• MEDEA：面向异构超低功耗平台能效型DNN推理的设计时多目标管理器

  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随着对设备端人工智能需求的增长，在资源受限的超低功耗（ULP）平台上高效执行基于深度神经网络（DNN）的应用程序变得至关重要。结合专用处理元素（PE）的异构架构已成为实现所需性能和能效的关键

  来源：ACM Transactions on Embedded Computing Systems

  时间：2026-09-14

• NEXUS：加速下一代 AI 工作负载，NPU 上的 GNN 与 SSM 优化

  摘要AI 摘要查看此 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设备端 AI 的兴起已将现代客户端电脑转变为强大的本地 AI 工作负载执行平台，支持低延迟、高能效和隐私保护的应用。传统的设备端 AI 应用主要集中于计算机视觉任务，如图像分类、分割和目标检测

  来源：ACM Transactions on Embedded Computing Systems

  时间：2026-09-14

• 物理引导的黏弹性阻尼器CNN代理模型及其在结构抗震控制中的应用

  **摘要** 粘弹性阻尼器（VEDs）时域非线性力学行为的精确表征仍然具有挑战性。传统的频域模型无法同时考虑载荷历史、应变幅值和环境温度，而高保真时域模型通常需要进行复杂的参数标定且计算成本高昂。为克服上述局限性，本研究提出了一种物理引导的卷积神经网络（CNN）代理模型，即

  来源：Computers & Structures

  时间：2026-09-14

• IA-PINNs：集成自适应物理信息神经网络，用于求解偏微分方程

  摘要 物理信息神经网络（PINNs）作为一种解决偏微分方程（PDEs）的通用框架日益受到关注，其核心思想是将物理定律嵌入到神经网络训练过程中。然而，原始PINNs通常面临重大挑战，尤其是在平衡多个损失组件（包括PDE残差、边界条件和初始条件）时，可能导致不稳定或次优收敛。为

  来源：Engineering Analysis with Boundary Elements

  时间：2026-09-14

• 一种用于二维线性弹性的赫尔丁格-莱谢纳混合物理信息神经网络

  •Hellinger–Reissner神经网络直接预测位移和应力。•局部平衡条件和材料本构关系改善了两个场之间的一致性。•该方法改善了应力梯度较大区域的应力预测。•与深度能量法相比，获得了更低的应力误差。引言偏微分方程是描述固体力学、流体力学、热传导及相关领域物理问题的基本数

  来源：Engineering Analysis with Boundary Elements

  时间：2026-09-14

• 基于凹弧设计的抗高速冲击负泊松比超材料薄板吸能特性分析

  # 摘要 基于圆弧凹角负泊松比特性超材料，本文系统地研究了超材料防护板的高速抗冲击性能与能量吸收性能。通过结合有限元仿真与BP（反向传播）神经网络优化算法，实现了壁厚、弧角、边长等多个几何参数的协同优化设计，获得了最优参数组合（弧角56.6°，壁厚1.6 mm，边长16 m

  来源：Mechanics Research Communications

  时间：2026-09-14

• 使用智能传感技术监测和分析链式挖掘器中马铃薯的运动动态

  •倾斜角度对作物安全至关重要；8.8°为最佳工作区间。•链式输送机的较高速度有助于清洁，且不会造成进一步损伤。•利用神经网络开发了一种智能逆向控制框架。•成功解耦了清洁效率与损伤之间的矛盾。•"逆向顾问"以可忽略不计的0.15°误差精度实现了精准控制。引言马铃薯（Solanu

  来源：Measurement

  时间：2026-09-14

• 基于车-路耦合系统的道路有效粗糙度识别多尺度物理信息神经网络

  •提出了一种基于车辆-道路耦合动力学进行路面有效不平度重建的多尺度物理信息神经网络（MS-PINN）。•将车辆-道路耦合动力学、轮胎-路面接触可行性、多尺度频率和功率谱密度统计一致性约束整合进PINN框架。•多尺度频率特性显著增强了缺陷识别和非平稳特征表征能力。•所提方法在完

  来源：Transportation Geotechnics

  时间：2026-09-14

• 基于代理模型的土体空间变异性序贯贝叶斯更新用于深基坑开挖引起的结构响应预测

  # 摘要 准确预测既有隧道在开挖作用下的结构响应对于城市基础设施安全至关重要。为提高开挖-隧道相互作用问题的预测精度，本研究提出了一种代理模型驱动的序列贝叶斯更新框架的实用扩展方法，将开挖代理模型与土壤空间变异性序列更新相结合。开挖代理模型利用Karhunen-Loève（

  来源：Transportation Geotechnics

  时间：2026-09-14

• 基于可扩展神经分类器的自适应重要性抽样用于失效概率估计

  • 神经网络分类器能够实现复杂高维失效边界的建模。 • 朗之万采样引导重要性采样候选分布的样本生成。 • 防御性重要性采样提高了失效概率估计的鲁棒性。 • 在高达784维的基于图像的算例研究中证明了有效性。 **引言** 可靠性分析是工程系统不确定性量化的基本组成部分，旨

  来源：Structural Safety

  时间：2026-09-14

知名企业招聘：