当前位置:首页 > 今日动态 > 技术与产品
  • 哈萨克斯坦地区垂直重力梯度建模:方法比较与精度评估

    本文推荐研究人员针对垂直重力梯度(VGG)直接测量耗时费力的问题,在哈萨克斯坦共和国境内开展了VGG建模研究。他们比较了全球重力位模型(GGM)、预计算VGG网格和地形建模三种非仪器方法,并与48个野外重力站的高精度测量值进行对比。研究发现,在排除位于凹陷地形的站点后,建模精度可达约10 μGal/m,表明在特定场景下建模值可提供优于理论修正的精度,对大地测量学具有重要意义。

    来源:Geoenergy Science and Engineering

    时间:2025-12-30

  • 基于Hyperion高光谱数据的SACC地区稀土富集岩性多类空谱特征检测的光谱分散匹配技术

    本研究针对Samalpatti碱性-碳酸岩杂岩体(SACC)中稀土元素(REE)富集岩性识别难题,创新性地提出光谱分散匹配(SDM)技术,集成高光谱遥感、机器学习和野外验证方法。研究人员通过PCA、ICA、MNF和BRC等多重降维算法优化EO-1 Hyperion数据质量,结合支持向量机(SVM)分类器实现岩性精准识别,总体精度达85.56%。该研究为复杂岩性地层中稀土靶区勘查提供了可扩展的技术框架,对全球碳酸岩相关稀土资源勘探具有重要指导意义。

    来源:Geosystems and Geoenvironment

    时间:2025-12-30

  • 一种紧凑高效、40伏特的电容式电平转换器,具备反馈放电控制功能,可显著提升BCD技术中自举门驱动器的共模干扰抑制(CMTI)性能,并降低产品整体尺寸(FoM)

    摘要:本文介绍了一种用于高端自举栅极驱动器的高速、低优值的电容式浮动电平移位器(CF-LS)。该设计集成了反馈放电控制(FBDC)机制,以提高对

    来源:IEEE Transactions on Very Large Scale Integration (VLSI) Systems

    时间:2025-12-30

  • 量子通信物理层技术综述:从经典MIMO到量子多维传输的新范式

    本文针对量子通信系统在传输速率和保真度方面的核心挑战,系统梳理了物理层关键技术突破。研究者通过对比经典与量子通信的共性与差异,重点探讨了量子MIMO、空间复用、相干控制等创新方案在自由空间和光纤信道中的实现路径。研究表明,通过有效利用空间、偏振、轨道角动量等多维自由度,可显著提升量子信道容量和抗干扰能力,为构建下一代量子互联网奠定了理论基础。该综述为跨学科融合提供了关键见解,被IEEE Communications Surveys & Tutorials接收发表。

    来源:IEEE Communications Surveys & Tutorials

    时间:2025-12-30

  • 基于对话结构增强的多模态虚假信息检测新方法LANTERN

    本文推荐一项针对社交媒体多模态虚假信息检测的创新研究。为解决传统单模态模型难以捕捉图文交互和用户对话信号的问题,研究人员提出LANTERN框架,通过将评论树结构化为文本序列,结合紧凑型大视觉语言模型(LVLM)和低秩适配(LoRA)微调,在Fakeddit数据集上取得97.16%的二元分类准确率。该方法仅需15万训练样本即可实现最优性能,并在PHEME和Twitter15/16数据集上验证了其跨平台的通用性,为轻量级多模态虚假信息检测提供了可复现的解决方案。

    来源:IEEE Transactions on Emerging Topics in Computational Intelligence

    时间:2025-12-30

  • 基于不确定性感知的多视图证据融合技术在脑网络特征选择中的应用

    精神分裂症诊断面临生物标志物缺乏的挑战,动态功能连接(dFC)可捕捉脑活动时空动态,但其多视图特性带来高维、异质及预处理不确定性。本文提出基于证据理论的多视图特征选择框架,通过Dempster-Shafer证据融合量化跨视图不确定性,结合信息论一致性约束和Dirichlet分布不确定性加权损失,有效分离共享与互补特征,实验证明显著提升诊断准确性和鲁棒性。

    来源:Information Fusion

    时间:2025-12-30

  • 深度学习驱动的天文多模态数据融合:技术前沿与科学突破综述

    本文针对天文数据爆炸性增长背景下单模态分析的局限性,系统综述了基于深度学习的多模态数据融合(MDF)技术在天文学中的应用。作者团队梳理了天文多模态数据源与类型,归纳了六类主流深度学习模型及其融合策略,并分析了58项核心研究的进展与挑战。该研究为破解天文大数据异构性难题提供了方法论指导,对推动多信使天文学发展具有重要意义。

    来源:Information Fusion

    时间:2025-12-30

  • 多模态融合在阿尔茨海默病预测中的应用研究:一种新的分类方法与趋势

    阿尔茨海默病(AD)多模态机器学习诊断研究综述,分析医学影像、体液等数据融合方法,对比传统ML与深度学习优势,探讨现有挑战及未来方向。

    来源:Information Fusion

    时间:2025-12-30

  • 基于注意力驱动的对比学习方法用于跨模态哈希处理,并实现原型分离

    跨模态哈希检索中,现有方法常因无法有效捕捉异构数据间的语义结构和模态交互而受限。本文提出ACoPSe框架,通过模态感知的融合损失增强跨模态特征交互,并利用K-means聚类生成伪标签,结合原型对齐策略优化哈希编码。实验表明该方法在MIRFlickr-25K和NUS-WIDE数据集上性能显著优于基线模型,有效解决了异构数据分布差异和缺乏监督信号的问题。

    来源:Information Fusion

    时间:2025-12-30

  • 基于深度神经网络的表格数据空间编码方法的全面基准测试

    本文首次系统评估了九种空间编码方法在24个异构表格数据集上的性能,揭示了数据规模与维度(regimes)对模型表现的主导影响,证实转换方法的重要性超越架构选择,并发现混合模型(CNN/ViT+MLP)在小数据场景中优势显著。研究为表格数据视觉化处理提供了标准化基准

    来源:Information Fusion

    时间:2025-12-30


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