-
迈向可持续的边缘智能:量子启发的脉冲神经网络辅助联邦学习方法
摘要:随着边缘设备的快速扩展,联邦学习已成为在保护数据隐私的同时实现协作智能的关键范式。然而,由于计算和能耗需求高,在资源受限的边缘硬件上部署深度学习模型仍然充满挑战。为此,我们提出了一种新颖的量子启发式神经形态联邦学习框架,称为联邦学习-量子泄漏积分与放电(FL-QLIF)
来源:IEEE Transactions on Network Science and Engineering
时间:2026-10-22
-
用于具有互补约束的数学规划问题的神经网络模型
摘要
在本文中,我们提出了一种基于梯度的神经网络模型来解决具有互补约束(MPCC)的数学规划问题。为了便于优化,通过正则化方法将MPCC问题转化为一个放宽的非线性优化问题。之后,利用惩罚函数和神经网络模型获得了转化后问题的最优解估计。基于李雅普诺夫稳定性和LaSalle不变性原
来源:Journal of Computational and Applied Mathematics
时间:2026-10-22
-
基于电磁测深数据和钻孔温度记录的大深度高温精度温度预测
摘要我们提出了一种利用电磁测深数据和钻孔温度测量数据准确估算地下温度的方法。这是对我们之前提出的“电磁地热温度计”的更新版本,该版本利用人工神经网络(ANN)基于现有温度数据直接预测目标深度的温度。在新算法的框架内,预报是逐步进行的,因此在每个后续步骤中,预报是由 ANN 完
来源:International Communications in Heat and Mass Transfer
时间:2026-10-22
-
利用机器学习模型数据驱动预测多相La0.67Ca0.33-xSrXMn1-γNiγO3基复合材料的磁熵变
•研究了 La0.67Ca0.33-xSrx(x=0,0.1,0.2)Mn1-yNiy(y=0, 0.02)O3 合金的熵变随温度和外加磁场变化的情况。•采用人工神经网络(ANN)和决策树(DT)方法对 La0.67Ca0.33-xSrx(x=0,0.1,0.2)Mn1-yN
来源:Physica B: Condensed Matter
时间:2026-10-22
-
一种基于PINN辅助的、物理导向的元启发式优化方法,用于 converter 钢铁制造过程中材料与能量的协同优化
•提出了一种基于物理学的材料-能量协同优化方法。•使用PINN替代模型确保了热力学一致性。•优化操作输入后,平均协同度提高了23.75%。引言钢铁行业是能源和碳排放最集中的工业部门之一,约占全球工业能源消耗的15%和全球碳排放的8%[1]。在集成的高炉-基本氧气炉流程中,转炉炼钢
来源:Swarm and Evolutionary Computation
时间:2026-10-22
-
基于路径-年龄神经传输算子的解析出口状态识别实现了人类活动影响流域的跨域径流预报
•OGPAT 通过分析计算从出口流量识别出神经网络水状态。
•观测方程强制执行精确的发布时通量一致性。
•一个保守型路径 - 年龄台账生成完整的预报。
•在 224 个参考流域上进行训练,可无需目标流域拟合即可迁移。
•与两个相同输入的神经网络对照相比,峰值误差降低了 29–
来源:Journal of Hydrology
时间:2026-10-22
-
基于粒子群优化与可解释性分析的双三角对冲流滴头流态指数预测
摘要en此链接指向英文部分fr此链接指向法文部分
流量状态指数表征了发射器流量对压力变化的敏感程度。本研究开发了一种可解释的机器学习框架,用于预测流量状态指数。比较了支持向量回归(SVR)、反向传播(BP)神经网络和
来源:Irrigation and Drainage
时间:2026-10-22
-
内镜下骨缝切除术联合桶板样截骨术治疗单侧人缝骨早闭:手术技术及文献综述
摘要目的单侧人字缝颅骨早闭(ULC)是一种罕见的颅骨畸形,需要干预以纠正后颅骨不对称。传统开放式重塑术和牵张成骨术虽能提供可靠的重塑效果,但存在出血量较大、器械并发症或需再次手术的风险。本文报道了一种结合内镜人字缝切除术与桶板截骨术的新型微创技术,并结合文献综述加以阐述。病例
来源:Child's Nervous System
时间:2026-10-22
-
发生率、分级、处置路径——三看ALK晚肺靶向药的副作用
不同药物不良反应谱的差异,源头在分子结构:阿来替尼为开放链式骨架,构象柔性强、靶点选择性高,脱靶风险低,因此特异性不良反应较少、合并用药安全性好;部分采用大环刚性骨架设计的药物抑靶谱更广,但会导致中枢神经系统与脂代谢相关的长期管理负担更重。
-
从分子结构看ALK晚肺靶向药耐受性差异
结构 → 选择性 → 不良反应谱 → 患者能不能长期坚持 → 疗效能发挥到什么程度。这一逻辑在真实世界数据里能看出端倪:以北京医保数据库为基础的真实世界研究显示,阿来替尼的中位治疗持续时间(DoT)达 19.0 个月,在调研覆盖的所有 ALK-TKI 中居首位,高于洛拉替尼的 12.9 个月。这说明在真实诊疗条件下,患者把这款药吃得更久——而只有患者能在真实世界中长期、规范地坚持用药,药物的疗效才能得到持续、充分的发挥。