• PhysSpec-Net：物理引导的双域学习方法，用于在极低信噪比（SNR）条件下实现空间外差光谱学中的稳健光谱重建

  •物理引导的流程合成配对的低信噪比SHS干涉图-光谱数据。•PhysSpec-Net在极低信噪比下实现了稳健的SHS光谱重建。•傅里叶引导的跨域交互桥接了条纹图案和光谱峰值。•基于峰值的损失函数改善了弱峰重建并抑制了伪影。 引言 从退化测量中可靠地恢复目标信号仍然是智能传感和测

  来源：Expert Systems with Applications

  时间：2026-09-14

• 用于车间作业调度的变分方法

  •带有最大熵强化学习的变分 ELBO 解耦了表示学习和策略学习 •两阶段训练产生了结构化潜在空间，提升了稳定性和鲁棒性 •UMAP 显示变分图编码器学习到了一个结构感知的潜在流形 •VG2S 在零样本泛化方面显著优于 GNN-DRL 基线 •VG2S 比元启发式算法提供了更好

  来源：JOURNAL OF MANUFACTURING SYSTEMS

  时间：2026-09-14

• SPARC：利用对抗性正则化图和原型对比表示学习进行空间转录组聚类

  •多视图注意力机制能够自适应地融合空间图和特征图视图。•原型对比学习有助于缓解实例级别的类别冲突。•对抗性正则化和ZINB形式重建提供了互补的约束。•在DLPFC数据集上获得了最高的ARI/NMI分数；在HBC和MBA数据集上获得了最高的ARI分数。引言空间转录组学（ST）已成为

  来源：Information Fusion

  时间：2026-09-14

• 基于人工智能和神经网络的信息物理系统估计与控制

  摘要 信息物理系统（CPS）对交通、能源和医疗等关键基础设施越来越重要，在这些领域中安全性和可靠性至关重要。然而，计算与物理过程的深度融合使得系统容易遭受智能的、具有模式感知能力的网络攻击，从而破坏系统的稳定运行。本文提出了一种具有弹性的基于神经网络的估计与控制框架，专门用于

  来源：Internet of Things

  时间：2026-09-14

• 基于选择性代理嵌入压缩机运行包络与凸化水力约束的天然气网络输送快速可行性评估

  # 天然气网络输送方案快速可行性评估 ## 摘要 天然气网络输送方案的快速可行性评估有助于保障安全运行和容量分配。现有模型计算难度大，因为非凸管道水力特性与不规则压缩机运行包络线共存。本研究提出一种选择性混合公式，其中边界感知神经代理模型用于表征压缩机包络线，同时保留物理

  来源：Chemical Engineering Science

  时间：2026-09-14

• 吞吐量约束下的神经网络加速器流水线方法论

  摘要神经网络已获得广泛普及，尤其是在硬件加速器的背景下。这些加速器通常根据吞吐量、功耗和能效等优化标准进行设计，这些标准之间存在固有的权衡。它们通常由一个具有可配置数量并行处理元素的神经处理单元以及内部内存资源组成。本文探讨了通过引入额外的优化维度来提高处理吞吐量并实现更好权

  来源：Computers & Operations Research

  时间：2026-09-14

• 深算子有限元方法：一种用于变载荷下弹性的离散变分神经算子

  摘要 学习参数化偏微分方程的解算子对于实时模拟和工程分析至关重要。然而，现有的物理信息神经算子常常由于数值求积误差、采样变异性以及与连续定义的物理损失相关的优化困难而导致训练不稳定。为解决这一问题，我们提出了深度算子有限元方法（DOFEM），一种用于变载荷下弹性问题的离散变

  来源：Computers & Structures

  时间：2026-09-14

• 帕累托集预测辅助的双层双目标优化

  摘要AI 摘要查看此 AI 生成的摘要，您需要拥有 Premium 访问权限。了解详情登录摘要摘要双层优化问题由一个上层优化任务和一个作为约束的下层优化任务组成。虽然已有大量且不断增长的相关文献致力于使用进化计算求解两层均为单目标的优化问题，但针对两层均为多目标的问题（BLM

  来源：ACM Transactions on Evolutionary Learning and Optimization

  时间：2026-09-14

• 使用演化策略和线性策略网络解决深度强化学习任务

  摘要AI 摘要要查看此 AI 生成的摘要，您必须拥有高级访问权限。了解更多登录摘要摘要尽管深度强化学习方法可以为具有挑战性的问题学习出有效的策略，但底层算法十分复杂，且训练时间通常较长。本研究探讨了多种前沿版本的演化策略在性能上相较于基于梯度的深度强化学习方法的表现如何。我们

  来源：ACM Transactions on Evolutionary Learning and Optimization

  时间：2026-09-14

• 兼容性比率作为嵌入式加速器硬件/DNN协同设计的指导准则

  摘要AI 摘要要查看此 AI 生成的摘要，您必须拥有高级访问权限。了解更多登录摘要摘要日益庞大的深度神经网络（DNNs）在计算能力和能耗方面带来了严峻挑战，尤其是在边缘端。这一挑战通常需要通过专用的推理硬件加速器来解决。硬件/软件协同设计可以通过联合优化硬件微架构和 DNN

  来源：ACM Transactions on Embedded Computing Systems

  时间：2026-09-14

知名企业招聘：