-
通过整合仪器分析、感官评价和统计分析方法,揭示红曲米醋中的关键芳香活性化合物及其潜在的代谢途径
红曲米醋风味差异源于不同产地的挥发性有机物(VOCs)特征,通过GC-MS和HS-GC-IMS检测到135种VOCs,21种关键香气活性物质(FD≥8,OAVs≥1),其中苯乙基acetate、β-达玛西酮和苯乙醛为三地共有的生物标志物。PLS-DA和随机森林模型识别出16种差异化合物,包括β-达玛西酮、辛酸和4-乙基-2-甲氧基苯酚。e-鼻分析显示硫化物对香气强度影响显著(SM>JDS>TX)。KEGG富集分析表明丙酮酸代谢和糖酵解/糖原代谢途径在风味调控中起关键作用。
来源:International Journal of Gastronomy and Food Science
时间:2025-12-03
-
一种基于仿真的灵活预测方法,用于比较危险性和风险模型:以地震危险性为例的应用
本文提出了一种基于贝叶斯框架的模拟方法,用于比较概率风险评估模型。该方法通过计算预测p值(PPP)评估模型差异,同时考虑aleatory(随机)和epistemic(认知)不确定性,并以意大利地震模型MPS19和ESHM20为例验证其有效性。结果显示,PPP能更全面地捕捉模型在极端值(如高阈值)处的差异,适用于地震、洪水等多风险场景的分析与决策支持。
来源:International Journal of Disaster Risk Reduction
时间:2025-12-03
-
无膜设计与太阳能聚光在光电化学绿色氢生产中的综合优势:一项技术经济评估
绿氢生产膜less电池设计与太阳能聚光技术经济评估表明,采用膜less结构和10倍聚光可将平准氢成本从21.98欧元/公斤降至10.20欧元/公斤,若实现20%太阳能转化效率则可降至2.40欧元/公斤。研究涵盖材料、系统集成及成本敏感性分析,为光电解水技术产业化提供依据。
来源:International Journal of Hydrogen Energy
时间:2025-12-03
-
GEPFNet:一种基于群体等变特征提取和并行融合神经网络的太阳能光伏故障分类方法
针对低分辨率红外图像中光伏板故障检测的挑战,本文提出GEPFNet网络,通过组同态卷积提取几何特征,多尺度处理整合局部与全局信息,并行特征融合提升分类性能,在PVF-10和ISM数据集上达到96.05%和5%以上的精度提升,并有效处理数据不平衡问题。
来源:Information Fusion
时间:2025-12-03
-
基于联邦学习的水流预测技术:通过多传感器数据融合实现
水文流量预测联邦学习框架 FedMSF 提出多目标自适应聚合策略和极端事件数据增强方法,在保护隐私前提下融合异构跨流域数据,实验显示其RMSE、MAE和NSE分别优于现有方法7.93%、9.20%和7.83%,KGE提升4.48%。
来源:Information Fusion
时间:2025-12-03
-
区间值矩阵分解与基于知识的聚类方法在具备信任意识的跨领域推荐系统中的应用
信任关系量化不准确影响跨域推荐系统性能,本文提出用区间值描述信任关系并构建IMFKC_TCCFA算法,结合区间值矩阵分解和知识引导聚类实现多源数据融合,实验验证其优于现有算法。
来源:Information Fusion
时间:2025-12-03
-
重新思考基于频率完备性的领域无关持续学习方法
时间序列分类中矩阵混合框架的优化研究,通过分析分词策略、嵌入方法、混合结构等组件,提出统一架构并验证其有效性,在监督和非监督场景下均取得最佳准确率。
来源:Information Fusion
时间:2025-12-03
-
生成式人工智能与强化学习在机器人技术中的双重作用:综述
本文系统综述了生成式AI(如LLM、VLM、扩散模型)与强化学习在机器人学中的双向融合机制,提出双视角分类法,分析基础模型架构、模态融合及任务类型,探讨RL预训练、微调与知识蒸馏方法,总结模型可扩展性、多模态感知与安全验证等挑战,并展望人机反馈优化、跨模态智能体与约束强化学习等未来方向。
来源:Information Fusion
时间:2025-12-03
-
PIFGSR:一种用于推荐系统中信息融合的可插拔框架,该框架结合了生成式人工智能(GenAI)技术
推荐系统中的生成式人工智能(GenAI)方法通过扩散模型缓解序列稀疏性问题,但存在噪声无序干扰逻辑关联和过度依赖领域先验的缺陷。本文提出PIFGSR框架,包含兴趣引导银行(PIGB)提取用户潜在兴趣模式,需求信息抽取机制(DIEM)融合时空注意力与统计归一化,以及引导匹配策略(GMS)确保生成序列与真实兴趣轨迹一致。实验表明PIFGSR在Yelp等数据集上NDCG@5指标提升9.85%,有效平衡生成可控性与用户兴趣建模
来源:Information Fusion
时间:2025-12-03
-
MSSDF:一种用于高分辨率多模态遥感图像学习的共享模态自监督蒸馏方法
提出MSSDF框架,结合信息感知自适应掩码和多任务自监督目标,利用HR-Pairs数据集(640,000 DOM-DSM对,0.05m分辨率),在语义分割、深度估计和变化检测任务中优于现有方法,尤其标注少时表现更优。
来源:Information Fusion
时间:2025-12-03