• 基于人工智能(AI)运动学建模分析重度脑瘫(CP)精英硬地滚球(Boccia)运动员个体化常规学习过程的辅助技术(Assistive Technology, AT)结局测评：一项纵向单病例系列研究

  目的：本项纵向单病例系列研究评估了一种基于人工智能(AI)的常规学习系统作为辅助技术(Assistive Technology, AT)，应用于患有重度脑瘫(Cerebral Palsy, CP)的精英硬地滚球(Boccia)运动员。研究旨在通过整合表现分数与

  来源：Chemosensors

  时间：2026-03-04

• 改进外周静脉导管维护的在线机械脉冲方法

  世界卫生组织（WHO）已将与外周静脉导管（PIVC）相关的感染确定为一项重大健康负担，影响不同国家和收入水平类别的患者，值得医护人员和研究人员特别关注。全球多达70%的住院患者需要PIVC置入，使其成为当前医疗实践中最常执行的有创操作之一。WHO预防PIVC相

  来源：Chemosensors

  时间：2026-03-04

• 语音分析作为数字生物标志物：一种用于自动化多发性硬化分类的机器学习方法

  背景/目标：语音分析是一种非侵入性工具，能够捕捉多发性硬化（Multiple Sclerosis， MS）中的细微运动障碍。本研究的目标是开发和验证一个机器学习（Machine Learning， ML）框架，通过声学语音分析实现MS的自动分类。方法：一个30

  来源：Multiple Sclerosis and Related Disorders

  时间：2026-03-04

• 基于CMIP6多模型数据融合的长江流域干旱识别：传统方法与机器学习方法对比

  本研究对比了应用于长江流域（Yangtze River Basin, YRB）干旱识别时，传统的CMIP6数据融合方法与机器学习（Machine Learning, ML）融合方法的优势与局限性。研究人员考虑了三种传统融合方法和五种机器学习融合方法，基于长江流

  来源：Water

  时间：2026-03-04

• 全球视角下双酚类化合物(Bisphenol Compounds, BPs)去除技术的研究进展与热点——1994至2023年文献计量分析

  摘要：双酚类化合物（Bisphenol Compounds, BPs）广泛用于工业生产，因其高危环境风险威胁人类健康与生态安全而备受科学界关注。为此众多研究人员致力于开发先进技术以应对BPs污染。本研究采用文献计量分析（Bibliometric Analysi

  来源：Water

  时间：2026-03-04

• 综述：基于文献计量学的养殖废水处理技术研究热点与趋势分析

  本研究采用文献计量学方法，系统分析了2000年至2024年间养殖废水处理领域的研究趋势。通过利用Citespace6.1软件对Web of Science核心合集和中国知网（CNKI）核心期刊数据库进行知识图谱与关键词共现分析，研究人员旨在阐明现有研究格局中的

  来源：Water

  时间：2026-03-04

• 基于图像边界不确定度量化的豆浆固形物含量可靠测量方法

  摘要：豆浆固形物含量（soymilk solid content, %）是食品制造中与产品分级及法规符合性直接相关的关键质量指标。传统光学折射仪（optical refractometer）测量常受刻度边界模糊及主观读数误差影响，在不同光照条件下重现性差。本研

  来源：Journal of Sensor and Actuator Networks

  时间：2026-03-04

• 综述：生成式人工智能作为通用目的技术：基础、应用及至2030年的劳动力市场影响

  生成式人工智能（Generative AI）已从一个研究里程碑转变为一种具有广泛影响的通用目的技术（General-Purpose Technology），其影响涉及组织、劳动力市场和信息系统。得益于深度学习的进步、生成对抗网络（GANs）、变分自编码器（VA

  来源：Big Data and Cognitive Computing

  时间：2026-03-04

• 综述：杂草和害虫控制机器人创新：前沿研究的系统综述

  近年来，农业因机器人和自主车辆的出现而开始转型，这些机器能够智能且精准地执行除草和喷洒等复杂操作。事实上，新一代农业机器人使用人工智能（AI）、摄像头和传感器来识别杂草、分析作物状况，并仅在必要时施用植物保护产品，从而减少浪费和环境影响。一些系统结合了无人机和

  来源：Machine Learning and Knowledge Extraction

  时间：2026-03-04

• 基于核的最优子空间（KOS）：一种数据分类方法

  支持向量机（Support Vector Machine, SVM）是一种广受欢迎的基于核（kernel-based）数据分类方法，已在广泛的实际应用中展现出较高效率。然而，SVM 仍存在若干局限性，包括：优化过程可能失败，尤其是在高维空间中；计算成本本质上较

  来源：Machine Learning and Knowledge Extraction

  时间：2026-03-04

知名企业招聘：