-
超越一刀切方法:人格与社会支持在户外体育活动促进中的非对称作用
目的:认识到户外运动享受是公共心理健康的重要保护因素,本研究构建了一个有调节的中介模型,以检验人格特质(具体为外向性和神经质)与户外运动享受之间的关联。研究聚焦于基本心理需要满足(BPNS)与需要挫折(BPNF)的双重中介作用,并进一步探索了社会支持的边界条件
来源:Frontiers in Public Health
时间:2026-07-16
-
GraPhAI: 用于求解中心对称晶体结构的神经网络
由于缺乏解决晶体学相位问题(phase problem)的通用方法,从低分辨率衍射数据确定晶体结构具有挑战性。研究人员开发了一种图神经网络(graph neural network, GNN)GraPhAI,并提出了一种新的、高效的衍射数据图表示形式用于深度学
来源:Journal of the American Chemical Society
时间:2026-07-16
-
超声辅助天然低共熔溶剂提取龙井茶儿茶素:工艺优化与生物活性评价
超声辅助天然低共熔溶剂(NADES)提取实现了从龙井茶中高效回收儿茶素。NADES_9(基于L-脯氨酸/尿素)在测试溶剂中表现出优越的提取性能。采用响应面法(RSM)和遗传算法-反向传播神经网络(GA-BP)进行工艺优化,两者在预测和一致性方面具有互补优势。富
来源:Industrial Crops and Products
时间:2026-07-16
-
人工神经网络分析贝叶斯正则化算法在收敛-发散通道内磁流体黏弹性纳米流体热质传递中的应用
研究人员针对收敛通道内流动的广泛工程应用需求,首次将基于贝叶斯正则化算法(Bayesian Regularization Algorithm, BRA)的人工神经网络(Artificial Neural Network, ANN)应用于含银(Ag)和氧化铝(A
来源:Engineering Science and Technology, an International Journal
时间:2026-07-16
-
综述:基于Web of Science的3D实景建模文献计量分析
3D实景模型能够生动直观地呈现城市信息的各个方面,并已在多个领域得到应用。然而,针对3D实景建模研究发展现状与趋势的定量回顾仍较为匮乏。为填补这一空白,本研究进行了文献计量分析。研究人员分析了2005年至2024年间收录于Web of Science核心合集的
来源:Annals of GIS
时间:2026-07-16
-
用于旅游导向的基于位置感知的商业推荐的城市场所兴趣点空间语义揭示
开展商业活动的选择依赖于多种因素,这些因素会深刻影响业务类型及其物理位置,特别是当活动涉及旅游导向目标时。而传统研究主要关注影响潜在盈利企业的经济和管理相关特征,“最佳业务的最佳位置”这一范式大多被忽视。研究人员的研究旨在提供一种创新解决方案,用于探索与商业相
来源:Geocarto International
时间:2026-07-16
-
综述:多模型集成方法在空气质量预测中的应用:从化学传输模型到混合机器学习的综合综述
在过去的二十年中,空气质量预测已从主要单一模型范式转向明确利用模型、观测和数据流之间多样性的集成系统。本综述连接了通常被分别处理的发展:化学传输模型(CTM)集成、基于树的集成和混合机器学习集成、深度学习架构、物理信息神经网络以及分布式方法如联邦学习。从近期系
来源:Atmosphere
时间:2026-07-16
-
基于图的美国航空运输网络机场延误传播多步预测
现有的机场延误预测模型通常侧重于孤立的航班级或机场级预测,并未明确表示中断在全国航空运输网络中的空间传播。本研究开发并评估了一种用于美国国内网络多步机场级延误预测的时空图学习框架(spatio-temporal graph learning framework
来源:Applied Sciences
时间:2026-07-16
-
神经网络与决策树在粗糙度预测中的比较分析
在当前制造业背景下,优化切削参数以实现可控的表面粗糙度需要昂贵且耗时的实验工作。本研究通过开发基于机器学习的鲁棒近似函数来预测五轴CNC(计算机数控)环形铣削产生的表面粗糙度(R<sub>a</sub>),以应对这一挑战。研究包括在C45钢的实际生产条件下进行
来源:Machines
时间:2026-07-16
-
面向硬件的联邦GNN方法用于无线定位和误用用户检测
无线边缘系统日益依赖设备端学习完成用户定位和误用用户检测等任务,但由于隐私和带宽限制,集中式训练往往不可行。在本工作中,研究人员研究了通信高效的联邦学习(Federated Learning,FL)方案,该方案跨客户端联合训练轻量级神经模型。研究人员比较了多任
来源:Electronics
时间:2026-07-16