• 微观结构驱动的异质准脆性材料塑性损伤本构建模

  •提出了一种微观结构信息驱动的深度学习框架，用于识别非均质准脆性材料的塑性损伤本构行为。•原位计算断层扫描数据揭示了宏观损伤演化规律。•双重驱动数据解耦了损伤与塑性流动的竞争性机制。•有限元模拟和环对环试验验证了所提出的模型。引言非均质准脆性材料，如混凝土、岩石、陶瓷基复合材

  来源：European Journal of Mechanics - A/Solids

  时间：2026-08-28

• 社交媒体灾害期间事件检测的优化与迁移学习

  摘要在灾难发生后，社交媒体上会分享大量关键数据，包括受伤人员报告和基础设施损坏情况。然而，在灾难期间，从海量社交媒体帖子中检测有价值的信息被认为更具挑战性。因此，本研究设计了一种基于卷积神经网络的迁移学习+深度CNN_泰勒射箭算法（CNN-based TL+DCNN_TAA）

  来源：Data & Knowledge Engineering

  时间：2026-08-28

• 具有比例时延的随机模糊胞元神经网络基于观测器的全局均方多项式同步

  **摘要** 本文主要研究具有比例延迟和不可测状态的随机模糊细胞神经网络（FCNNs）的基于观测器的全局均方多项式同步问题。鉴于神经网络数据在实际应用中无法被完全测量，为确保驱动FCNN与响应FCNN之间实现全局均方多项式同步，本文设计了一种基于观测器的反馈控制器，利用可测

  来源：Communications in Nonlinear Science and Numerical Simulation

  时间：2026-08-28

• 用于相场模拟中参数化非均匀弹性的梯度增强神经代理模型

  摘要 在由耦合偏微分方程控制的多物理场模拟中，在弹性非均匀条件下迭代求解力学平衡问题是主要的计算瓶颈。本研究开发了一种神经网络代理模型，用于在半隐式谱Cahn-Hilliard框架中替代迭代弹性求解器。提出了一种梯度增强的复合损失函数，联合约束预测场、其一阶梯度和拉普拉斯算

  来源：Computational Materials Science

  时间：2026-08-28

• MHNR: 面向异构网络表示学习的多视图聚合

  摘要 与同质网络相比，异质网络更适合描绘现实中的大多数复杂系统，如社交网络、交通网络和生物网络。异质网络通常包含丰富的语义信息和全面的结构特征，这使得对其进行有效表征尤为具有挑战性。异质网络表征的核心问题是在保留原始非平凡信息的同时获得低维节点向量。迄今为止，尽管在该问题上已

  来源：Big Data Research

  时间：2026-08-28

• 用于粉煤灰地聚合物混凝土多参数强度预测与决策支持的数据驱动人工神经网络框架

  •超过560种FA-GPC配合比设计的数据库支持数据驱动的强度建模。 •多参数ANN框架整合了成分相关和养护相关变量。 •ANN模型在训练集和验证集上分别实现了R²=0.86/0.76和RMSE=7.07/9.09 MPa。 •H₂O/Al₂O₃被确定为最具影响力的参数。

  来源：Advances in Engineering Software

  时间：2026-08-28

• 基于医疗物联网运行数据的X射线管灯丝烧损原型对齐退化预测

  •采用原型对齐的表示学习，将时间表示从完好状态原型到燃尽状态原型进行正则化，用于在部分观测条件下进行长程退化预测。 •开发了一个与灯丝退化状态对齐的三阶段警告框架，实现了对CT X射线管管理的具体阶段维护行动。 •在所有三个警告阶段上展示了所提出方法在真实CT数据上的有效性，

  来源：RELIABILITY ENGINEERING & SYSTEM SAFETY

  时间：2026-08-28

• 一种基于自适应特征重构的物理信息门控 Mamba 框架，用于实现准确且可解释的工具磨损监测

  •基于物理信息的门控Mamba框架能够实现与实际磨损模式一致的精确监测。•基于混合相关性的自适应特征重建能够抑制冗余并保留磨损相关信息。•通过可学习的代理分支，在无需显式经验磨损方程的情况下强制实现磨损率一致性。 ## 引言 刀具磨损监测是智能制造的关键组成部分之一，对于

  来源：JOURNAL OF MANUFACTURING SYSTEMS

  时间：2026-08-28

• 在电荷陷阱存储电容交叉开关中实现的单设备1C-XNOR运算，用于高密度内存计算

  •使用基于NAND闪存的memcapacitor阵列实验性演示了单设备1C-XNOR操作。•在紧凑的4 F2单元格内实现了无互补元的XNOR逻辑。•具有高线性电荷域VMM操作和可靠的阵列级积累特性的电路。•通过基于瞬态位移电流的感测实现了低能耗动态操作。•使用制造的memcapa

  来源：Nano Energy

  时间：2026-08-28

• 基于同配 - 异配解耦增强图对比学习的物联网入侵检测

  摘要 近年来，图神经网络（GNNs）在物联网（IoT）入侵检测领域得到了广泛应用。然而，其有效性受到两个基本挑战的限制。首先，图异质性——即恶意节点连接到良性节点以逃避检测——破坏了 GNN 消息传递背后的同质性假设。其次，类别不平衡导致稀缺的恶意节点特征在聚合过程中被大量

  来源：Expert Systems with Applications

  时间：2026-08-28

知名企业招聘：