-
混凝土组成对疲劳寿命的影响:基于机器学习的失效循环次数预测
混凝土组成对疲劳寿命的影响:基于机器学习的失效循环次数预测
•包含18种混凝土组成、241次疲劳试验的广泛数据库。
•基于应变发展估算run-out(未失效)试件的失效循环次数。
•考虑混凝土组成的相关性分析。
•考虑混凝土组成的疲劳寿命实际预
来源:International Journal of Fatigue
时间:2026-10-31
-
固定汇率制货币联盟中的外汇储备管理与货币政策:基于CEMAC的实证研究
本文考察了外汇储备管理能否在固定汇率制货币联盟中补充政策利率的作用。研究人员开发了一个包含显性储备积累模块的小型开放经济新凯恩斯模型(New Keynesian model),并通过数据校准与贝叶斯估计(Bayesian estimation),利用1991–
来源:International Economics
时间:2026-10-31
-
基于节点相似性、图表示学习与层次聚类的复杂网络社区检测框架研究
社区检测是分析真实图(包括社交、引文、生物及许多其他网络)中的一项重大挑战。本文提出了三个新的、通用的层次化框架来处理该任务。所引入的方法支持多种基于链接的聚类算法、顶点邻近矩阵以及图表示学习模型。研究人员在随机块模型(Stochastic Block Mod
来源:Information Sciences
时间:2026-10-31
-
面向非词可表示图的人类可验证短证明生成算法研究
如果一个图能够通过单词中字母的交替出现来表示,则称其为词可表示的(word-representable)。词可表示图类推广了若干重要的图族,并可通过半传递定向(semi-transitive orientations)加以刻画。识别词可表示性是一个NP完全问题
来源:Information and Computation
时间:2026-10-31
-
基于效用–风险门控的事件残差融合图像去模糊:RCEA
事件引导去模糊被建模为条件残差接受问题。以输出为依归的效用与风险评估控制事件的连续注入。同图干净/损坏配对用于检验接受分数是否跟踪实际实现的残差效用。HighREV与FEVD评估量化迁移增益与残余风险。一个参数高效的1.474M参数链条支持边缘部署。FEVD迁
来源:ICT Express
时间:2026-10-31
-
回岸制造中的治理、知识与能力:知识转移过程、战略与组织能力的整合框架
摘要专业翻译
在全球不确定性加剧的背景下,回岸制造(reshoring)——即企业自愿将海外活动迁回母国的战略决策——正日益受到关注。尽管现有研究主要聚焦于回岸制造的驱动因素,但对企业在实施回岸过程中如何组织与管理搬迁活动,以及这一过程对企业及其网络的影响,理
来源:Industrial Marketing Management
时间:2026-10-31
-
锚定波束卷积预测用于延迟波束选择:一种基于因果功率拟合与浅层卷积校正的轻量预测器
测量与处理延迟可能使窄波束在传输前失准,这促使研究人员基于近期含噪功率扫描进行预测。研究人员提出锚定波束卷积预测(ABCP),该方法将因果拟合的当前功率剖面与沿波束轴的浅层卷积校正相结合。在不重叠的仿真路径上进行的测试表明,与所评估的稠密和循环基线相比,ABC
来源:ICT Express
时间:2026-10-31
-
带宽受限战术网络中固定速率边缘传输用于预测性维护的等价性分析
在带宽受限的战术网络中集中进行剩余使用寿命(Remaining Useful Life, RUL)估计,需要在传输少量传感器周期时不损失精度。研究人员在全部四个NASA C-MAPSS子集上比较了完整传输、固定速率降采样和一种退化感知自适应策略,采用无泄漏协议
来源:ICT Express
时间:2026-10-31
-
通过抑制碳团簇提升非晶SiOC体模量的原子网络条件:C–C排斥与氮共掺杂的分子动力学比较
通过碳团簇抑制提升非晶SiOC体模量的原子网络条件:C–C排斥与氮共掺杂的分子动力学比较。研究人员采用机器学习原子间势(machine-learning interatomic potential, MLIP)驱动的分子动力学(molecular dynami
来源:Computational Materials Science
时间:2026-10-31
-
开发用于Fe–Cr–Ni–Ti–H体系合金、金属间化合物及氢化物的快速可迁移角依赖型原子间势
本研究为Fe–Cr–Ni–Ti–H体系开发了一种新的经典原子间势。该势函数在角依赖型势(ADP)形式框架内构建,该形式通过引入偶极和四极畸变相关项扩展了嵌入原子方法(EAM)。采用力匹配方法,利用potfit代码确定势函数,拟合数据库由密度泛函理论(DFT)计
来源:Computational Materials Science
时间:2026-10-31