一挑战。在现有方法中，输出隐藏是一种很有前景的范式。然而，现有的输出隐藏方法由于依赖固定的输出投影和反对称密钥，存在适应性差和密钥空间有限的问题。为了克服这些

  来源：Journal of Visual Communication and Image Representation

  时间：2026-09-28

• CoTAR：凝聚相中的拓扑结构与原子状态重建

  开放式图形查看器 摘要 通用机器学习原子间势（uMLIPs）使得以接近第一性原理的精度进行凝聚相分子动力学（MD）模拟成为可能；然而，其缺乏显式分子拓扑结构限制了基于键合信息的分析和重新连接到经典力场。本研究提出了CoTAR，一种混合图神经网络（GNN）-隐马尔可夫模型（

  来源：Journal of Chemical Information and Modeling

  时间：2026-09-28

• 基于域分解物理信息神经网络的三维固井排替效率预测

  **摘要** 在固井作业中，水泥浆对钻井液的驱替效率直接关系到固井质量，而准确的流场预测对于提高驱替效率至关重要。尽管计算流体力学（CFD）被广泛用于研究驱替机理，但高保真三维模拟计算代价高昂，难以满足快速工程预测与优化的需求。近年来，数据驱动的神经网络因其高计算效率而受到

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-09-28

• 信息协调作为桥梁：一种用于实现可靠自主驾驶场景理解的神经符号架构

  • InfoCoordiBridge 实现了多传感器感知与大型语言模型（LLM）推理的融合。 •

  来源：Expert Systems with Applications

  时间：2026-09-28

• 验证一个联合训练的神经网络Heston校准器：持续同调、无套利边界与条件化陷阱

  摘要 一个联合训练的DGM Heston校准器，其前向网络在单个参数点上训练，并在一个基准合约上选择检查点，能够达到稳定的训练损失，但返回的参数估计平均绝对百分比误差（MAPE）高达97.6%。我们识别出该配置中的一个条件化陷阱。在一个包含相同42个报价和16个初始化的交叉干

  来源：Expert Systems with Applications

  时间：2026-09-28

• 用于电液系统故障定位的嵌入功率键合图因果流感知图神经网络

  要点摘要： • 引入物理约束，借助功率键合图实现对系统动力学的显式建模。 • 提出 CFAGNN 模型，以因果逻辑与功率守恒作为核心物理约束。 • 将故障物理逻辑转化为因果流路径，从而实现故障诊断与追溯。 • 将该方法应用于挖掘机液压系统中可解释的故障分析。 ## 引言

  来源：MECHANICAL SYSTEMS AND SIGNAL PROCESSING

  时间：2026-09-28

• 可再生能源电力系统中考虑洞库寿命的压缩空气储能服务分配

  •多模式CAES频率支持针对不同运行模式进行建模。 • cavern疲劳退化与充放电深度和寿命损耗相关联。 •牛顿辅助的DNN代理使基于MILP的调度变得可行。 •寿命感知服务分配在频率支持、运行经济性和 cavern寿命之间取得平衡。 ## 引言 可再生能源（RES）的

  来源：Energy

  时间：2026-09-28

• 关于NaHCO₃抑制甲烷爆燃的热力学和动力学研究（在保持恒定层流燃烧速度的条件下）

  •一种新型的实验方法分离了内在火焰参数的影响。•NaHCO3的抑制效率取决于内在火焰参数。•内在火焰参数决定了NaHCO3的热分解特性。•揭示了内在火焰参数对NaHCO3反应动力学的影响。•开发了一个基于火焰参数的人工神经网络模型。 1. 引言 1.1. 背景 甲烷是天然气的主

  来源：International Journal of Heat and Mass Transfer

  时间：2026-09-28

• 一种融合标准数据驱动与物理引导的腐蚀管道爆破压力预测神经网络模型

  - 顶点半径是几何变量，传统爆破压力模型未将其纳入考虑。 - 标准与SSWC专用模型融合后，在23个有限元分析案例上的平均绝对百分误差为1.63%。 - 残差物理引导学习将最坏情况误差从9.04%降低至5.74%。 - 在23个案例中，平均误差增益在统计上不可分辨。 - 物理

  来源：International Journal of Pressure Vessels and Piping

  时间：2026-09-28

• 气泡、干燥区域以及接触线动力学：这些因素共同导致了液滴撞击热表面时薄液膜中的沸腾危机

  •分析了液滴撞击时沸腾薄液膜中气泡、干斑和接触线长度的动态特性。 •开发了一种基于机器学习的卷积神经网络（CNN）算法，显著提高了分割性能。 •提出了薄液膜沸腾危机的新判据。 •干斑显著增加了总接触线长度，决定了热通量和沸腾危机。 •最大接触线长度决定了从核化沸腾到过渡沸腾的转变

  来源：International Journal of Multiphase Flow

  时间：2026-09-28

知名企业招聘：