当前位置:首页 > 今日动态 > 技术与产品
  • 基于高分辨率质谱技术的真空瓦斯油的分子重构

    准确量化分子组成对石油炼制过程建模至关重要。本研究提出基于高分辨率质谱(HRMS)数据的新型真空气体油(VGO)分子重建方法,通过双目标优化策略同时匹配bulk性质与组成相似性,显著提升分子分布预测精度,验证了方法在VGO升级过程中的可靠性和鲁棒性。

    来源:Chinese Journal of Chemical Engineering

    时间:2026-02-14

  • ZSM-5蜂窝状整体材料的挤出工艺:确定沸石浆体塑性的系统方法及优化挤出加工性能的策略

    蜂窝状多孔体(HMZs)因可设计通道和均匀活性相分布而适用于高空间流速及磨损环境下的气体吸附与分离。本研究基于应力-变形曲线提出新型塑性评价方法,揭示ZSM-5浆料塑性特征与粘合剂、液固比、真空细化等因素的关系,发现羟丙基甲基纤维素(HPMC)显著提升屈服应力,液固比44.5及真空处理优化挤压试验性能。

    来源:Chinese Journal of Chemical Engineering

    时间:2026-02-14

  • 基于改进的贝叶斯方法,对一种仿生设计的进料间隔器进行优化,以实现高渗透率的反渗透海水淡化

    生物启发的V型流道设计通过耦合高精度CFD模拟与多目标贝叶斯优化框架,实现了反渗透膜通道中压力降与传质系数的协同优化,生成帕累托前沿下的低压降、高传质及折中设计方案,分别降低61%压力、提升161%传质系数和103%传质效率,为高效低能耗海水淡化模块设计提供新方法。

    来源:Desalination

    时间:2026-02-14

  • 综述:微小物体检测:技术、挑战与未来方向的深入研究

    本文系统综述了微小物体检测领域的研究进展,涵盖挑战、方法(训练策略、GAN、区域提案等)、评估指标(准确率、mAP)及多个数据集(AI-TOD、WiderFace等)。重点分析了Transformer模型在微小物体检测中的应用,并总结了九类核心检测技术,提出了未来研究方向。

    来源:Digital Signal Processing

    时间:2026-02-14

  • 基于学习曲线的理论引导型数据驱动方法,用于预测压裂效果

    本研究基于吉木萨尔页岩油压裂特征提出压裂学习曲线,构建理论指导数据驱动(TgDD)模型预测压裂性能。通过CNN-GRU预测趋势部分,AdaBoost-RF预测局部波动,TgDD模型预测精度较直接预测提升47.6%。工程参数优化使新井EUR提高0.0069。

    来源:Engineering Applications of Artificial Intelligence

    时间:2026-02-14

  • 基于Transformer的离线到在线强化学习方法,用于自动驾驶中的决策与控制

    自动驾驶复杂环境下多车交互决策控制系统研究提出基于Transformer的离线到在线强化学习框架TORL,通过离线预训练捕捉长期时空依赖,结合混合回放缓冲、人机协同安全探索和异构数据源学习在线微调,有效缓解分布偏移和灾难性遗忘问题,在MetaDrive仿真环境中实现29.4%的归一化收益提升和46.1%的任务成功率,同时保持零碰撞记录。

    来源:Engineering Applications of Artificial Intelligence

    时间:2026-02-14

  • 可解释的人工智能融合混合迁移学习框架,结合多尺度特征融合技术,用于脑肿瘤的检测与分类

    提出基于混合深度学习网络的DMI-Net,通过多尺度特征提取和迁移学习模型(DenseNet121、MobileNet、InceptionV3)融合,结合可解释性方法SHAP和Grad-CAM,显著提升脑肿瘤MRI诊断准确率达99.24%,优于现有研究并支持临床决策。

    来源:Engineering Applications of Artificial Intelligence

    时间:2026-02-14

  • 用于故障诊断的可分离物理时空图消息聚合方法

    多传感器故障诊断中时空关联建模与物理衰减特性分析,提出SPSGMA方法,通过物理属性时空图构建、波let频率选择及可分离信息聚合网络,有效解决信号跨传感器衰减问题,在三个数据集上平均诊断精度达99.99%-99.93%。

    来源:Engineering Applications of Artificial Intelligence

    时间:2026-02-14

  • 淋巴瘤患者治疗决策意愿与行为转变水平之间的关系轨迹:一种生长混合模型方法

    本研究探讨淋巴瘤患者治疗决策意愿转化为行为(TDMWTBC)的纵向轨迹及其预测因素,通过对278名患者的四次随访调查,采用成长混合模型识别出低转化波动组(45.58%)、中等转化持续上升组(30.53%)和高转化逐渐下降组(23.89%),并发现性别、居住地、教育水平及家庭护理程度是主要预测因素。

    来源:European Journal of Oncology Nursing

    时间:2026-02-14

  • DiffEncoderCrack:一种基于扩散机制的编码器方法,结合空间分解的先验知识,用于半监督裂纹分割

    提出基于“扩散作为编码器”的半监督框架DiffEncoderCrack,通过预训练扩散模型提取纯净几何特征,结合空间分解先验解决颜色偏移问题,并系统分析不同扩散步骤和网络深度的特征贡献,显著提升低标注场景下裂纹分割性能,优于现有数据增强和伪标签方法。

    来源:Expert Systems with Applications

    时间:2026-02-14


高级人才招聘专区
最新招聘信息:

知名企业招聘:

    • 国外动态
    • 国内进展
    • 医药/产业
    • 生态环保
    • 科普/健康