-
深度子空间聚类:一种基于机制的综述
• 明确了深度子空间聚类和一般深度聚类之间的区别。
• 提出了一种基于视图设置和潜在空间结构属性的双轴分类法。
• 分析了表示学习、自我表达和跨视图协作机制。
• 识别了稀疏性、连通性、鲁棒性和可扩展性之间的关键权衡。
• 总结了基准实践、应用、开放性挑战和未来方向。
引言
随
来源:Neurocomputing
时间:2026-10-20
-
脑卒中前的功能状态与机械血栓切除术后的预后:系统回顾和荟萃分析
摘要
引言
机械取栓术(MT)是一种血管内治疗方法,适用于缺血性中风(IS)中的大血管和中血管阻塞情况,其再通率超过80%,临床效果良好。然而,对于已有功能障碍的患者,该疗法的益处仍不明确,因为这些患者通常
来源:The Neuroradiology Journal
时间:2026-10-20
-
儿童颅颈交界区损伤:单中心回顾性分析
摘要目的颅颈交界区是一个独特的结构,由枕寰关节、寰枢关节及其相关韧带组成。本研究旨在描述我院收治的颅颈交界区损伤儿童的临床表现、创伤机制、临床及影像学发现、治疗方式及预后。方法我们回顾性分析了2016年1月至2024年6月间在我院治疗的所有颅颈交界区损伤患者。颅颈交界区损伤定
来源:Child's Nervous System
时间:2026-10-20
-
心像缺失症超越意象:内感受、神经发育与早期经历
摘要先天性心像缺乏症是指终身无法产生自主视觉意象的状态。意象能力在个体之间存在显著差异,并可能为我们了解更广泛的认知、情感和内感受功能模式提供洞察。然而,意象差异在个体差异研究中仍然缺乏充分探讨。本研究旨在考察意象生动性的差异是否与身体意识、神经发育特征以及早期生活经历相关。
来源:Personality and Individual Differences
时间:2026-10-20
-
基于时分复用神经网络的手写数字到二进制光电混合计算
•该架构采用七个可训练的时间序列振幅掩模,结合手写数字输入图像,有效地将具有挑战性的16类分类任务分解为四个并行运行的2类分类通道,并在时间序列中采用海明校验机制。•我们开发了一种具有定制激活函数和池化操作的两阶段训练策略。该方法实现了光学组件与电子组件之间的协同优化。•所提
来源:Optics and Lasers in Engineering
时间:2026-10-20
-
基于人工神经网络和概率圈的长江口风暴潮预报系统
**摘要**
基于人工神经网络的台风路径预测和概率圈驱动了ADCIRC增水预报。米塔格台风的集合模拟显示增水幅度存在较大变异性。各站增水范围为:陆昌港0.20–0.85米、岱山0.16–0.79米、中均0.12–0.99米。增水超过0.5米的概率在各站分别达到79%、55%
来源:Ocean Modelling
时间:2026-10-20
-
基于图神经网络的稀疏观测条件下空间重构数据同化
• 基于图神经网络的数据同化方法已被开发用于稀疏观测。
• 多跳消息传递机制实现了长距离信息的传播。
• 在远离观测点的位置实现了有效的重建。
1. 引言
1.1. 传统数据同化的背景与挑战
海洋预报,无论是基于数值模拟还是深度学习预报模型,都从根本上依赖于数据同化系统
来源:Ocean Modelling
时间:2026-10-20
-
TriFragMamba:一种用于分子性质预测的三通道分子表示框架
•TriFragMamba:一种用于分子性质预测的三通道框架。•DL-DMPNN连接原子级别与BRICS碎片级别的消息传递。•将基于DFS的Mamba序列编码与专家定义的指纹相结合。•动态通道注意力学习跨表示通道的样本依赖权重。引言分子性质预测是计算机辅助药物发现(CADD)
来源:Computational and Theoretical Chemistry
时间:2026-10-20
-
一种用于加速多孔地质材料渗流破坏预测的正向-逆向卷积神经网络框架
# 一种用于渗流破坏分析的前向-逆卷积神经网络模型
- 一种用于渗流破坏分析的前向-逆卷积神经网络模型
- 光滑粒子流体动力学变量被转换为结构化图像
- 前向模型快速准确地捕捉失效带形态
- 从等效塑性应变图像识别岩土材料特性
## 引言
在多孔塑性介质中研究复杂物理过
来源:Engineering Applications of Artificial Intelligence
时间:2026-10-20
-
基于田口-灰色关联分析与人工神经网络混合方法对Ti-6Al-4V合金激光粉末床熔融工艺参数的优化与预测
•本研究采用田口-GRA(灰色关联分析)和ANN(人工神经网络)方法优化Ti-6Al-4V的L-PBF(激光粉末床熔融)参数,以降低表面粗糙度和尺寸偏差。•最优设置(激光功率175 W,扫描速度1200 mm/s,光斑间距70 μm)实现了优异的打印质量。•GRA将光斑间距识
来源:Engineering Applications of Artificial Intelligence
时间:2026-10-20