• 基于动态关系感知的浮选精矿品位预测：DGraFormer方法

  准确的浮选精矿品位预测对于维持产品质量和支持及时的过程调整至关重要。然而，由于工业浮选涉及非线性多变量交互作用和部分可观测的操作状态，机理预测仍然困难。近期机器学习的进展增加了对数据驱动方法的兴趣，并取得了令人鼓舞的结果。尽管近期的研究已将时间依赖性纳入浮选品

  来源：Separations

  时间：2026-09-15

• 超声引导下单峰驼眶下神经阻滞技术的解剖可行性与准确性研究

  ## 摘要 ### 背景与目的 在单峰驼中，由于心肺并发症风险高、费用昂贵以及野外操作困难，通常避免使用全身麻醉。镇静联合局部麻醉可能是面部和牙科操作更安全的选择。虽然超声引导技术在其他物种中已被广泛确立，但其在骆驼中的应用尚未被探索。本研究旨在描述并评估超声引导下眶下神经

  来源：BMC Veterinary Research

  时间：2026-09-15

• 基于结构级联物理信息图神经网络的力传导感知肿瘤微环境建模

  ： 物理信息神经网络（Physics-Informed Neural Networks, PINNs）为求解复杂多物理场系统（如肿瘤微环境）中的偏微分方程提供了一种有效的无网格方法。这些计算模型通过支持高效的计算机模拟测试，可为精准医疗中未来的可持续工程应用与

  来源：Applied Research

  时间：2026-09-15

• 评估深度学习区分野生与栽培葡萄花粉的潜力

  本研究旨在评估深度学习区分野生与栽培葡萄花粉的潜力。基于人工智能的自动化流程生成了超过20,000张葡萄花粉图像。分类卷积神经网络（Convolutional Neural Network, CNN）模型无法区分野生与栽培葡萄的可育花粉，但能够在一定程度上区分

  来源：Review of Palaeobotany and Palynology

  时间：2026-09-15

• 基于思维导图的5E康复护理模式对颈动脉支架植入术后缺血性脑卒中患者疗效的回顾性研究

  目的：评估基于思维导图的5E康复护理对颈动脉支架植入术（carotid artery stenting, CAS）后缺血性脑卒中患者的疗效。 方法：本回顾性研究纳入71例接受常规护理的患者（2023年1月至12月，对照组）和73例接受新型护理模式的患者（202

  来源：Journal of Multidisciplinary Healthcare

  时间：2026-09-15

• 化疗诱导的肠道微生物群–炎症轴重塑：对双相障碍病程的影响及机制

  越来越多的证据表明，双相障碍（bipolar disorder, BD）与癌症共享若干生物学特征，包括免疫失调、肠道微生物群改变和慢性炎症。化疗仍然是癌症治疗的主要手段，但可显著改变肠道微生物生态系统、损害肠道屏障完整性并促进全身性炎症。然而，关于化疗带来的这

  来源：Journal of Multidisciplinary Healthcare

  时间：2026-09-15

• 基于微观结构的卷积神经网络预测含木质素聚氨酯硬质泡沫的力学性能

  传统硬质泡沫的生物基替代品因其可持续性增强和具有竞争力的性能，已被证明是良好的替代物。然而，由于其制造过程复杂且破坏性测试往往不可行，本研究探讨了能否利用机器学习方法将含木质素硬质聚氨酯（PU）泡沫的微观结构特征与其力学性能关联起来。研究人员研究了多种类型和不

  来源：Polymers

  时间：2026-09-15

• 基于铁电栅控可重构二硫化钼双栅晶体管的逻辑内脉冲神经网络（SNN-in-Logic）架构

  高效处理高维感知数据是现代电子学的一项挑战，因为神经形态系统通常不加区分地处理所有输入特征，导致神经元过度激活和能耗过高。关键问题在于缺乏一种硬件机制，能够在神经形态计算之前于前端抑制与任务无关的信息，并保持可重构性。本文报道了一种脉冲神经网络-逻辑（spik

  来源：Nature Electronics

  时间：2026-09-15

• 仿生人工离子机械感受器（AIM）：离子流动介导的类生物触觉传感

  近年来，材料科学和康复机器人领域的进展显示出主动假肢与工具和物体交互的巨大潜力。未来主动假肢的关键需求是实现逼真的触觉反馈。尽管已取得显著进展，传统触觉传感器仍无法完全再现类人感知，这可能归因于其根本不同的传感机制。本研究提出了一种皮肤启发的人工机械感受器，由

  来源：Advanced Functional Materials

  时间：2026-09-15

• 基于归一化的稳健函数基神经网络方法用于函数对函数回归

  本文旨在开发一种利用神经网络的稳健非线性模型，用于函数对函数（function-on-function）回归问题。所提出的框架旨在通过在模型训练期间最小化响应变量中异常值（outliers）的影响来增强回归建模的稳健性。为此，研究人员引入了一种专门处理异常值的

  来源：Statistical Analysis and Data Mining: An ASA Data Science Journal

  时间：2026-09-15

知名企业招聘：