• 基于神经网络的巨偶极共振参数系统学及其对(γ,n)反应截面的影响

  基于核子物理特性描述符，本研究开发了分阶段人工神经网络模型以推断Giant Dipole Resonance（GDR）的峰能量、宽度及峰值截面参数。通过核素级数据划分避免信息泄漏，并验证了该模型在TALYS中的性能，结果表明优于内置参数系统atics。

  来源：Knowledge-Based Systems

  时间：2026-04-02

• 从意外中学习：结合大语言模型（LLM）引导的测试时适应机制来处理时序知识图谱

  时序知识图谱补全（TKGC）通过动态知识表示支持社会事件预测、金融风险监控等应用，但传统静态模型难以应对非稳态环境中的语义漂移。本文提出DART-TKG框架，利用大语言模型（LLM）的语义推理能力实现神经符号自适应：在线语义监控检测异常事件，LLM生成符号化调控指令，结合LoRA技术进行参数微调，解决传统在线学习方法计算成本高、适应性弱、遗忘严重等问题。实验在ICEWS14/18数据集上验证，相比9种基线模型，DART-TKG在保持原有知识结构的同时，有效捕捉突发语义变化，显著提升跨模型泛化能力和抗遗忘性能。

  来源：Knowledge-Based Systems

  时间：2026-04-02

• 综述：隐喻处理的时序过程：一项关于ERP研究的元分析

  隐喻的ERP神经机制研究：元分析揭示N400与LPC的动态差异及conventionality影响

  来源：Journal of Neurolinguistics

  时间：2026-04-02

• 基于条件物理信息的深度算子网络在低地球轨道卫星轨迹预测中的应用

  高精度低地球轨道预测框架研究：提出条件物理信息深度操作网络模型，通过融合轨道力学方程约束与深度学习映射，实现任意初始时刻的多星协同轨道预测，实验验证其优于传统SGP4模型和纯数据驱动方法。

  来源：Aerospace Science and Technology

  时间：2026-04-02

• 基于机器学习的变刚度复合有孔板的性能预测

  变刚度复合材料孔板纤维路径优化与多任务神经网络预测方法研究。基于三次函数曲线划分填充区、变刚度区和恒定刚度区，结合强度准则分析不同填充策略与变刚度区尺寸对拉伸性能的影响，提出融合复合材料力学与机器学习的集成方法，开发专用神经网络模型实现秒级应力响应预测，为智能设计与高效制造提供理论支撑。

  来源：COMPOSITE STRUCTURES

  时间：2026-04-02

• 考虑结构与地面运动特性在频域内相互关系的地震损伤状态预测模型

  地震损伤状态预测模型研究，提出基于地震动与结构频率域共振区域（Ra）及其时间变化（Tra）的卷积神经网络模型（Model_Tra和Model_TraP），通过融合Ra、峰值地面加速度（PGA）等参数实现结构地震损伤分类。

  来源：Journal of Building Engineering

  时间：2026-04-02

• 基于Al–Cu和Fe–Mn合金显微图的机器学习预测方法，用于预测固液界面性质

  提出基于卷积神经网络的实验方法，通过分析Al-Cu和Fe-Mn合金铸态显微图像，成功预测固液界面自由能γ₀=0.135±0.019 J/m²和各向异性参数ϵ=0.0106±0.0029（Al-Cu合金），以及γ₀=0.206±0.012 J/m²和ϵ=0.0213±0.0024（Fe-Mn合金），结果与文献值吻合。研究证实需多形态学特征耦合分析才能实现可靠预测。

  来源：ACTA MATERIALIA

  时间：2026-04-02

• 综述：关于医学图像隐写技术的综合性研究

  本文通过三轴分类法（图抽象层、分析方法、安全目标）系统综述物联网与 cyber-physical systems 融合环境中的图智能安全研究，指出当前研究过度集中于基于图神经网络的检测技术，而高抽象层建模、预测性安全及韧性设计存在显著空白，并提出融合物理知识的混合学习、可信因果推理等未来研究方向。

  来源：Computer Science Review

  时间：2026-04-02

• 一种基于数据驱动的质子交换膜电解槽性能预测方法：深度学习与优化

  提出一种结合数值模型与神经网络的PEM电解槽边界条件优化方法，通过BP神经网络实现高精度电流密度预测（R²=0.9967），并利用滑动窗口优化算法发现多个热性能差异显著的局部最优解。研究表明相同电性能下热均匀性差异可达46.69%。

  来源：International Journal of Hydrogen Energy

  时间：2026-04-02

• 通过逐层特征空间扰动净化技术，防御对抗性攻击对自动调制识别的攻击

  对抗攻击下自动调制识别的深度神经网络防御研究。本文提出CFA-VQGAN框架，通过三阶段特征对齐策略抑制多层特征空间的对抗扰动传播，在保持清洁信号识别精度（92.84%-96.11%）的同时显著提升鲁棒性，尤其对白盒PGD攻击（87.22%-83.95%）和黑盒Square攻击（47%-44%）效果显著。

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-04-02

知名企业招聘：