• 用于重油的电加热辅助SAGD和VHSD技术：机理、优化及碳排放减少

  何康|黄思源|王宏愿|王中原|姜琦|金哲辉|Ian D. Gates|李坤成|姜冠辰 中国西南石油大学油气水库地质与开发国家重点实验室 摘要：随着浅层重油储量的枯竭以及基于蒸汽的采收方法面临的日益严峻的碳约束，亟需更高效、更可持续的提取技术。本研究建立了一个统一的分析和

  来源：Geoenergy Science and Engineering

  时间：2026-05-10

• 基于机器学习的盐水–二氧化碳–矿物体系中润湿性预测：迈向可靠的地质碳储存技术

  **Mohammadali Ahmadi** **化学与石油工程系，沙里夫科技大学（SUT），德黑兰，伊朗** **摘要** 理解盐水–CO2–矿物系统中的润湿行为对于预测地质碳储存的效率和长期安全性至关重要。在这项研究中，我们结合了统计特征分析、机制解释和先进的机器学习方

  来源：Geoenergy Science and Engineering

  时间：2026-05-10

• TGRF-CLIP：基于CLIP的文本引导的视觉残差融合方法，用于少样本异常检测

  严洪亮 | 徐新顺山东大学软件学院，中国山东省济南市，250101摘要少量样本异常检测（FSAD）在工业质量检测中仍然是一个关键挑战。基于对比语言-图像预训练（CLIP）的现有方法通常会冻结文本编码器以保持泛化能力，仅依赖于手工制作的提示模板和端到端训练，这限制了它们动态适应工业

  来源：Expert Systems with Applications

  时间：2026-05-10

• 一种结合数据驱动最小/最大值的全新TOPSIS排序方法

  宋大永|古英勋|崔信旭|金在元|朴炫宰|金京泰 韩国国防发展局第三研发研究所第二项目管理办公室，首尔05771 摘要 本文提出了一种新的排序方法——TOPSIS-Sort-S with min/max，该方法利用了从每个标准的内在最小值和最大值派生的特征谱。这些特征

  来源：Expert Systems with Applications

  时间：2026-05-10

• 基于机械特征令牌的掩码重构技术，实现可变工况柴油发动机的零样本故障预警

  朱世龙|莫航峰|姬淑德|蒋志勇|冯福州|毛志伟 教育部长官发动机健康监测-控制与网络化重点实验室，北京化工大学，北京100029，中国 摘要 柴油发动机故障的早期检测对于运行安全和效率至关重要，但在多变的工作条件下，由于信号干扰强烈和标记故障数据有限，这一任务仍然充

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-05-10

• 在压缩领域中，将Mamba语义对齐技术与知识蒸馏方法相结合，应用于人与机器视觉

  王世培|魏娇|黄坤强|杨超|黄新鹏|平安特种光纤与光接入网络重点实验室，特种光纤与先进通信联合国际研究实验室，上海先进通信与数据科学研究院，上海大学通信与信息工程学院，中国上海200444摘要随着对图像压缩需求的增长，这种压缩需要同时服务于人类视觉和机器视觉，确保两者的高性能仍然

  来源：Digital Signal Processing

  时间：2026-05-10

• 水下声学通信信号的低复杂度调制识别技术

  周雷 | 江伟华 | 吴峰 | 倪伟佳 | 徐凌吉 厦门大学海洋与地球科学学院，中国福建省厦门市361005 摘要 水下声学（UWA）通信信号的自动调制识别（AMR）在信号解调、信号监测、干扰识别和水下电子对抗措施中至关重要。然而，UWA信道的时变特性和多径干扰对调

  来源：Digital Signal Processing

  时间：2026-05-10

• DA-TokenPose：一种结合全局-局部协同的双重注意力引导的TokenPose方法，用于人体姿态估计

  李海生|黄翠娟广西师范大学广西脑启发计算与智能芯片重点实验室，中国广西桂林市541004摘要人体姿态估计旨在从图像或视频中准确推断人体关键点的空间位置。现有方法往往难以在全球上下文建模与局部几何细节细化之间取得平衡，这在复杂场景中限制了其准确性。为了解决这一问题，本文提出了一种双

  来源：Digital Signal Processing

  时间：2026-05-10

• ModeKoff：一种基于模态的高维数据变量筛选方法，具备FDR（False Discovery Rate）控制功能

  魏雄|张秦明 对外经济贸易大学统计学院，中国北京市朝阳区汇新东路10号 **摘要** 本文提出了一种新的度量方法——模态依赖指数（Modal Dependence Index，简称MoI），用于量化响应变量与多变量预测变量之间的模态依赖关系。通过利用众数（即高度偏态

  来源：Computational Statistics & Data Analysis

  时间：2026-05-10

• 汤普森（Thompson）、乌拉姆（Ulam）还是高斯（Gauss）？在具有二元结局的贝叶斯响应自适应试验中，针对后验概率计算方法的多标准推荐选择

  丹尼尔·卡达吉（Daniel Kaddaj）| 斯特夫·巴斯（Stef Baas）| 埃德温·Y.N. 唐（Edwin Y.N. Tang）| 大卫·S. 罗伯逊（David S. Robertson）| 卢卡斯·平（Lukas Pin）| 索菲娅·S. 维拉尔（Sofía S.

  来源：Computational Statistics & Data Analysis

  时间：2026-05-10

知名企业招聘：