• 工业系统故障诊断的随机掩码因果图网络(Stochastic Mask Causal Graph Network for Industrial System Fault Diagnosis)

  尽管图神经网络（Graph Neural Network, GNN）在建模工业故障诊断中传感器交互网络方面已被证实有效，但仍面临两个关键局限：黑箱操作导致故障识别与传播分析缺乏透明性，以及不可靠的注意力机制——其权重无法真实反映传感器或其交互的真实相关性。为解

  来源：Machines

  时间：2026-06-10

• 基于SHAP可解释性混合CNN–BiLSTM–Attention深度学习框架的逆变器驱动PMSM系统行为故障诊断

  可靠的故障检测与诊断（Fault Detection and Diagnosis, FDD）在逆变器驱动的永磁同步电机（Permanent Magnet Synchronous Motor, PMSM）系统中具有关键作用，尤其在运行连续性不可妥协的应用场景中。

  来源：Machines

  时间：2026-06-10

• 一种基于小波包分解（WPD）时频特征增强的新型轴承故障诊断方法

  准确的轴承故障诊断对于确保电驱动系统的安全性和可靠性至关重要。针对轴承故障时频特征信息未能充分利用以及缺乏自适应特征选择机制导致的诊断不准确问题，本文提出了一种基于小波包分解（WPD）时频特征增强的智能轴承故障诊断方法。首先，利用WPD对采集的振动信号进行增强

  来源：World Electric Vehicle Journal

  时间：2026-06-10

• 线性回归(Linear Regression, LR)与前馈神经网络(Feed-Forward Neural Network, FNN)混合方法预测锂离子动力电池健康状态(State of Health, SOH)

  将电动汽车(Electric Vehicle, EV)接入电网构成Vehicle-to-Grid(V2G)微网模型以促进多能源协同管理，其中V2G规划的目标之一是降低电能消耗。微网的有效管控依赖先进的自动化与控制系统，而此类系统的建立与维护颇具挑战。为此，研究

  来源：World Electric Vehicle Journal

  时间：2026-06-10

• 面向神经多样性的自动叙事：多层LSTM、高级嵌入与现代叙事生成技术之间的比较评估

  训练时间是一个需要重点考虑的重要问题，因为它会因不确定性、多样性和叙事连贯性等因素而对生成故事的集合产生显著影响。本文对不同训练时长与随机种子条件下的预测熵动态进行了系统分析，研究了在概率语言生成模型中，熵与词汇多样性、重复性、语义一致性及实体连续性之间的相互

  来源：Applied Sciences

  时间：2026-06-10

• 基于常微分方程神经网络(NODE)与对抗训练(Adversarial Training)的遥感影像红树林鲁棒分割方法

  红树林生态系统因其卓越的固碳潜力和对海岸生态平衡的关键贡献而备受关注。然而，红树林面积的急剧减少使得利用遥感技术进行高效监测成为迫切需求。尽管深度神经网络(DNN)在分割任务中表现优异，但其鲁棒性仍显不足。这一局限源于离散层间变换缺乏连续性理论保证，导致模型不

  来源：Applied Sciences

  时间：2026-06-10

• 融合BERT与超图注意力网络(HyperGAT)及孪生神经网络(Siamese Networks)和参考答案集(Reference Answer Set, RAS)的短答案自动评分方法

  摘要：本文提出一种新颖框架HyperGAT-BERT-RAS，该框架整合：(1) 融合BERT的超图注意力网络(HyperGraph Attention Network with BERT, HyperGAT-BERT)以增强语义表示；(2) 通过对满分答案聚

  来源：Behavioral Sciences

  时间：2026-06-10

• 基于GSConv的Slim-Neck与双层路由注意力机制的车辆轻量化损伤检测

  车辆损伤检测是智能交通系统和保险评估中的一项重要任务，但由于损伤区域在复杂环境中具有细微的外观表现、不规则的形状以及空间分散性，该任务仍面临挑战。研究人员提出了一种专门的结构协同方案，将基于GSConv的Slim-Neck、动态双层路由注意力（Bi-Level

  来源：World Electric Vehicle Journal

  时间：2026-06-10

• 基于多尺度卷积神经网络与时空双重注意力的配电网两阶段故障诊断

  针对配电网中故障特征微弱以及相邻节点难以定位的问题，研究人员构建了一种两阶段级联架构，将诊断任务解耦为故障分类与区段定位。特征层融合多尺度卷积神经网络（MS-CNN）、SimAM（Simple Attention Module，简单注意力模块）与 Transf

  来源：Electronics

  时间：2026-06-10

• 物理正则化神经反演框架用于长水平井穿过多条断层的试井参数识别

  摘要：高渗透性断块油藏中的长水平井可能穿过多条断层，导致复杂的压力瞬态响应、常规试井解释中的强参数耦合、低效的手工历史拟合，以及断层性质识别中显著的非唯一性。为应对这些挑战，本研究提出了一种基于物理正则化神经反演框架的方法，该方法采用PINN参数化和低权重物理

  来源：Processes

  时间：2026-06-10

知名企业招聘：