生物通官微陪你抓住生命科技跳动的脉搏
通过具备认知不确定性意识的可靠且可解释的表示学习方法,实现超材料的逆向设计
陈江策|艾鲁迈希评审团|尼基尔·古普塔 纽约大学坦登工程学院机械与航空航天工程系复合材料与力学实验室,美国纽约布鲁克林11201 **摘要** 超材料使得在紧凑、高性能系统中实现先进应用成为可能,例如软体机器人和机械神经网络,在这些系统中,连续且独立地调节有效属性至
来源:Engineering Applications of Artificial Intelligence
时间:2026-04-28
“像比赛一样训练”?比较女性青少年足球学院球员在训练和比赛中的技术和运动能力特征,以及生长发育对其的影响
摘要 尽管对女子足球的投资不断增加,但针对女性特有的人才培养研究仍然有限。本研究考察了英格兰一家职业女子青少年足球学院中,训练活动与比赛在技术和动作需求方面的年龄及成熟度相关差异。研究观察了52名(U12–U15年龄段)球员在两场比赛和八次训练课中的表现,每次训练都使用了安装
来源:International Journal of Performance Analysis in Sport
在水边:极端浅水环境中的摄影测量技术
摘要:海岸、河流和湖泊环境在人类社会的发展中发挥了核心作用,然而在这些滨海环境中定位和记录这些活动痕迹却十分困难。陆地 survey 方法在水边达到极限,而海洋地球物理设备在深度小于1米的条件下往往难以发挥作用。这一“空白数据带”代表了方法上的长期空白,但却蕴含了大量信息。最近对
来源:Advances in Archaeological Practice
一种用于区域划分和短期犯罪预测的模块化时空方法 埃尔维拉·罗隆(Elvira Rolón)、 何塞·G·门德斯(José G. Méndez)和 罗伯托·皮查尔多(Roberto Pichardo)
摘要 在异质城市环境中进行犯罪预测仍然具有挑战性,这是因为地域异质性和复杂时间动态的综合作用。然而,现有文献中的大部分倾向于分别处理地域分割和预测建模,或者将它们结合在统一的工作流程中,这可能会掩盖它们各自的分析作用。本研究提出了一种模块化的时空分析方法,
来源:AppliedMath
策略的连续体:技术在家庭暴力危机情境中的滥用起到了推动作用
**摘要** 技术支持的虐待是家庭暴力中一种广泛认可的手段,在寻求危机庇护时具有特定的影响。通过对案例文件的内容分析,探讨了风险评估、安全规划以及支持幸存者安全的干预措施的关键特征,本文呈现了三个案例研究。这些案例展示了受害者在接受危机庇护时所面临的技术支持的虐待手段的复杂性
来源:Australian Social Work
用于减轻NG-EPON网络中四波混频效应的偏振控制方法 徐岩 和 王帅
摘要 为了满足日益增长的流量需求,NG-EPON协议的制定正在热烈讨论中。因此,对于NG-EPON的波长分配方案,采用O波段波长被认为是一个潜在的可行解决方案。尽管O波段的低色散特性可能会导致NG-EPON网络中出现四波混频(FWM)现象。本文研究了使用
来源:Photonics
基于振幅解析复平面的联合调制格式识别与OSNR监测技术——用于数字相干接收机 肖瑞月(Ruyue Xiao)、 郝明(Ming Hao)、 梁双(Shuang Liang)、 侯伟刚(Weigang Hou) 以及 唐建明(Jianming Tang)
摘要 联合调制格式识别(MFI)和光信噪比(OSNR)监测是数字相干接收机中集成到的最关键功能之一,确保了弹性光网络(EONs)的高灵活性和稳定性。由于信号幅度信息能够捕捉与调制格式相关的固有特性以及由OSNR变化引发的波动,因此提出了一种基于幅度解析复平
将弱剪切层破坏因素纳入边坡稳定性评估的高级方法
摘要 在澳大利亚的露天煤矿中,地面破坏爆破技术作为一种有前景的方法逐渐受到重视,它通过破坏薄弱地质层中的剪切平面连续性来减缓低边壁的失效。然而,支配其有效性的机制尚不完全清楚,优化其设计的方法也尚未确立。在这项研究中,我们提出了一个将破坏效应整合到边坡稳定性评估中的力学框架。
来源:International Journal of Coal Science & Technology
关于无线广播中具有大辅助向量的随机线性网络编码技术 Rina Su, Chengji Zhao, Qifu Sun, Linqi Song
摘要:最近的研究将随机线性网络编码(RLNC)与猜测随机加性噪声解码(GRAND)相结合,利用RLNC数据包在解码前部分纠正比特错误,从而降低无线广播网络中的数据包丢失率。然而,现有的方案仅限于有限域GF(2𝐿)上的标量RLNC。在本文中,我们首先为GF(2)𝐿上的向量R
来源:Entropy
M2AML:基于度量的、模型无关的元学习方法,用于少样本分类 韩晓明(Xiaoming Han), 史殿玺(Dianxi Shi), 王震(Zhen Wang), 杨少武(Shaowu Yang)
摘要 模型不可知元学习(MAML)和原型网络(ProtoNet)为少样本分类奠定了基础性范式。然而,MAML由于需要为每个新任务重建分类边界而存在优化不稳定问题。相比之下,ProtoNet缺乏在领域变化下进行任务特定参数调整所需的内部数学能力。为了解决这些
知名企业招聘: