-
基于物理约束的流动学习方法通过地球静止卫星观测数据揭示了日变性的亚中尺度海表流特征
丁晓松|何贤强|卡特里·赫曼特|李佳佳|叶峰|李浩|赵敏|方功
中国浙江大学海洋学院,舟山316021
**摘要**
亚中尺度过程(长度尺度为0.1–10公里)在海洋能量耗散和质量传输中起着关键作用,然而传统的卫星高度计数据具有较粗的空间(约25公里)和时间(每日)
来源:ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING
时间:2025-12-22
-
通过具有上下文感知的时空建模技术,实现单光子激光雷达的高空间分辨率和精细的深度重建
张振宇|李媛|朱飞虎|马月超|吕俊英|孙倩|李琳|张武明
中山大学地理空间工程与科学学院,珠海519082,中国
摘要
尽管单光子激光雷达(LiDAR)承诺提供革命性的深度感知能力,但现有的深度学习框架在处理高空间分辨率(SR)数据时存在根本性缺陷。为了解决高SR单
来源:ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING
时间:2025-12-22
-
颠覆性技术如何重塑城市安全:中国的空间溢出效应与治理机制
黄唐杰|张伟|叶世琪四川大学公共管理学院,中国四川省成都市武侯区一环路南一断24号,邮编650016摘要颠覆性技术的快速发展为创新和提升城市安全开辟了新的途径。本研究利用2011年至2020年间中国30个省份的面板数据,构建了一个综合指数来衡量颠覆性技术的水平,并采用空间杜宾模型
来源:TECHNOLOGY IN SOCIETY
时间:2025-12-22
-
时空变化、驱动机制与韧性动态:揭示全球创新网络(2003–2023年)的演变
**文金宝|余翔|杨伟**
**华中科技大学管理学院,中国湖北省武汉市430074**
**摘要**
本研究利用世界知识产权组织(WIPO)的跨国专利数据(2003–2023年),探讨了全球创新网络(GINs)的时空变化、驱动机制及其结构韧性。通过社会网络分析(SNA)
来源:TECHNOLOGY IN SOCIETY
时间:2025-12-22
-
专利网络中的跨层扩散:通过企业-技术协同作用预测创新
余德健|沈傲秋|左文进南京审计大学商学院,中国江苏省南京市211815摘要企业在预测创新方向和识别快速发展的技术领域的战略合作伙伴时面临严峻挑战,因为传统的单层网络模型往往忽略了企业间关系和跨领域技术扩散之间的协同效应。为了解决这一局限性,我们将企业视角与双层专利网络相结合,以分
来源:TECHNOLOGY IN SOCIETY
时间:2025-12-22
-
iLSPR:一种基于学习的场景点云配准方法,用于智能制造业中机器人的空间感知
万宇森 | 陈旭
华盛顿大学机械工程系,美国华盛顿州西雅图市东北斯蒂文斯大道3900号,邮编98195
**摘要**
智能制造的一个关键能力是机器人系统能够理解空间操作环境——即机器人能够精确识别和估计工业场景中物体的空间位置和方向。现有的场景重建方法是为一般设置设
来源:ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING
时间:2025-12-22
-
综述:从传统机器学习到基础模型的角度,探讨基于学习的无线物理层(PHY层)方法:一项全面综述
**Tesfahunegn Minwuyelet Mengistu | K.M. Faisal | Taewoon Kim | Arif Ullah | Wooyeol Choi**
**釜山国立大学信息融合工程系,2 Busandaehak-ro 63beon-gil, G
来源:Computer Science Review
时间:2025-12-22
-
综述:基于等位基因的密码学:关于技术进展、攻击分析及未来方向的全面综述
Dheerendra Mishra | Rohit Raj Sharma
印度博帕尔莫拉纳·阿扎德国立技术学院数学、生物信息学与计算机应用系,邮编462003
**摘要**
量子计算的最新发展为传统密码学方法带来了重大挑战,尤其是那些依赖于整数因子分解和离散对数的方
来源:Computer Science Review
时间:2025-12-22
-
综述:人工智能在深度伪造媒体中的潜力:从生成到检测机制,最新技术及其面临的挑战
舒班姆·夏尔马 | 阿尔文德·塞尔瓦尔
贾姆穆中央大学计算机科学与信息技术系,桑巴,181143,印度
**摘要**
人工智能(AI)在深度伪造技术的生成中发挥着重要作用,它利用先进的机器学习模型来创建高度真实的合成媒体,涵盖了视觉、音频和多模态格式。深度伪造技术的
来源:Computer Science Review
时间:2025-12-22
-
基于知识图谱的过程推理方法,用于实现人机协作拆解退役产品策略
**Jinhua Xiao|Zhiwen Zhang|Yu Zheng|Peng Wu|Sergio Terzi|Marco Macchi**
**意大利米兰理工大学管理与经济工业工程系,莱昂纳多·达·芬奇广场32号,20133米兰**
**摘要**
由于报废产品(EOL
来源:ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING
时间:2025-12-22