-
一种重叠感知修正的双分支深度神经网络用于齿轮箱开放集故障诊断
摘要
开放集故障诊断要求准确识别已知故障,同时拒绝未见故障类别,但决策边界附近的特征重叠可能导致误拒和误收。本研究提出了一种重叠感知校正网络,结合多尺度特征提取、双分支度量学习和三阶段决策策略。具有明确马氏距离证据的样本被直接接受或拒绝,而处于中间缓冲区域的样本则进一步通过预测
来源:RELIABILITY ENGINEERING & SYSTEM SAFETY
时间:2026-10-27
-
OceanPathRL:基于深度强化学习的自主电动船舶节能航线优化系统
摘要 在复杂海洋环境中运行的自主电动船舶必须同时优化能源消耗、遵守法规要求,并实时协调多艘船舶,然而现有框架无法在一个统一的学习架构内解决这三个目标。本文提出OceanPathRL,一种面向自主电动船舶节能航路优化的深度强化学习新框架。我们提出一种分层多智能体强化学习架构,将
来源:RELIABILITY ENGINEERING & SYSTEM SAFETY
时间:2026-10-27
-
目标锚定的渐进式视觉-语言融合用于遥感图像中的指代语义分割
•提出了一种目标锚定的渐进式视觉-语言融合框架。•循环语言更新使文本与多尺度遥感特征对齐。•目标词汇锚定缓解了跨模态融合过程中的语义漂移。•选择性状态空间解码减少了冗余的非目标响应。•实验结果表明在RefSegRS数据集上表现优异,在RRSIS-D数据集上具有竞争力。引言遥感
来源:Information Fusion
时间:2026-10-27
-
基于扩散的文本到图像模型中的语义保真度挑战综述
• 首个专注于文生图扩散模型中语义保真度挑战的全面综述。
• 针对基于扩散模型的文生图模型中的语义保真度挑战、根本原因、解决方案策略、评估指标及提示数据集的分类体系。
• 对近期研究成果的系统性分析,涵盖关键语义保真度挑战,以及现有方法论之间的比较洞察。
• 针对评估基于扩散
来源:Information Fusion
时间:2026-10-27
-
面向物理人机协作的偏好引导相位条件残余导纳控制
•针对物理人机协作(pHRC)提出了一种偏好引导的残余导纳控制器。•软相位置信度表示自由和约束交互情境。•一个校准的偏好奖励将演示与操作员排名联系起来。•行为克隆和双重经验回放缓冲区稳定了真实机器人SAC学习。引言随着工业5.0和柔性制造的发展,制造系统必须超越固定流程下的自动化
来源:ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING
时间:2026-10-27
-
一种用于宽带微波吸收的超轻可压缩MWCNTs/PVDF-HFP海绵的一步可持续制备路线
一种无模板、一步相转化策略制备了超轻多壁碳纳米管/PVDF-HFP海绵。
CNT/PS-15的密度为0.058 g/cm³,孔隙率为96.77%。
复合海绵在50%应变下表现出37.48 kPa的抗压强度和109 kPa的杨氏模量。
CNT/PS-15的总屏蔽效能达到13.21
-
构建具有共振型高熵氧化物纳米球的PC复合纤维以实现多波段电磁吸收
•通过静电纺丝和闪烧策略制备了PC/pHEO-aNP复合纤维。•PC/pHEO-aNP纤维实现了优异的低频电磁波吸收性能。•COMSOL多物理场耦合有限元仿真验证了HEO纳米球的共振耗散机制。引言随着5G通信和雷达探测技术的快速发展,电磁污染和信号干扰日益严重,对人类健康和高
-
石墨烯纳米片上可控铜颗粒层的包覆:沉积机制与宽频微波吸收
•通过无电镀法在柠檬酸辅助活化的GNPs表面沉积了具有可控性且保留颗粒间隙的Cu涂层。•Cu纳米晶优先在GNPs表面的活性位点成核,并通过岛状生长和颗粒互连生长为连续涂层。•覆盖率为98.1%的Cu涂层优化了阻抗匹配行为,并引入了多种能量损耗机制,从而增强了GNP@Cu复合材
-
通过紫外拉曼光谱探测的CVD金刚石薄膜中依赖衬底的残余应力和裂纹诱导的应力松弛
摘要在异质基底上沉积的金刚石薄膜中的残余应力严重影响其应用。然而,开裂如何重组局部应力场,特别是在低热膨胀系数基底上的拉应力薄膜中,这一机制仍知之甚少。本文采用微波等离子体化学气相沉积(MPCVD)在硅、碳化硅和石英基底上沉积金刚石薄膜(约1 μm),并利用紫外拉曼光谱研究其
-
PACE:基于深度感知伪点增强与跨模态原型对比学习的无监督3D目标检测
**摘要**
尽管近期的无监督3D目标检测方法取得了令人瞩目的进展,但由于激光雷达点云固有的稀疏性,它们在远距离和小尺寸目标上仍普遍难以维持强劲性能。一方面,仅基于激光雷达的伪标签生成完全依赖几何聚类,对于反射点稀缺的区域,根本无法拟合可靠的标签。另一方面,尽管已有方法尝试
来源:ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING
时间:2026-10-27