• 基于混合贝叶斯和深度学习的医学成像设备退化建模方法，适用于多条件下的医疗物联网数据流

  赵宇希|李汉宇|李振林|李康|王长曦•一种结合多条件贝叶斯建模和在线条件注意力双向长短期记忆网络（BiLSTM）的混合变化点检测框架，用于CT X射线管。•利用IoMT平台提供的全生命周期灯丝电流数据，开发了一种多条件贝叶斯高斯过程模型，用于估计变化点的后验分布。•引入了一种基于

  来源：RELIABILITY ENGINEERING & SYSTEM SAFETY

  时间：2026-05-31

• 一种针对大规模系统的新颖数据驱动型定量韧性评估方法

  刘佳颖|张军|田青峰|吴蓓摘要为应对灾害对系统造成的损害，韧性理论为传统风险理论提供了一种更广泛且更实用的替代方案。然而，对大规模系统的韧性评估面临数据量大和灾害情景复杂的挑战。本文提出了一种基于数据的框架，用于大规模系统的韧性评估。首先，定义了一个标准化的数据集结构，并开发了一

  来源：RELIABILITY ENGINEERING & SYSTEM SAFETY

  时间：2026-05-31

• 将遮挡完成方法适配用于扫描到BIM（建筑信息模型）的自动化流程

  哈里塔·贾亚辛格（Haritha Jayasinghe）| 伊奥安尼斯·布里拉基斯（Ioannis Brilakis）•数据泄露是点云补全在真实世界扫描中失败的关键原因。•提出了一种经过修正的基准测试方法，用于在没有边界框泄露的情况下进行评估。•提出了改进措施，以帮助学习物体边界

  来源：AUTOMATION IN CONSTRUCTION

  时间：2026-05-31

• 可扩展的动力学建模技术：用于水热液化过程以实现商业化应用

  王志涵|王梓欣|萨布丽娜·萨默斯|舒沃·保罗|达武德·米尔扎伊|张圆辉伊利诺伊大学厄巴纳-香槟分校农业与生物工程系。美国伊利诺伊州厄巴纳市宾夕法尼亚大道1304号，邮编61801摘要水热液化（HTL）的放大受到动力学复杂性和尺度依赖性传输现象的限制，此外还有资本成本的问题。一个能

  来源：ENERGY CONVERSION AND MANAGEMENT

  时间：2026-05-31

• 迈向空中交通管制中工作负荷耐受性的个性化框架：一种心理生理多模态数据方法

  顾秋丽|王莉莉中国民用航空大学安全科学与工程学院，天津，中国摘要空中交通管制员（ATCOs）是空中交通管理系统安全高效运行的核心，他们个人承受工作负荷的能力对于维护航空安全至关重要。现有关于ATCO工作负荷的研究主要依赖于群体层面的平均模型，缺乏能够预测个人工作负荷承受能力和发出

  来源：International Journal of Industrial Ergonomics

  时间：2026-05-31

• 综述：用于超级电容器的功能性纳米结构：金属离子调控、界面工程与杂化技术

  法扎尔·乌尔·尼萨 | 沙赫扎德·萨夫达尔 | 穆罕默德·塔希尔 | 米兹娜·纳西姆 | 瓦希德·艾哈迈德 | 穆罕默德·阿马尔 | 丹·卢 | 布什拉·法亚兹 | 梅赫伦·尼萨 | 玛丽亚·艾哈迈德 | 谢扎·穆萨拉特 | 阿卜杜勒·哈西卜·巴蒂 | 陈鹏 | 伊拉姆·阿卜杜勒

  来源：Energy Storage Materials

  时间：2026-05-31

• 基于傅里叶引导的注意力上采样技术在图像超分辨率中的应用

  崔大俊|卢友灿|李镇亨|金德洙韩国技术教育大学（KOREATECH），全罗南道天安市，31253，大韩民国摘要我们提出了傅里叶引导注意力（FGA）算法，这是一种轻量级且通用的单图像超分辨率上采样模块。虽然传统的亚像素卷积等方法仍然高效且被广泛采用，但它们往往无法恢复高频细节，并且

  来源：Image and Vision Computing

  时间：2026-05-31

• 秘鲁青少年从家庭和朋友那里获得的感知社会支持、自尊心，以及这些因素与学校适应和生活满意度之间的关联：一种结构方程建模方法

  作者：Salatiel Malca-Peralta、Percy G. Ruiz-Mamani、Rut Yaquelin Miquilena-Reyes、Josué Turpo-Chaparro、Joel Palomino-Ccasa•本研究使用SEM（结构方程模型）来探讨来自家庭

  来源：Acta Psychologica

  时间：2026-05-31

• 基于广义纳什均衡视角的智能充电网络中电动汽车供电设备协同任务卸载：一种分布式边缘计算方法

  电动汽车（EVs）的快速增长导致电动汽车供电设备（EVSE）的广泛部署，其产生海量数据，需要实时处理以确保充电的高效与安全。然而，EVSE有限的计算资源在处理数据密集型且延迟敏感的任务时面临巨大挑战。分布式边缘计算（Distributed Edge Compu

  来源：COMPUTERS IN INDUSTRY

  时间：2026-05-31

• 利用轻量级区块链和自适应模型选择技术，实现安全可靠的集群式联邦学习，以支持基于网络的医疗数据分析

  摘要AI摘要要查看此由AI生成的摘要，您必须具有高级访问权限。了解更多登录摘要摘要使用基于网络的医疗分析技术扩大了人们对机器学习（ML）和AI驱动的云模型的访问范围，但同时也带来了隐私和安全方面的挑战。联邦学习（FL）已被用来解决数据隐私问题；然而，当前的FL架构依赖于集中式聚合

  来源：ACM Transactions on the Web

  时间：2026-05-31

知名企业招聘：