• 浅层跖内侧松解术(Superficial Plantar-Medial Release, S-PMR)中潜在神经血管危险区域的定义：一项解剖学研究

  摘要：背景(Background)：浅层跖内侧松解术(superficial plantar-medial release, S-PMR)是指一类通过松解足底腱膜及邻近内侧足底软组织来治疗特定足底筋膜炎和马蹄内翻足(cavovarus foot deformi

  来源：Journal of Personalized Medicine

  时间：2026-06-10

• 保留神经的深部子宫内膜异位症术后一年深部性交痛：一项强调不良结局的观察性研究

  背景/目的：本研究评估了微创保留神经手术完全切除深部子宫内膜异位症（deep endometriosis, DE）后1年的随访结局，特别关注深部性交痛（deep dyspareunia）。对不良结局病例进行了详细探讨，以更好地理解这一核心子宫内膜异位症相关症状

  来源：Journal of Personalized Medicine

  时间：2026-06-10

• 夜班工作暴露对女性医护人员神经行为与心脏代谢特征的影响：一项横断面研究

  背景：夜班工作（night shift work）已被报道与不良神经行为及心脏代谢结局相关，但累积及长期暴露的作用——尤其在女性医护人员中——尚未被充分阐明。本研究采用多维方法探讨夜班暴露与综合健康特征之间的关联。 方法：本横断面研究纳入243名女性医护人员（

  来源：Frontiers in Public Health

  时间：2026-06-10

• 用于虚假新闻与错误信息检测的深层神经网络(Deep Neural Network, DNN)架构

  随着近期信息通信技术（Information and Communication Technology, ICT）的发展，误导性信息的快速传播对社会规范与公众信任造成损害，开发能够自动识别虚假内容的可信算法愈发困难。研究人员研究了一种融合机器学习（Machin

  来源：Journal of Cybersecurity and Privacy

  时间：2026-06-10

• 基于智能体的可变室内几何结构感染风险模拟研究

  本研究引入了一种结合气溶胶建模的基于智能体（Agent-Based）的行人模拟方法，用于分析空气传播疾病的感染风险，特别关注室内场景及其几何结构。为进行分析，研究人员模拟了一个真实的超市场景，并分析了几何因素对气溶胶浓度相关的感染风险的影响。利用这样一组明确界

  来源：AppliedMath

  时间：2026-06-10

• 综述：数学社会动力学：传统研究领域与新领域

  研究人员对用于研究社会过程、社会结构与社会系统中行动者的数学模型应用展开综述。本综述的范围不限于概率论、统计学、随机过程、微分方程、博弈论等传统数学应用，同时讨论了网络理论在社会网络分析中的应用，以及针对社会系统动力学的数值研究，这类应用在近年增长极快。研究特

  来源：AppliedMath

  时间：2026-06-10

• 基于多维特征数据融合的锂离子电池SOH预测方法

  针对锂离子电池在老化过程中退化机制复杂且单一特征难以全面表征电池健康状态（SOH）的问题，该研究提出了一种基于多维健康特征（HF）加权融合的锂离子电池SOH预测方法。首先，从电池充放电数据中提取健康特征（HF），并利用皮尔逊相关系数分析各HF与SOH之间的相关

  来源：Modelling

  时间：2026-06-10

• 拓扑信息引导的金融网络方法结合模糊决策与遗传算法的投资组合优化：来自伊斯坦布尔证券交易所的证据

  本研究提出一种混合投资组合优化框架，整合金融网络分析（financial network analysis）、自适应神经模糊推理系统（Adaptive Neuro-Fuzzy Inference Systems，ANFIS）和遗传算法（Genetic Algo

  来源：Risks

  时间：2026-06-10

• 基于遗传算法(Genetic Algorithm, GA)优化的滑模控制(Sliding Mode Control, SMC)用于带RBF(Radial Basis Function)神经网络补偿的6自由度(DOF)商用车压电主动悬架

  为解决六自由度(6-DOF)半车模型的减振问题并改善行驶平顺性与操纵稳定性，本研究引入基于逆压电效应的压电堆叠作动器(Piezoelectric Stack Actuator)，基于拉格朗日方程建立了耦合驾驶室、车身及车轮的6-DOF半车动力学模型。基于此模型

  来源：Vibration

  时间：2026-06-10

• 基于偏差动态区特征与物理信息神经网络(PINN)的风力机故障诊断新方法

  有效诊断风力机叶片及旋转机械故障对保障运行可靠性与降低运维成本至关重要。研究人员提出一种健康基准建模框架，结合物理信息神经网络（Physics-Informed Neural Network, PINN）与基于偏差的偏差动态区特征（deviation-base

  来源：Wind

  时间：2026-06-10

知名企业招聘：