• RIF-Fuse：一种具有残差增强功能的可逆频率分解方法，用于实现鲁棒的多模态融合 作者：杨安克（Anke Yang）、刘炳奇（Bingqi Liu）、刘明哲（Mingzhe Liu）、丁海华（Haihua Ding）、莫佩军（Peijun Mo）、赵成强（Chengqiang Zhao）、刘向和（Xianghe Liu）以及叶涛（Tao Ye）

  **亮点** **主要发现是什么？** 提出了一种基于残差增强的可逆频域融合框架RIF-Fuse，该框架能够明确分离红外图像和可见光图像中的低频结构和高频细节。引入了Haar残差增强机制来补偿高频响应的不足，从而改善纹理保留效果并减少训练过程中的细节损失。设计了一种基于频带

  来源：Remote Sensing

  时间：2026-05-13

• 基于近似最近邻搜索的EEG疲劳判断方法 崔英杰， 李旭， 陈忠贤， 李燕

  摘要：疲劳会严重影响工作效率并带来潜在的安全隐患，而脑电图（EEG）作为疲劳监测的宝贵生理指标，能够直接反映大脑的神经活动。EEG疲劳研究的一个关键特征是，疲劳前和疲劳后的EEG信号在特征空间上表现出明显的分离——这种分离是由于人体从正常清醒状态转变为疲劳状态时大脑电活动的显著变

  来源：Computers

  时间：2026-05-13

• 综述：云计算中科学工作流调度故障与入侵容忍性方法综述 Mazen Farid, Oluwatosin Ahmed Amodu, Heng Siong Lim, Jamil Abedalrahim Jamil Alsayaydeh, Mohammed Fadhl Abdullah, Faten A. Saif

  摘要 为了在云环境中提供可靠的服务，容错性可能是最重要的考虑因素。云服务对故障的固有敏感性会阻碍其性能和可靠性。因此，容错性成为维持可靠性的必要特性，但由于动态架构和复杂的相互依赖性，这很难实现。为了解决云服务可靠性问题，文献中已经开发了许多容错方法。本文

  来源：Computers

  时间：2026-05-13

• 用于啮齿动物生物实验的混响室的全波特性分析：方法论与实际加载影响研究

  摘要： 本研究提出了一种全面的全波数值剂量测量方法，用于在混响室（Reverberation Chambers, RCs）中进行的大规模啮齿动物生物测定。该方法改进了以往依赖于理想化平面波（Plane Wave, PW）叠加的方法。通过使用传输线矩阵（Transmission-

  来源：IEEE Women in Engineering Magazine

  时间：2026-05-13

• 基于机器学习的压力检测方法：利用稳健的心率变异性（HRV）特征及个体化的标准化处理

  本文介绍了一种基于人工智能（AI）的心电图（ECG）心理压力检测系统，该系统是护士数字辅助系统原型的一部分。该AI系统包括以下关键步骤：在初步预处理（包括ECG窗口划分和心跳检测）之后，从每个窗口的心跳中提取70个时间、频率和时间-频率域特征。所有这些特征都是心率变异性（HRV）

  来源：IEEE Access

  时间：2026-05-13

• 异位妊娠的早期准确诊断：一种基于SHAP的可解释机器学习方法

  宫外孕（EP）是导致孕产妇发病率和死亡率的重要原因，尤其是在妊娠前三个月。当受精卵在子宫腔外着床时就会发生这种情况，其中输卵管是最常见的着床部位。早期和准确的诊断对于预防输卵管破裂和出血等并发症至关重要。传统的诊断方法依赖于经阴道超声（TVUS）和连续的β-hCG检测，但这些方法

  来源：IEEE Women in Engineering Magazine

  时间：2026-05-13

• 利用SCADA数据进行风力涡轮机预测性维护的机器学习技术

  摘要： 本文提出了一种基于数据驱动的框架，用于早期检测风力涡轮机关键部件的异常情况，该框架仅使用 Supervisory Control and Data Acquisition (SCADA) 数据，从而无需额外的高成本 Condition Monitoring System

  来源：IEEE Women in Engineering Magazine

  时间：2026-05-13

• FairPromote：通过对抗性偏差消除和基于SHAP的解释方法，实现可解释且公平的人才晋升预测

  摘要： 人才晋升决策对组织的成功至关重要，然而传统的预测模型往往存在不透明性和历史数据中固有的偏见。这些“黑箱”系统不仅缺乏透明度，还会延续与性别和地理位置等敏感属性相关的歧视性模式，从而损害组织的公平性和员工的信任。此外，现有的评估指标难以量化高层管理的非结构化贡献，导致在复

  来源：IEEE Access

  时间：2026-05-13

• 改进的图正则化判别非负矩阵分解方法在半监督聚类中的应用

  ``` 摘要：非负矩阵分解（NMF）是一种有效的降维和表示学习技术，它通过学习低维的、基于部分的表示来捕捉非负数据的内在结构。通过结合少量的标签信息，半监督NMF可以进一步提升学习到的表示在聚类任务中的判别能力。在本文中，我们提出了一种改进的图正则化判别非负矩阵分解模型，称为I

  来源：IEEE Women in Engineering Magazine

  时间：2026-05-13

• TS-CNN-LSTM：基于脑电图（EEG）的情绪识别技术，该方法适用于混合主体群体和跨主体实验协议，并采用了变分模态分解（Variational Mode Decomposition）算法

  摘要： 利用脑电图（EEG）信号进行情感识别是情感计算领域的关键研究方向。现有的基于EEG的方法通常依赖于有限的特征表示，并且没有充分运用深度学习架构，这限制了它们捕捉EEG信号复杂的时域、空域和频谱特征的

  来源：IEEE Access

  时间：2026-05-13

知名企业招聘：