-
基于石墨烯的双频太赫兹超表面生物传感器用于神经元特异性烯醇酶敏感检测
• 开发了一种石墨烯功能化的双波段太赫兹超表面生物传感器。
• 纳米压印技术实现了超表面的精确且可重复的制造。
• 双共振特性实现了对 1–50 ng/mL 范围内神经元特异性烯醇化酶(NSE)的敏感检测,检测限低至 0.17 和 0.60 ng/mL。
• 该生物传感器表现
来源:Sensors and Actuators A: Physical
时间:2026-10-24
-
综述:开放性腹股沟疝修补术中预防性神经切除术与神经保留对预防慢性术后腹股沟疼痛(CPIP)的对比:系统评价与Meta分析
摘要目的慢性术后腹股沟疼痛仍是开放腹股沟疝修补术后致残的重要原因。本系统评价旨在评估对于择期行开放前路修补术的成人,计划性预防性神经切除术与神经保留相比是否可减少慢性疼痛。方法检索了2000年1月至2026年3月PubMed、Scopus、Web of Science、Coc
-
加速锂离子电池NCM811正极有效体积模量预测:基于几何简化图的神经网络模型
•开发了一种基于BIB-SEM到GNN的工作流程,用于预测NCM811正极的有效体模量。•Mapper-DFS能够实现体素化电极微结构的紧凑图表示。•与CNN相比,GNN模型训练成本降低了81.92%,准确率超过了90%。
引言
锂离子电池因其许多优点而备受关注,包括高能量密度
来源:Journal of Energy Storage
时间:2026-10-24
-
基于人工智能的机器视觉系统在荸荠收获后自动分级中的应用
•开发了一套基于人工智能的采后自动化分级系统。•整合了深度学习模型(MobileNetV3、InceptionV3),以实现高精度。•分级准确率达到97.75%,处理速度较传统人工方法提升6倍。•通过用户友好的数据可视化平台实现了实时监控。•提升了可持续农食品加工的可扩展性和
来源:Engineering Applications of Artificial Intelligence
时间:2026-10-24
-
高维时变偏微分方程的自适应神经进化方法
摘要
深度学习方法已被广泛应用于求解偏微分方程(PDEs),然而,当目标解表现出空间局部结构时,神经网络往往难以准确地表示整个时间范围内的全局解,尤其是在高维情况下。受传统数值演化方法的启发,我们提出了自适应神经演化(ANE)方法,该方法结合了自适应策略和迁移学习,其中不同时间
来源:Engineering Applications of Artificial Intelligence
时间:2026-10-24
-
从全局搜索到局部查找:通过可微守护逻辑实现可扩展的知识库补全
摘要AI 摘要要查看此 AI 生成的摘要,您必须拥有高级访问权限。了解更多登录摘要摘要最先进的知识库补全模型,从几何嵌入到图神经网络,均取得了令人瞩目的预测性能,但存在一个关键局限性:它们作为黑箱运作,常常忽视数据一致性,产生违反严格本体约束的预测。虽然神经符号框架试图通过整
来源:Proceedings of the ACM on Management of Data
时间:2026-10-24
-
生物医学系统中磁性Oldroyd-B生物对流纳米流体流动的机器学习分析
•主导偏微分方程 (PDEs) 通过相似变换转化为常微分方程 (ODEs)。
•对于几个物理参数值,使用 `scipy.integrate` 库中的 `solve_bvp` 函数在 Python 中求解了这些常微分方程。
•开发的求解数据用于使用 PyTorch 训练监督深度
来源:Applied Radiation and Isotopes
时间:2026-10-24
-
用于认知诊断的高效关系融合多通道图卷积网络
•异构教育图之间存在结构差异。•关系特定的编码器能够捕获多样化的教育交互。•一种具有低计算成本和高性能的认知诊断模型。引言认知诊断(CD)是一项关键的教育技术,通过分析学生在练习题上的表现来推断其对基础概念的掌握程度,如图1所示。随着人工智能技术的快速发展,个性化教育已成为当
来源:Information Fusion
时间:2026-10-24
-
通过残差耦合图学习与脉冲响应分析揭示电动汽车充电中的非对称竞争
•残差解耦机制从主导性充电趋势中分离出微妙的价格弹性信号。•新颖的峰值偏移图捕获了超越静态地理关系的功能性竞争。•脉冲响应分析评估了价格冲击下的因果市场动态。•用户表现出损失厌恶特征,价格上涨引发的溢出效应比降价更为显著。•动态定价重新分配充电负荷,而非抑制总需求。引言全球碳
来源:TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES
时间:2026-10-24
-
《“一种新型异质耦合神经元网络及其在机械故障特征增强中的应用”》的勘误声明 [《Chaos Solit. Fractals》213卷 (2026) 119174]
作者对文章原始版本中的错误表示遗憾。1. 原始(错误)版本:[下载:下载高分辨率图片(647KB)下载:下载完整尺寸图片] 更正后的内容如下:[(1) 在添加耦合放电机制后,双曲正切神经元模型处理的信号的SNR与单双曲正切神经元模型和具有耦合放电机制的高斯神经元模型处理的信号
来源:Chaos, Solitons & Fractals
时间:2026-10-24