• 一种物理辅助的最优 LSTM 数字孪生框架，用于可再生能源发电系统的实时状态监测

  摘要 数字孪生建模为可再生能源发电系统的实时状态监测提供了一种有效方法，但在建模精度与计算效率之间取得平衡仍然具有挑战性。本文提出了 PhyOLNet，一种用于可再生能源系统轻量化数字孪生建模的物理辅助最优长短期记忆（LSTM）框架。与直接耦合物理模型和数据驱动模型的传统混合

  来源：Neurocomputing

  时间：2026-09-13

• 物理先验引导的Mamba-Transformer网络用于水下单目深度估计

  **摘要** 水下单目深度估计仍然具有挑战性，因为介质依赖的图像退化（包括波长依赖的衰减、散射、低对比度和模糊边界）削弱了与深度相关的视觉线索，并降低了跨域鲁棒性。为了减轻退化引起的线索损坏和有限的跨域鲁棒性，我们提出了一种基于物理先验的Mamba-Transformer框架用

  来源：Neurocomputing

  时间：2026-09-13

• CTB-NLFIC：内容感知与目标码率感知的神经光场图像压缩

  •一种新颖的神经伪视频光场图像（LFI）压缩方法。•一个轻量级网络通过LFI内容和目标码率预测最优稀疏模式。•一种LFI适配的具有层次化视图合成的神经视频编解码器。•一个增强层选择性优化低质量视图以实现角一致性。引言四维（4D）光场图像（LFI）是一种代表性的结构化视觉信号，

  来源：Displays

  时间：2026-09-13

• 基于傅里叶神经算子与U-Net网络结合的锂离子电池荷电状态估计方法——适用于动态温度和不同工作条件

  摘要 锂离子电池荷电状态（SOC）的高精度估计对于储能系统的动态响应性能至关重要。然而，在动态温度与复杂工况的耦合效应下，环境温度波动和输入信号的非稳态振荡会导致传统SOC模型的参数识别产生显著误差。为解决此问题，本研究提出了一种混合U-FNO模型，将U-Net的多尺度特征

  来源：Journal of Energy Storage

  时间：2026-09-13

• 用于快速预测降雨-潮汐复合城市排水的响应模式感知图神经网络

  •节点尺度响应机制揭示了空间集中的水力热点。•响应监督的更新分配针对高响应和热点状态。•潮汐记忆增益和学习门控与SWMM衍生响应诊断相一致。引言沿海城市排水系统日益受到复合降雨和下游水位强迫的影响，包括风暴潮、高天文潮和河流倒灌（Green et al., 2025, Zsc

  来源：Journal of Hydrology

  时间：2026-09-13

• 时空多边形模糊惯性神经网络的事件触发准同步：离散建模与仿真框架

  摘要 本文研究了在离散时空建模框架下带有时间延迟的多边形模糊惯性神经网络（PFINNs）的准同步问题。通过引入惯性动力学、反应-扩散效应、时间延迟和多边形模糊突触权值，建立了一个统一的主-从模型，以描述复杂动力学系统中耦合的时间记忆和空间相互作用机制。针对参数失配和通信约束问

  来源：Mathematics and Computers in Simulation

  时间：2026-09-13

• 团聚硫化矿粒床中动态水分运移：非局域扩散模型与神经网络重构耦合方法及其在工业堆浸堆中的应用

  **研究亮点** - 非局部扩散算子可捕捉矿床中随深度变化的含水率 - 通过Banach不动点论证求解闭式谱级数 - 闭式谱级数避免了每一步都求解三维偏微分方程 - 前馈神经网络（FNN）从植物数据重建水力传导率和非均质性 - 模型可重现浸渍、过渡和平台含水率阶段 ---

  来源：Powder Technology

  时间：2026-09-13

• 数据引导的CO₂激光直写仿生蛛网双网络水凝胶应变传感器

  •BP神经网络以6.72%的MAPE预测PAM/SA拉伸行为。•CO₂激光直写制备可编程蛛网状DN水凝胶。•Cu²⁺、Li⁺和碳纳米管构建了耦合的离子/电子导电网络。•蛛网拓扑结构改善了应力分散和循环稳定性。•该传感器可追踪关节运动和语音引起的面部微变形。引言柔性可穿戴传感器

  来源：Sensors and Actuators A: Physical

  时间：2026-09-13

• 列式RandONets：面向参数化偏微分方程的方向结构化随机投影算子学习

  # 摘要 基于随机投影的算子网络（RandONets）已表明，具有固定随机嵌入和闭式最小二乘训练的浅层算子学习器能够以快速且精确的方式近似一维的线性及非线性算子。然而，将其直接推广到二维参数化偏微分方程（PDE）并不能通过简单地倍增输入维度来实现。如果将二维场展平为一个长向

  来源：Communications in Nonlinear Science and Numerical Simulation

  时间：2026-09-13

• 面向连续与跳跃激励联合作用下随机动力响应预测的深度神经网络—蒙特卡罗框架

  高斯白噪声和泊松白噪声被广泛用于建模连续随机激励和跳跃随机激励，两者联合作用的综合效应相比单一噪声类型能更真实地模拟实际系统环境。在此类联合噪声激励下，系统的随机响应通常通过求解相应的前向Kolmogorov方程获得。然而，泊松白噪声的引入将相应方程转化为积分-微分形式或涉及

  来源：Communications in Nonlinear Science and Numerical Simulation

  时间：2026-09-13

知名企业招聘：