• 基于拉曼光谱和多尺度卷积神经网络的汽油掺假分析

  汽油的质量与安全对于能源分配和市场法规至关重要。因此，基于光谱学结合智能算法的快速、无损检测方法受到了广泛关注。然而，现有方法往往将掺假物识别与浓度预测相分离，限制了其在复杂掺假场景中的应用。为解决上述局限，本研究开发了一种基于拉曼光谱的注意力多尺度卷积神经网

  来源：ACS Omega

  时间：2026-09-13

• ICNN增强的两阶段随机规划：利用输入凸神经网络求解两阶段随机规划问题

  输入凸神经网络（ICNN）作为两阶段随机规划（2SP）中凸补偿函数的可靠替代模型。通过线性规划（LP）实现精确嵌入，无需引入昂贵的整数变量。相较于基于混合整数规划（MIP）的方法，速度优势随问题规模增大而增强。在多个基准测试中保持高求解质量。两阶段随机规划（2

  来源：EURO Journal on Computational Optimization

  时间：2026-09-13

• 基于多视图GNN的关系增强异常检测

  提出使用潜在异常（Potential Abnormality, PA）构建增强关系，用于多视图图异常检测的READ-GNN框架。缓解噪声邻域和多视图不一致性问题，以提升异常检测的稳定性和收敛速度。结合视图内PA聚合与视图间PA集成，加强跨视图异常信息对齐。在Y

  来源：Computer Networks

  时间：2026-09-13

• 吸附储能软状态-of-电荷估算：黑箱与物理信息驱动方法

  吸附型储热（Thermal Energy Storage, TES）是一种面向废热回收与多部门耦合能源系统的新兴技术。研究人员利用边缘计算平台采集的实验数据，评估黑箱神经网络（Neural Networks, NNs）与物理信息神经网络（Physics-Inf

  来源：ENERGY AND BUILDINGS

  时间：2026-09-13

• U-Net卷积架构用于叶尖凹槽气膜冷却预测与多目标优化

  涡轮叶片叶尖凹槽冷却系统的优化受到计算流体动力学（CFD）模拟高计算成本的限制，阻碍了大设计空间的探索和高效冷却布局的识别。研究工作提出一种基于机器学习（ML）的框架，用于GE-E3高压涡轮叶片叶尖冷却系统，保持叶尖凹槽腔几何结构固定，改变气膜冷却孔的数量、直

  来源：Energy and AI

  时间：2026-09-13

• 基于物理信息神经网络（PINN）的深埋隧道微震震源实时定位

  微震（MS）监测已成为深埋隧道工程中预防岩爆灾害的重要技术手段。然而，由于空洞结构的存在以及传感器布局的动态变化，实现高精度、实时的微震震源定位仍面临挑战。传统的走时差方法难以兼顾走时建模精度与计算效率，而现有深度学习方法往往依赖大量标注数据，且不适用于动态监

  来源：Journal of Rock Mechanics and Geotechnical Engineering

  时间：2026-09-13

• 多传感器CNN轴承故障诊断中决策级融合策略的对比研究

  轴承故障诊断日益依赖多传感器，因为复合故障或多位置故障产生的特征可能仅被单一传感器部分捕获。对独立训练模型的决策级融合（DLF）提供了一种结合此类互补信息的实用途径，然而针对DLF技术的系统性对比研究仍然稀缺，尤其是针对不同传感器位置测量的情况。本文在双分支一

  来源：Entropy

  时间：2026-09-13

• 综述：深度学习在慢地震研究中的应用进展

  慢地震代表了介于稳定蠕滑与动态破裂之间的一种重要断层滑动模式。其发生受矿物组成、孔隙流体压力、有效正应力、系统刚度及微观结构演化的共同控制。由于天然断层的内部状态无法直接观测，慢滑移、构造震颤及低频地震的研究长期面临信号微弱、噪声复杂及观测尺度差异等挑战。本综

  来源：Applied Sciences

  时间：2026-09-13

• 物理生成的人工神经网络用于软至中等强度黏土中基于性能的喷射注浆设计

  在筏板基础下进行喷射注浆（jet grout）设计时，需要同时选择柱体几何参数并满足承载抗力与沉降准则。研究人员开发了一种物理生成的人工神经网络（Artificial Neural Network，ANN）代理模型，用于在软至中等强度黏土中对离散喷射注浆构型进

  来源：Buildings

  时间：2026-09-13

• 基于时差成像与迁移学习利用人工智能对牛胚胎发育进行智能监测

  时差培养箱系统可实现胚胎发育的连续、非侵入式监测；然而，鉴定发育阶段仍需要大量人工评估，导致过程耗时、费力且可能存在主观性。研究人员在合成输卵管液（synthetic oviductal fluid, SOF）与 Gx-TL™ 培养基中对牛胚胎进行培养，并利用

  来源：Future Internet

  时间：2026-09-13

知名企业招聘：