-
迈向联邦长尾图学习:一种能量引导的双解耦方法
摘要
联邦图学习(Federated Graph Learning)通过在分布式客户端之间进行协作图建模来保留数据隐私。然而,现实世界中的数据类别通常呈现长尾分布。这种统计稀缺性从两个方面严重降低了性能:它使全局模型偏向于多数类别,并且通过异质性的、头部主导的邻域将少数节点
来源:Knowledge-Based Systems
时间:2026-09-06
-
能源消费预测的宏微观协调优化:一种双层双分数阶神经ODE灰色模型
**引言**
中国能源系统正处于从高碳化石燃料系统向现代清洁低碳能源系统转型的关键节点。在双碳目标约束下,能源结构呈现"煤炭仍为主力能源,但其占比持续下降,清洁能源快速发展"的双重特征(Wang等,2025a)。准确预测该系统的中长期演变,不仅对于评估现行政策的有效性至关重
来源:Journal of Cleaner Production
时间:2026-09-06
-
瑜伽干预对健康青年情绪调节和心脏自主神经活动的影响:一项随机对照试验方案
摘要
**背景**
情绪调节是一个关键的心理学过程,与情绪健康、适应性功能和心理健康密切相关。由于学业、社会和情绪压力,情绪调节困难在大学学生中尤为普遍。新兴证据表明,瑜伽可能通过影响认知和生理调节机制来改善情绪调节。然而,现有研究主要依赖自评量表,很少在主动情绪调节任务
来源:Journal of Bodywork and Movement Therapies
时间:2026-09-06
-
水相中三苯[3]芳烃羧酸盐的多样化主-客体识别 可购买
打开图片查看器
我们报道了一种水溶性大环化合物ExBP3C,该化合物可与20种客体结合形成明确的1 : 1复合物,
来源:Organic and Biomolecular Chemistry
时间:2026-09-06
-
面向增材制造层间过渡的序贯物理信息神经网络在激光定向能量沉积温度场预测中的应用
# 摘要
激光定向能量沉积(LDED)中的热演化主导着微观组织的演变和残余应力的形成,因此准确的温度场预测至关重要。有限元方法(FEM)已被广泛应用于LDED热分析,但其实施和网格划分仍然繁琐。数据驱动方法提供了一种代理建模途径,但其黑箱性质和对标注数据的依赖限制了可靠性和
来源:Journal of Manufacturing Processes
时间:2026-09-06
-
从期权投资者情绪和套利限制中学习期权定价误差
• 期权投资者情绪和套利限制有助于解释SSE 50 ETF期权定价误差。 • 混合神经网络改进了BS、Heston和Kou基准价格。 • 定价误差修正在2025年按时间顺序的测试中保持有效。 • SPX期权显示出类似但较小的来自两个状态变量的收益。
引言
金融衍生品在现代
来源:Journal of Empirical Finance
时间:2026-09-06
-
物理信息神经网络预测3Cr-1Si-1Ni超高强度钢的高温流动应力
•提出了首个物理信息神经网络(PINN)模型,用于预测金属的高温流变应力。•构建了物理嵌入和物理约束作为物理引导。•与人工神经网络(ANN)和解析模型相比,实现了显著提升的精度。•与ANN相比,展现了更优的数据效率和鲁棒性。引言许多现代制造过程,包括焊接[1]、锻造[2]、轧
来源:European Journal of Mechanics - A/Solids
时间:2026-09-06
-
基于多保真度傅里叶神经算子的高效高保真度风-交通-桥梁系统动力学模拟与可靠性评估
# 摘要
在耦合随机风荷载与交通荷载作用下,准确模拟大跨度桥梁的动力响应对于评估结构完整性和运行安全性至关重要。高保真(HF)全耦合仿真虽然精确,但在需要大量重复评估的应用(如可靠性评估)中计算代价过于高昂。现有的代理模型虽然具有效率优势,但往往依赖于简化处理而牺牲了保真度
来源:Engineering Structures
时间:2026-09-06
-
神经问题生成研究综述:方法、挑战及未来方向
摘要AI 摘要要查看此AI生成的摘要,您需要拥有高级访问权限。了解更多登录摘要摘要问题生成(Question Generation)的目标是从知识库、自然语言文本和图像等多种输入中自动生成相关且有意义的问题。随着神经网络架构的快速发展,神经问题生成(Neural Questi
来源:ACM Computing Surveys
时间:2026-09-06
-
通过Lipschitz正则化增强恒定曲率图卷积网络的鲁棒性
摘要AI
要查看此由AI生成的摘要,您必须具有高级访问权限。了解更多信息请登录。
摘要
非欧几里得空间由于其几何属性,本质上能够为层次化和循环数据提供高保真嵌入。现有的方法在恒定曲率空间的框架内统一了双曲和球面嵌入。然而,当前的Lipschitz正则化方法仅限于非正曲率几何体,
来源:ACM Transactions on Knowledge Discovery from Data
时间:2026-09-06