-
一种新颖的灰色自适应关系建模方法,用于识别可再生能源发展的驱动因素
本研究提出基于信息冗余度与一致性系数优化的灰色自适应关联分析(GARA)框架,通过候选模型筛选与稳定性评估确定最优模型。以黄河流域可再生能源驱动因素为例,发现 secondary industry value-added, population, carbon emissions, urbanization rate, and total energy consumption 为关键驱动,验证了GARA在解决多模型选择难题中的有效性和稳健性。
来源:Engineering Applications of Artificial Intelligence
时间:2025-12-04
-
受量子力学启发的Swin U-Net变换器用于大豆叶病检测,该模型结合了多尺度交叉注意力融合技术和光谱通道变换器模块,并支持可解释的可视化结果
本研究的QSpec-MTLFuseNet模型通过量子增强token嵌入与多尺度特征融合,实现大豆叶病分类、分割和严重度评估,在Auburn数据集上分类准确率达94.3%,MSE为0.056且超越Swin Transformer等基线模型。
来源:Engineering Applications of Artificial Intelligence
时间:2025-12-04
-
基于领域锚对齐的递归双向监督多模态掩码变分融合方法,用于特定领域的多模态神经机器翻译
风功率预测中周期性数据建模难题,提出动态极坐标参考框架和深度强化学习结合的方法,通过实时旋转对齐消除周期跳跃,多头注意力机制捕捉短期波动,在四个海域验证优于传统模型20-32%的MAE精度。
来源:Engineering Applications of Artificial Intelligence
时间:2025-12-04
-
基于循环约束注意力引导的堆叠算法,结合双延迟深度确定性优化方法,用于海洋风向预测
多模态机器翻译中提出非增量式递归互监督多模态变分融合方法,通过自适应掩码变分蒸馏生成模态无关表示,并引入反向领域锚定对齐策略提升跨噪声场景的泛化能力,实验验证其在三个基准数据集上达到最优性能。
来源:Engineering Applications of Artificial Intelligence
时间:2025-12-04
-
使用处理器在环路(Processor-in-the-Loop, PIL)测试方法对混合式交流/直流(AC/DC)微电网能源管理系统进行实验验证,以应用于绿色能源领域
混合AC/DC微电网能量管理系统通过ESP32 PIL验证与HMI交互实现优化,显著降低碳排放11.6%和运营成本18.4%,验证了模型基设计(MIL-SIL-PIL)在实时系统中的有效性。
来源:Franklin Open
时间:2025-12-04
-
LuGo:一种改进的量子相位估计实现方法
量子相位估计优化框架LuGo通过并行化和减少电路重复显著提升QPE效率,在HHL算法和Hele-Shaw流体模拟中实现50.68倍电路生成时间缩减、31倍以上电路深度和量子门数降低,同时保持理想精度。
来源:Future Generation Computer Systems
时间:2025-12-04
-
综述:急性肺血管反应性:当代重新审视的一项简单检测方法——综述性文章
本文回顾性分析PAH患者的AVT应用,提出基于PAC和α系数的新多参数评估方法,扩展AVT至其他PH亚型,以预测治疗反应和预后。
来源:IJC Heart & Vasculature
时间:2025-12-04
-
基于补丁的提取方法在单目深度估计中的相关性
本文提出了一种基于块(patch)的透视校正单目深度估计方法,通过在训练和推理过程中对图像进行分块处理并应用透视变换,有效解决了传统全图方法在广视角场景中的几何失真问题。实验表明,该方法在KITTI、Cityscapes和NYUv2等数据集上显著优于全图训练模型,尤其在小尺度场景和边缘区域表现更优,同时降低了计算复杂度并提高了模型泛化能力。
来源:Image and Vision Computing
时间:2025-12-04
-
苄氧基三唑功能化的有机硅烷:通过计算机模拟方法在Sn(II)检测和MMP-2酶抑制方面实现双重应用
金属离子传感器研究:合成苯氧基三唑有机硅烷探针检测Sn(II)并抑制MMP-2酶活性。
来源:Inorganic and Nuclear Chemistry Letters
时间:2025-12-04
-
优先级推荐映射(PrioReMap):一种用于支持洪水灾害响应中救援协调的方法
洪水灾害响应中需优先处理高风险区域,但决策者常面临时间紧迫、信息不完整等问题。本文提出PrioReMap方法,结合GIS与贝叶斯网络(BN),将灾害风险变量(如洪水深度、人口密度、基础设施可达性)集成到BN模型中,通过预期损失框架生成区域优先级推荐。研究显示该方法能有效降低决策者认知负荷,并通过动态调整资源分配策略支持快速响应。案例研究表明,该方法在科隆极端洪水场景中能准确识别高脆弱区域,并为资源分配提供透明依据。
来源:International Journal of Disaster Risk Reduction
时间:2025-12-04