当前位置:首页 > 今日动态 > 技术与产品
  • 在资源有限的环境中利用教学技术进行数学教学建模:通过教育人类学理论对教学结构进行分析

    如何通过教学技术建模在资源有限环境中提升数学教师教育质量。本研究基于人类学教学论框架,分析加纳某大学在大型课堂中运用GeoGebra进行教学示范的案例,发现教师通过结构化分解任务(praxis)有效管理课堂,但理论依据(logos)的呈现不足,导致预备教师对教学决策的深层逻辑理解受限。研究提出混合教学模式,结合教师主导的技术示范与学习者自主探究,以平衡资源约束与深度学习需求。

    来源:African Journal of Research in Mathematics, Science and Technology Education

    时间:2025-12-09

  • 绿色氢生产的技术和经济分析:以印度尼西亚苏门答腊向新加坡出口氢气为例

    绿氢生产与运输成本分析:研究基于苏门答腊水电制氢并经300公里海底管道输送到新加坡,对比压缩氢与金属氢化物两种储存方案的技术经济性。结果显示,金属氢化物在能量效率(提升2.14%)和资本成本(275.91-453.49美元/千克)上更具优势,综合氢成本为4.09-6.03美元/千克,低于现有文献值。关键因素包括电力成本(占 landed cost 60%)、储运技术选择及管道设计优化。

    来源:International Journal of Sustainable Engineering

    时间:2025-12-09

  • 经改良的飞行时间磁共振静脉成像技术在评估髂内静脉解剖变异方面的价值

    内髂静脉解剖变异及改良时间飞越磁共振静脉成像评估价值研究。采用回顾性分析,对144例髂静脉压迫综合征患者进行mTOF-MRV影像学评估,发现四种解剖变异类型(Type I 30.56%,Type II 55.56%,Type III 11.80%,Type IV 2.08%),左髂总静脉受压占比86.11%。证实mTOF-MRV在 Pelvic Venous Disease 术前评估、术中导航及术后随访中具有重要临床价值。

    来源:European Journal of Surgical Oncology

    时间:2025-12-09

  • 一种基于对抗性半脆弱水印技术的强大双重主动防御框架,用于防范深度伪造

    针对深度伪造技术提出了一种双分支防御框架Adversarial Semi-Fragile Watermarking (ASFW),结合对抗扰动主动干扰生成模型和半脆弱水印被动检测图像篡改,通过可微分压缩模块提升对JPEG等有损压缩的鲁棒性,实验验证其在视觉质量、跨模型能力及检测精度上的优越性。

    来源:Expert Systems with Applications

    时间:2025-12-09

  • 利用深度神经网络和贝叶斯LoRa技术实现双重资源分配以提升车辆跟踪效果

    本研究提出基于意图分类的FEEG-TQC框架,将查询分为检索、评估、解释和生成四类,结合布鲁姆分类法优化RAG-LLM系统性能,通过地质学数据验证其有效性和应用潜力,发现生成类查询表现最佳,而评估类和解释类存在显著性能差距,为提升人机交互质量提供新方法。

    来源:Expert Systems with Applications

    时间:2025-12-09

  • 一种基于伪标签的半监督检测方法,用于识别群体刷单攻击

    协同过滤推荐系统面临群体欺骗攻击威胁,本文提出SSDA-GSA-PL方法,通过深度自编码器捕捉个体异常行为,结合图卷积网络建模攻击者协作结构,并创新性地引入自适应阈值伪标签机制,有效解决标签稀缺问题。实验表明该方法在MovieLens 10M合成数据集和Amazon真实数据集上均显著优于现有基线方法。

    来源:Expert Systems with Applications

    时间:2025-12-09

  • 一种基于北斗导航卫星系统数据的逆强化学习方法,用于城市网络中卡车路线选择分析

    基于北斗卫星导航系统的卡车路径选择行为建模与解释研究,采用逆强化学习与部分可观测马尔可夫决策过程融合的GAIL方法,构建动态路径选择模型,通过分析无锡市95%重型卡车的轨迹数据,揭示货运特征与路线偏好关联,为智能物流优化提供可解释决策支持。

    来源:Expert Systems with Applications

    时间:2025-12-09

  • 面向多任务学习的鲁棒梯度提升方法研究:R-MTGB模型的设计与验证

    本文针对多任务学习(MTL)中存在的任务异质性和异常任务干扰问题,开展了一项名为鲁棒多任务梯度提升(R-MTGB)的创新研究。研究人员通过设计三阶段训练框架,成功实现了共享表征学习、异常任务感知分区和任务特定微调的有机结合。实验结果表明,R-MTGB在合成和真实数据集上均表现出优越性能,特别是在处理异常任务时显著优于传统MTL方法,为复杂现实场景下的多任务学习提供了新的解决方案。

    来源:Expert Systems with Applications

    时间:2025-12-09

  • 我的不平衡分类任务有多难?——一种可解释的监督学习方法

    分类难度预测与数据不规则性表征:基于可解释机器学习模型的框架研究

    来源:Expert Systems with Applications

    时间:2025-12-09

  • 混合微电网的稳定性提升:一种结合强化人工物理理论与粒子群优化算法的混合方法

    研究提出了一种融合混合APOPSO算法与人工智能的电网稳定性优化方案,集成光伏、风力涡轮机和电池储能系统,采用模糊MPPT和P&O算法提升可再生能源效率,通过PWM调制优化波形并降低0.45%谐波失真,确保电网可靠运行。

    来源:Expert Systems with Applications

    时间:2025-12-09


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