-
热储存罐系统的性能提升:受金桶仙人掌结构启发的创新设计
Karem Elsayed Elfeky|Abubakar Gambo Mohammed|Walid Gaber Alshaer|Jiaqi Wang|Kun Ge哈尔滨工程大学动力与能源工程学院,中国哈尔滨 150001摘要在填充床式热能储存系统中,有限的热传递速率限制了充放电
-
超短期风电预测:基于误差分布特性及引导性修正方法提升可靠性
贾子瑶|尚磊|贾亚蕾武汉大学电气工程与自动化学院,中国武汉,430072摘要现有的风力发电预测研究主要集中在提高预测准确性上,而忽视了预测结果的可靠性。考虑到风力发电预测的过高估计可能会影响电网的安全运行,本研究提出了一种超短期风力发电预测方法,该方法结合了预测误差分布的特性并应
-
一种双重稳健的机器学习方法,用于估计种族/民族和性别在不良童年经历与自杀倾向之间的关系中的差异
阿德里安·哈里斯(Adrian Harris)|卡拉·埃默里(Kara Emery)|阿里埃尔·H·谢夫塔尔(Arielle H. Sheftall)麦西尔弗贫困政策与研究学院(McSilver Institute for Poverty Policy and Research)
来源:JOURNAL OF THE AMERICAN ACADEMY OF CHILD AND ADOLESCENT PSYCHIATRY
时间:2026-05-20
-
人性化人工智能:员工如何利用技术来提升自身福祉
安东尼奥·奇米诺(Antonio Cimino)|文森佐·科维尔洛(Vincenzo Corvello)|弗朗切斯科·隆戈(Francesco Longo)|维托里奥·索利纳(Vittorio Solina)|阿莎·托马斯(Asha Thomas)•推动人工智能人性化的心理因素•
来源:TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE
时间:2026-05-20
-
了解那些难以完全掌握的工具:在生成式人工智能的实践社群中运用“拼凑式创新”(Bricolage)的方法
里卡多·科埃略·达席尔瓦(Ricardo Coelho da Silva)|查尔斯-克莱门斯·吕林(Charles-Clemens Rüling)|拉菲·杜伊梅德吉安(Raffi Duymedjian)|莱德·泽尼洛维奇(Leid Zejnilovic)•生成式人工智能工具具有某
来源:TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE
时间:2026-05-20
-
人工智能知识耦合与传统产业创新网络的结构稳健性:互补性与替代性的调节作用
王佳杰|程晓玲•人工智能知识的重叠性和多样性对产业网络鲁棒性分别产生倒U形影响•互补性会加剧倒U形曲线,而替代性则会使其趋于平缓•实证分析涵盖了544个中国制造业领域的8616个行业年度数据•将人工智能整合的评估重点从绩效提升转变为网络韧性和安全性•确定了最佳耦合范围,超过该范围
来源:TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE
时间:2026-05-20
-
采用结构工程技术的MOCVD法和溅射法制备的GaN光阳极在光电化学氢演化反应中的比较研究
康浩宇|陈志豪|刘建豪|李明祥|陈宇斌国立清华大学动力机械工程系,新竹市,300,台湾摘要氮化镓(GaN)具有宽禁带和高化学稳定性,是一种有吸引力的光电化学(PEC)水分解光阳极材料。GaN薄膜通常通过金属有机化学气相沉积(MOCVD)方法制备,但该工艺的高成本和环境负担促使人们
来源:International Journal of Hydrogen Energy
时间:2026-05-20
-
应用机器学习技术,利用热重分析(TGA)数据预测棕榈生物废弃物纤维的催化热解过程
Soumia Atoui|Ahmed Belaadi|Mostefa Bourchak|Mudassir Hussain Tahir|Djamel Ghernaout|Boon Xian Chai•ANN26模型在所有数据集上的预测准确度(R²值)超过0.99996,能够有效预测
来源:Industrial Crops and Products
时间:2026-05-20
-
在伊朗的科学技术创新(STI)战略中优先考虑纳米技术和微尺度技术:基于德尔菲方法的预见性框架
Reza Hafezi|Abolfazl Zinati|Sarfaraz Hashemkhani Zolfani•基于Delphi的框架对91项纳米/微技术进行了STI战略评估。•Real-Time Delphi模型将技术成熟度(TRL)、国家技术路线图(NTRL)和政策导向整合
-
基于背景信息的合成数据生成以及自适应感兴趣区域(ROI)更新方法,用于定制设计的标签的子组件检测
埃姆雷·埃尔坎(Emre Erkan)•基于背景信息的合成数据有助于缩小合成数据与真实数据之间的差距。•自动化的数据生成和标注流程减少了真实数据的标注时间和成本。•与之前的研究相比,实际测试的成功率从56.71%提升到了99.87%。•自适应的投资回报率(ROI)更新方法将推理时
来源:Expert Systems with Applications
时间:2026-05-20