• 综述：儿童缺血性卒中后早期康复——重要性及效果：一项范围综述

  背景：儿童缺血性卒中后的早期康复可能支持神经可塑性并改善长期功能结局。然而，康复实践仍存在异质性，关于干预最佳时机与强度的循证推荐十分有限。目的：本范围综述旨在评估儿童缺血性卒中后早期康复的现有证据，识别与功能恢复相关的预后因素，总结当前治疗方法，并指出已有文

  来源：Children

  时间：2026-06-30

• 低重力（Hypogravity）下的知觉与感觉运动适应：对手动任务作业及垂直性知觉（Verticality Perception）的意义

  低重力环境（如月球1/6 g、火星3/8 g，重力加速度低于地球1 g）深刻改变支撑空间定向、知觉及手动任务执行的本体感觉运动机制。理解这些适应性变化对于保障航天员操作绩效至关重要。目前尤其需要深入了解长期低重力暴露对坐姿操作（如驾驶、着陆、导航）中手动任务绩

  来源：Frontiers in Psychology

  时间：2026-06-30

• 基于深度学习(Deep Learning)的秘鲁利马市紫外线(Ultraviolet, UV)辐射强度预报：对气候韧性与公共卫生的意义

  紫外线（Ultraviolet, UV）辐射是与皮肤癌、皮肤光老化及眼损伤相关的主要环境风险因子。在气候变率背景下，云量变化与臭氧层动态增加了高暴露城市地区对可靠短时UV预报系统的需求。本研究以秘鲁利马市气象站逾827,000条记录为数据基础，在统一实验协议下

  来源：Algorithms

  时间：2026-06-30

• 自适应A半对数梯度量化用于高效深度神经网络训练

  本文提出一种自适应A半对数梯度量化框架，旨在降低深度神经网络训练期间的内存开销和计算复杂度。该方法采用由动态调整的缩放因子A参数化的半对数压扩函数，该函数根据训练过程中梯度的统计特性演变。提出了两种不同的量化策略并进行了评估：切换分段A量化器，根据指数加权移动

  来源：Algorithms

  时间：2026-06-30

• 较低的功能性双侧赤字与足球运动员更优的多向表现相关

  双侧赤字（BLD）传统上被定义为在同时双侧收缩时产生力量的能力，相较于单侧动作输出的总和有所降低。然而，在应用运动环境中，双侧赤字（BLD）通常通过反向运动跳跃（CMJ）表现来估算，代表了一种功能性的而非直接的力学生产测量。因此，本研究旨在探讨足球运动员中由C

  来源：Applied Sciences

  时间：2026-06-30

• 时间损失性损伤对职业足球运动员赛季垂直跳跃表现与表面肌电图变化的影响：一项探索性研究

  关于职业足球运动员在完整竞技赛季及经历时间损失性损伤后神经肌肉功能的纵向变化，目前证据有限。本项探索性研究旨在探讨与时间损失性损伤相关的纵向变化对表面肌电图（surface electromyography, SEMG）及垂直跳跃表现的影响。研究对象为14名U

  来源：Applied Sciences

  时间：2026-06-30

• 4级钛骨板V型弯曲的优化：一种实验、数值模拟与人工智能相结合的方法

  摘要：在室温下对4级钛骨板进行冷态V型弯曲是一项关键的成形操作，必须对其进行优化以控制应变局部化和回弹，并降低表面开裂的风险。本研究提出了一种结合实验、数值模拟和人工智能（Artificial Intelligence, AI）的方法来分析和优化该工艺。首先通

  来源：Metals

  时间：2026-06-30

• 基于自适应滤波与神经网络逼近的非线性主动悬架系统容错约束控制

  本文研究受路面扰动、车身状态约束及混合执行器故障影响的非线性四分之一车辆主动悬架系统的容错约束控制(Fault-Tolerant Constrained Control)问题。当混合执行器故障、状态约束、未知非线性悬架动力学及收敛时间要求共存时，同时保证容错补

  来源：Electronics

  时间：2026-06-30

• 带有迟滞算子和自适应学习的改进神经网络用于压电叠堆执行器的跟踪控制

  根据提出的带自适应学习（Adaptive Learning）的四层改进神经网络，研究人员设计了一个自适应学习模型，并研究了Play算子（Play Operator）权重函数更新算法、死区算子（Dead-Zone Operator）权重函数更新算法以及混合模型程

  来源：Micromachines

  时间：2026-06-30

• 融合物理约束与HO-Transformer-KAN(河马优化-Transformer-Kolmogorov-Arnold网络)的短期光伏功率预测研究

  摘要：为解决传统光伏功率预测模型可解释性有限及预测精度偏低的问题，研究人员提出一种混合预测模型HO-Transformer-KAN-PINN(Physics-Informed Neural Network，物理信息神经网络)。首先采用最大互信息系数(Maxim

  来源：Energies

  时间：2026-06-30

知名企业招聘：