-
综述：个性化教育技术与人工智能发展——趋势、现状与未来
在过去几年中，关于人工智能（AI）在教育中的应用进行了大量研究。最新的AI成果对教育非常重要，因为它们扩展了学习机会，并能在新层面上支持个性化学习。个性化教育技术利用数据分析、机器学习和自适应学习算法，根据学习者的个体需求、偏好和能力来定制教育内容、学习路径和
来源：Applied Sciences
时间：2026-08-07
-
可解释人工智能技术及其应用：迈向透明、以人为本且可信赖的人工智能
可解释人工智能（XAI）已成为开发透明、可问责且以人为本AI系统的核心方法论。随着数据驱动模型日益部署于高风险与社会影响重大的场景，解释不仅被期望揭示模型行为，还需支撑验证、错误分析、公平性审计、监管合规及高效的人机协作。本社论引介“可解释人工智能技术及其应用
来源：Applied Sciences
时间：2026-08-07
-
一种针对行为问题的主动方法：为残疾学生设计的运动游戏自行车休息时间
许多儿童，尤其是残疾儿童，未达到每日推荐的身体活动量，这增加了不良健康结果的可能性。除了潜在的健康益处外，身体活动休息与学业参与度提高及刻板行为和离座行为减少相关。在自然情境（如学校）中增加身体活动时间至关重要。本文旨在描述两项试点研究，探讨将运动游戏自行车休
来源：Behavioral Sciences
时间：2026-08-07
-
基于TabPFN框架的滑坡易感性评估新方法：四川青川县域多模型比较研究
微藻脂质生产需要降低淡水需求的培养策略，同时保持生物质生产力并改善下游应用脂肪酸甲酯（FAME）谱质量。在此背景下，盐度是一个相关但仍未充分表征的因素，特别是对于Auxenochlorella protothecoides，其对盐胁迫在生长动态、脂质生产力及F
来源：Applied Sciences
时间：2026-08-07
-
荣誉学院顶尖培养能否促进顶尖创新人才的深度学习
采用比较分析和准实验设计（quasi-experimental design），本研究在18个月内进行了三轮问卷调查，纵向评估了一所大学荣誉学院（Honors College）学生的深度学习水平，以普通本科生作为对照组。旨在从动态视角考察两组学生在深度学习发展
来源：Behavioral Sciences
时间：2026-08-07
-
采用粉末硼源对钢和合金进行非接触式气相硼富集的方法研究
非接触式气相渗硼（contactless gas-phase boriding）适用于精密钢构件表面的强化，因为它避免了工件与渗硼介质之间的直接接触，从而有助于保持尺寸精度和表面粗糙度。为了解决传统气相渗硼中外部供应的含硼气态前驱体所带来的毒性、腐蚀性、易燃性
-
基于RSNGO优化VMD和CNN-BiLSTM-SAT的圆柱滚子轴承多故障诊断方法
针对圆柱滚子轴承在多故障状态下存在的特征耦合严重、故障信息提取困难以及识别精度不足的问题，研究人员提出了一种基于折射反向学习与正弦余弦算法改进的北方苍鹰优化算法（RSNGO）的多故障模式识别方法。RSNGO用于优化变分模态分解（VMD）以及卷积神经网络–双向长
来源：Machines
时间：2026-08-07
-
考虑时变参数与非高斯噪声的电动汽车半主动悬架状态估计方法
研究人员针对半主动悬架中时变物理参数与非高斯噪声非线性耦合导致的状态估计退化问题，提出一种自适应参数最大相关熵卡尔曼滤波（APMCKF）算法。首先通过台架试验建立含非线性阻尼的时变动力学模型，采用遗传算法（GA）全局优化关键物理参数以抑制模型失配。其次，APM
来源：World Electric Vehicle Journal
时间：2026-08-07
-
宽频稳定性特征域方法用于构网型直驱风电机组小信号稳定性分析
为准确评估构网型（Grid-Forming, GFM）直驱风电机组在时变运行条件和宽频率范围内的小信号稳定性，本文提出了一种宽频稳定性特征域方法。与跟网型（Grid-Following, GFL）风电机组不同，GFM控制依赖于功率环驱动的自同步而非锁相环（Ph
来源：Electronics
时间：2026-08-07
-
改进的多模型动态融合分类技术研究
现有的多模型融合方法通常采用一种全局固定的融合策略，将所有基模型及其权重规则统一应用于所有待分类样本和所有类别，从而缺乏对特定样本的适应性和类别特异性。大多数传统的动态选择和动态加权融合方法仅在样本层面实现全局参数调整，未考虑基模型在类别能力上的显著差异。当单
来源：Electronics
时间：2026-08-07
粤公网安备 44010602000434号