-
利用NARX神经网络研究修正的Korteweg–de Vries–Zakharov–Kuznetsov方程中的非线性动力学与混沌现象
摘要
来源：Mathematical and Computational Applications
时间：2026-07-09
-
客座编辑特刊：医疗物联网的社会影响：从身体可穿戴设备到脑部植入物
随着对医疗物联网（Internet of Medical Things, IoMT）、可穿戴健康监测和神经接口的需求持续增长，不仅需要柔性形态因素，还需要系统级设计、能效运行和人工智能集成。满足这些要求需要整个堆栈的协调进步，从材料和器件到电路、算法和封装。本
来源：IEEE Journal on Flexible Electronics
时间：2026-07-09
-
文化遗产中包容性人工智能的UDL-ICF框架：来自Erasmus+混合强化项目的探索性见解
文化遗产机构在满足神经多样性（neurodivergent）访问需求方面持续面临重大挑战，而将包容性设计与人工智能（AI）联系起来的原理性框架在遗产领域仍不成熟。本文提出并探索将双重通用学习设计（UDL 3.0）–国际功能、残疾和健康分类（ICF）框架从教育领
来源：Heritage
时间：2026-07-09
-
数据与机制驱动的铝合金热轧力预测
铝合金热轧具有品种多样、来料厚度变化大、过程非线性强等特点。传统的轧制力预测模型依赖于简化的物理假设，适应性差，难以满足高精度生产要求。研究人员提出了一种适用于轧制温度范围320°C至520°C的机制-数据双重驱动PSO-BP神经网络轧制力预测方法。采用SIM
-
一种可解释的CS-缓解三角(ECSMT)框架以保护图神经网络
该研究通过防御图神经网络（Graph Neural Networks, GNNs）上的后门攻击来应对网络风险。研究人员提出了可解释的复杂系统-缓解三角（ECSMT）框架，该框架将鲁棒训练、图正则化和数据净化集成到一个轻量级、硬件高效的防御层中。为了评估结构泛化
来源：Electronics
时间：2026-07-09
-
数字阴影（Digital Shadowing）赋能的深度学习用于预测不确定性下集成能源系统的碳感知日前调度
可持续电力系统越来越需要能够在预测不确定性下协调可再生能源发电、分布式灵活性和传统能源转换单元，同时直接支持碳排放减少的调度方法。然而，许多数据驱动的调度模型仍然通过软惩罚或后处理校正来强制实施运行约束，这可能导致部署时出现不可行的调度，并削弱其在数字阴影辅助
来源：Technologies
时间：2026-07-09
-
基于声学信号的肌紧张性发声障碍与痉挛性发声障碍的深度学习方法
问题：仅凭听觉感知区分痉挛性发声障碍（SD，一种神经性疾病）和肌紧张性发声障碍（MTD，一种行为性嗓音障碍）是临床常见挑战。这种诊断困难可能导致适当治疗延迟，凸显了对客观、可靠的辅助诊断工具的需求。目的：本研究旨在开发并验证一种基于深度学习的AI模型，仅使用语
来源：Frontiers in Digital Health
时间：2026-07-09
-
基于集成的概率代理模型不确定性量化与分解——使用贝叶斯神经网络
本研究提出了一个用于分解概率代理模型（probabilistic surrogate models）集成的预测不确定性的新框架，特别关注贝叶斯神经网络（Bayesian neural networks, BNNs）。当现有不确定性量化（uncertainty
来源：Structural Safety
时间：2026-07-09
-
欧元区通胀异质性与扩散动态：新常态？
本文考察了欧元区通胀动态与跨国扩散模式。研究人员探讨了高通胀阶段，包括欧洲央行货币政策的结构性变化。研究人员采用模拟方法，并利用1999年至2024年的月度数据。研究揭示了六项结果：(i) 研究展示了欧元区各异的通胀聚类；(ii) 在高通胀聚类中，发现累积通胀
来源：Structural Change and Economic Dynamics
时间：2026-07-09
-
基于图神经网络的陆相页岩断层与裂缝分布预测
断层-裂缝系统在页岩油的运移、聚集和保存中起着关键作用。然而，这些裂缝的微弱地球物理响应以及断层和天然裂缝拾取中的模糊性使其识别和辨认面临挑战。为解决这些问题，本文提出了一套基于图神经网络（GNN）的断层-裂缝系统分布预测方法。该方法集由三部分组成：(1) 基
来源：Petroleum Science
时间：2026-07-09
粤公网安备 44010602000434号