• 基于先验指导的锚点条件扩散算法在水下图像增强中的应用

  •我们提出了一个基于先验的、带有条件约束的扩散框架，用于水下图像增强。•通过结合水下图像退化先验、结构恢复和动态颜色校正，我们生成了一个抑制退化的恢复锚点。•我们利用这个恢复锚点来指导扩散过程的精细化处理，从而改善了颜色一致性、结构保真度和视觉质量。引言水下图像增强（UIE）是一

  来源：Neurocomputing

  时间：2026-09-18

• 与显示介质视觉环境中感知色彩和谐性相关的心身生理反应

  •感知色彩和谐度与多维度的主观体验相关。•主动评价比被动观看产生了大 0.219 毫米的瞳孔反应。•主要混合效应模型未显示与和谐度相关的稳健自主神经效应。•线性模型与对数模型均能描述亮度—瞳孔关系。•研究结果支持对显示器中介的视觉体验进行多模态评估。引言色彩和谐度被定义为色相

  来源：Displays

  时间：2026-09-18

• 迈向绿色物联网：雾云连续体中的能量感知容器化服务放置

  • 本文的主要贡献如下： • 提出了一个全面的能量感知服务放置模型，适用于物联网-雾-云容器环境，考虑了计算和网络传输能耗、容器生命周期、资源利用率以及SLA约束 • 提出了一种新颖的基于能量的容器化服务调度器（EACSS），由基于GNN的状态编码和分层MAPPO框架组成，以

  来源：Sustainable Computing: Informatics and Systems

  时间：2026-09-18

• 基于平滑组稀疏正则化的卷积神经网络结构化剪枝

  - 我们提出了用于结构化卷积神经网络（CNN）剪枝的 SGL2,q 正则化方法，其中 0 < q < 1 - 分段平滑消除了 L2,q 的奇异性，从而实现稀疏性和稳定优化 - SGL2,q 无需额外微调即可对滤波器与神经元实现联合稀疏化 - 实验在关键指标上取得了超过现有剪枝

  来源：Pattern Recognition Letters

  时间：2026-09-18

• 面向海上风电结构灌浆连接承载能力预测的稀疏数据物理引导机器学习方法

  - 开发了知识引导的符号回归模型用于方程发现 - 提出了符号回归引导的神经网络用于承载力预测 - 运用迁移学习将模型扩展至其他加载条件 - 该框架优于设计规范及其他机器学习模型 - 该框架在稀疏数据条件下仍能保持高预测精度 ## 引言 灌浆连接件广泛应用于海上风电结构，用

  来源：Ocean Engineering

  时间：2026-09-18

• MSPGNN：一种多尺度块感知时空协同软测量框架及其在废水处理中的应用

  本文提出了一种用于废水水质预测的多尺度补丁感知时空框架。补丁感知空间依赖学习器捕获细粒度空间依赖关系以提高预测精度。轻量级补丁感知时间依赖学习器捕获补丁内和补丁间的时间依赖关系。门控神经网络自适应地整合多个时间尺度上的互补信息。 引言 中国前所未有的工业化带来了令人瞩目的

  来源：Journal of Water Process Engineering

  时间：2026-09-18

• 利用流体力学信号实现斯托克斯流中微游动体的壁面探测 可供购买

  打开图形查看器 通过流体动力学信号感知周围环境是众多水生生物的一种关键生存技能，也是智能机器人平台的一项有前景的技

  来源：Soft Matter

  时间：2026-09-18

• 面向准确的剩余使用寿命与健康状态估计——基于动态权重增强的强化型物理信息图神经网络

  # 摘要 准确估计剩余使用寿命（RUL）和健康状态（SoH）对于可靠的预测与健康管理（PHM）至关重要，可为及时维护和可靠的工业运行提供支持。然而，将数据驱动学习与物理约束正则化相结合的混合模型往往依赖固定的损失权重，当分别应用于具有不同退化行为的资产时，难以进行有效标定。

  来源：Advanced Engineering Informatics

  时间：2026-09-18

• 综述：基于图神经网络的复杂网络节点重要性评估：系统综述

  # 摘要 在复杂网络中识别关键节点对于系统分析和资源优化至关重要。传统的拓扑指标往往难以应对现代网络的规模和高维特征。图神经网络（GNN）通过强大的表征学习能力提供了一种稳健的数据驱动替代方案。按照PRISMA框架，本综述系统分析了2016年至2025年间发表的147项基于

  来源：Communications in Nonlinear Science and Numerical Simulation

  时间：2026-09-18

• 基于机器学习代理建模、全局敏感性分析及粒子群优化的三元混合纳米流体池沸腾研究

  # 基于R141b的三元混合纳米冷媒池沸腾特性的实验研究 **摘要** 本研究通过实验方法对基于R141b的三元混合纳米冷媒的池沸腾特性进行了研究，并采用了一种集成框架进行分析，该框架结合了人工神经网络（ANN）代理建模、Shapley加性解释（SHAP）、Sobol全局

  来源：International Communications in Heat and Mass Transfer

  时间：2026-09-18

知名企业招聘：