• 苯甲腈废水超临界水氧化的人工神经网络模型与经验建模：对比性能与因素敏感性分析

  •针对苄基腈废水的超临界水氧化（SCWO）过程开发了一种GRNN-GA模型。•ANN模型显著优于经验模型（R2 0.9899 vs. 0.9029）。•压力和入口浓度是最具影响力的因素。•最优条件：793 K，24 MPa，1000 mg·L-1，120 s（COD转化率为9

  来源：The Journal of Supercritical Fluids

  时间：2026-09-20

• TIIS：基于Transformer的可逆神经网络图像隐写术

  摘要现有的基于可逆神经网络的图像隐写方法在有效挖掘合适的隐藏区域和融合载体图像特征方面存在局限性，这限制了其信息隐藏性能。为了克服这一问题，本文提出了一种基于 Transformer 的可逆图像隐写（TIIS）模型。认识到不同的图像区域表现出不同的信息隐藏容量，我们设计了一个

  来源：Journal of Visual Communication and Image Representation

  时间：2026-09-20

• 用于预测离子液体对乙酰胆碱酯酶抑制作用的可解释机器学习模型

  •通过可解释的机器学习方法来理解离子液体对乙酰胆碱酯酶（AChE）的抑制作用。•已确定了能够抑制AChE的离子液体的结构特征。•我们的研究有助于开发毒性潜力更低的离子液体。引言离子液体（ILs）因其独特的性质而被广泛研究，如几乎为零的蒸气压、高热稳定性和高溶解能力。近期的研究

  来源：Journal of Molecular Graphics and Modelling

  时间：2026-09-20

• 用于有向河网分布式日径流预测的物理信息引导水文图神经网络

  本文开发了一种通用的物理信息水文学图神经网络（PI-HydroGNN），用于有向河网中的分布式径流预测。通过融合河网拓扑结构、上游来水和局部质量守恒约束，显著提升了预测精度、物理一致性和时空泛化能力。物理信息图学习使得在观测数据有限的情况下，模型仍能实现更好的空间泛化性能。

  来源：Journal of Hydrology

  时间：2026-09-20

• 受限贝叶斯神经网络在价格促销设计中的应用

  - 具有由神经网络建模的灵活效用函数的离散选择模型。 - 关于网络结构的不确定性通过贝叶斯模型平均来反映。 - 相对于线性效用模型，样本外预测得到改善。 - 反事实分析显示，与线性模型相比，自身价格和交叉价格弹性更低。 引言 价格促销常被管理者用来提升品牌知名度、获取市场份

  来源：Journal of Choice Modelling

  时间：2026-09-20

• 用于液态有机储氢载体快速筛选的可解释反应感知图学习

  • 感知反应的双图GNN从QM9-G4MP2数据集中预测LOHC脱氢焓。 • D-MPNN+XGB在10,345个反应对中实现了3.70 kJ/mol的测试MAE和R² = 0.94。 • Hybrid-RADGN在40–70 kJ/mol设计窗口内给出最低误差（4.20 k

  来源：Computational and Theoretical Chemistry

  时间：2026-09-20

• 基于分子骨架和取代基，利用图神经网络进行含能材料的高通量组合设计

  •通过组合策略生成了 1.58 亿个含氮分子。•通过图神经网络（GNN）实现了爆轰性能的高通量预测。•发现了 243 种具有优异爆轰性能的新分子。引言含能分子是军民两用关键材料，已广泛应用于炸药、推进剂及相关领域[1]。下游应用领域的快速发展以及能源革命的深入推进，对含能材料

  来源：Chinese Journal of Chemical Engineering

  时间：2026-09-20

• 双先验图神经网络：照亮与锐化多光谱目标检测

  RGB派生的亮度与结构线索引导跨模态图拓扑构建。 先验引导的拓扑构建比先验特征拼接贡献更大。 GRIFNet在受控的跨模态空间扰动下仍保持准确。 SEGF通过残差增强和竞争性门控保留结构细节。 GRIFNet在四个公开的RGB-IR基准上取得了有竞争力的结果。 **引言**

  来源：Image and Vision Computing

  时间：2026-09-20

• M-DCATDGN：利用自适应动态图神经网络提升负荷需求预测

  •一种新的负荷预测模型，能够捕获空间、时间以及高阶特征。•自适应动态图模块提取负荷序列中的深层空间模式。•可视化分析展示了模型捕获时空模式的能力。•该模型利用美国新英格兰地区的近期负荷数据进行验证。引言在现代工业系统中，电力资源是推动经济发展和支撑工业化的基石。全球电力消费的

  来源：COMPUTERS IN INDUSTRY

  时间：2026-09-20

• 有限元引导的反演网络用于梯度模量分布的全场重建

  •局部和全局弱形式损失函数引导全场梯度模量场的恢复。•解析损失函数敏感性分析实现了高效的物理引导训练。•在含噪全场测量条件下评估了混合损失函数加权方案。•重复查询推理在保持竞争性精度的同时，优于伴随法反演。 引言 高通量表征（HTC）能够在单次实验中快速获取大规模属性数据集

  来源：INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES

  时间：2026-09-20

知名企业招聘：