-
协同钠掺杂与尖晶石形成技术:用于制备超薄正极-电解质界面膜,以实现稳定的富锂锰正极
卡诺电池热力学与经济性优化研究,构建了三种创新配置的LT TI-CB系统,通过参数分析揭示提升热力学效率的三大途径:提高热存储温度、减小温压点温差、优化关键部件效率,并基于NSGA-II算法实现多目标优化,发现R-RCCB配置在热经济学指标LCOS与ηp2p间取得最优平衡。
来源:Journal of Energy Storage
时间:2026-02-04
-
利用Copula方法和贝叶斯模型平均技术预测未来复合降水及极端风况的影响
复合降水与风极端事件风险评估框架研究,提出基于贝叶斯模型平均(BMA)与Copula的集成方法,通过CMIP6多模式数据模拟未来CPWE强度及空间异质性,构建综合暴露指数分析人口经济脆弱性。研究发现BMA方法提升模拟精度23.6%,未来至2100年CPWE频率在SSP245和SSP585情景下分别增加31.4%和48.7%,华北平原和东南沿海暴露风险增幅达45%-62%,中期面临气候-社会经济临界点。
来源:Journal of Hydrology
时间:2026-02-04
-
一种超临界二氧化碳预等温结晶发泡技术,用于制备轻质TPU/PLA复合泡沫,该泡沫具有优异的压缩强度和弹性
TPU泡沫通过引入PLA相和预等温结晶化调控结晶行为及基体强度,显著提高膨胀倍率至11.6倍并优化循环压缩性能。
来源:The Journal of Supercritical Fluids
时间:2026-02-04
-
阳离子交换树脂作为一种优异的预处理方法,能够实现化学强化初污泥的同步絮凝分解并增强产酸性能
基于水热法在铜丝网上制备了镍钴层状双氢氧化物超疏水涂层,具有针状和层状双尺度粗糙结构,表现出优异的耐腐蚀性(3.5 wt% NaCl溶液中腐蚀电流密度1.212×10^-8 A/cm²,保护效率99.94%),高效油水分离能力(最高分离效率99.1%)及循环稳定性(60次循环后分离效率仍超97%)|
来源:Journal of Water Process Engineering
时间:2026-02-04
-
Emo-STCapsNet:一种结合时空建模与改进版CapsNet的语音情感识别方法
语音情感识别中时空特征提取与胶囊网络融合的研究,提出Emo-STCapsNet模型,通过动态激活块捕捉多尺度时序特征,双流注意力融合时空信息,注意力增强胶囊网络建模情感特征空间层次关系。实验在IEMOCAP、EMODB和CASIA数据集上验证,准确率分别达71.86%、93.46%、87.92%,显著优于传统方法。
来源:Knowledge-Based Systems
时间:2026-02-04
-
MIARS:基于互信息的特征选择方法,结合角度重建和语义对齐技术,用于多标签学习
针对多标签特征选择中的非平滑优化、标签相关性利用不足及特征冗余与可区分性平衡难题,提出MIARS方法。通过离散标签超球面映射实现连续优化与全局结构保留,引入正交旋转矩阵增强语义对齐,结合互信息矩阵与l2,0范数约束实现高效特征选择。实验验证其显著优于现有方法。
来源:Knowledge-Based Systems
时间:2026-02-04
-
创新的优化驱动机器学习模型,用于小时流量预测
短时径流预测研究采用MLP与GB融合的优化模型,结合人工蜜獾与人工兔算法提升精度,在华盛顿州Chehalis河流域2011-2023年数据验证中,HBA-MLP M5模型1-6小时预报RMSE为1.87-7.58,R²达0.99-1.0,优于国家水模型(NWM),尤其在极端径流事件中表现突出。
来源:Knowledge-Based Systems
时间:2026-02-04
-
HyTexNet:基于百分位值的局部编码与深度特征融合技术,用于提升纹理分类性能
HyTexNet提出一种混合框架,结合自适应百分位局部编码和DenseNet-121的深度特征,有效处理光照变化,提升纹理分类的准确性和鲁棒性,在多个数据集上表现优异且计算高效。
来源:Knowledge-Based Systems
时间:2026-02-04
-
FedPDM:一种结合隐私保护扩散模型的增强型联邦学习方法
本文提出FedPDM,一种基于隐私保护扩散模型的半参数共享联邦学习框架,解决了现有方法在代表性鲁棒性、特征不一致和生成器信息泄露问题。通过引入特征级惩罚项和两阶段知识蒸馏聚合策略,有效缓解模型漂移并降低信息泄露风险,理论收敛速度为O(1/T)。实验表明,相比基线方法,FedPDM平均准确率提升1.78%-5.56%。
来源:Knowledge-Based Systems
时间:2026-02-04
-
一种基于软件定义的包装器判别器的联邦学习方法——强化注意力对抗回归技术,用于云边缘计算中的隐私保护和任务管理
云边计算环境下,本研究提出SWDF-RAAR模型,通过融合SDN、联邦学习、强化学习等技术,解决隐私保护、数据规模与资源效率问题。实验表明模型在9个数据集上实现98.73%入侵检测准确率,93% scalability,5.3ms超低延迟。
来源:Knowledge-Based Systems
时间:2026-02-04