当前位置:首页 > 今日动态 > 神经科学
  • 基于深度卷积神经网络的双分量信号调制分类

    针对复杂电磁环境中的混合信号调制分类问题,研究人员提出了一种基于深度学习的双分量信号调制分类算法。该方法采用同相和正交调制(I&Q调制)进行基带信号分解,并利用具有多维卷积核的深度卷积神经网络(CNN)进行特征提取。通过集成多类别损失函数(multiclass

    来源:Chinese Journal of Electronics

    时间:2026-06-16

  • 重审视光场空间超分辨率的子空间解耦

    光场(LF)空间超分辨率(SR)旨在从低分辨率观测中重建高分辨率LF图像。近年来,子空间解耦被广泛采纳于众多方法中。通过将高维LF数据分解为空间、角度和对极子空间,深度网络的学习难度可显著降低。尽管SR性能持续提升,但若干基础问题(如各子空间的相对重要性)仍未

    来源:IEEE Transactions on Circuits and Systems for Video Technology

    时间:2026-06-16

  • 使用分区等效建模和近场扫描增强不规则形状复合材料结构的电磁参数建模

    研究人员为了表征含有曲面、缝隙等几何不规则性的飞机复合材料蒙皮中的局部电磁参数,提出了一种分区等效建模(Partitioned Equivalent Modeling, PEM)方法。该方法为复杂结构的低频电磁屏蔽效能分析提供了参数基础。在PEM方法中,不规则

    来源:Chinese Journal of Electronics

    时间:2026-06-16

  • 混合神经网络加速的混合针翅微通道热沉自适应深度强化学习优化设计过程

    随着集成电路和异构微系统集成的日益复杂,有效的热管理和智能设计对于防止热失效至关重要。本研究提出了一种基于自适应深度强化学习(ADRL)的针翅微通道热沉优化方法,利用混合神经网络(HNN)提高了迭代优化效率。建立了混合针翅微通道(HPFMCHS)模型,通过仿真

    来源:CHAIN

    时间:2026-06-16

  • 自适应门控多模态融合用于可解释且不确定性感知的肿瘤分级评估

    深度学习模型在自动化胶质瘤分级方面具有潜在进展,但其有限的可解释性和不可靠的置信度估计阻碍了临床采纳。在本工作中,提出了一种可信赖的多模态深度学习框架,该框架整合临床人口统计学和基因组突变谱以预测胶质瘤级别。引入了一种动态门控融合网络(Dynamic Gate

    来源:IEEE Transactions on Affective Computing

    时间:2026-06-16

  • 皮肤TRPV4(瞬时受体电位香草酸亚型4)增强电针刺激传入信号的传递

    电针刺激(electroacupuncture stimulation, ES)对多种疾病具有治疗作用,其主要机制为激活外周感觉神经。机械敏感离子通道瞬时受体电位香香草素亚型4(transient receptor potential vanilloid 4,

    来源:ACS Omega

    时间:2026-06-16

  • 基于深度学习整合钻芯高光谱与地球化学数据以增强钻芯矿物填图

    钻芯矿物填图对矿体建模至关重要,但基于人工地质编录的传统分析方法耗时、主观且易产生偏差。高光谱(HS)成像提供了一种快速、高分辨率且无损的替代方案;然而,HS数据的传统分析仍依赖人工解译,限制了其效率与可靠性。深度学习(DL)的最新进展通过从HS数据中自动提取

    来源:Applied Computing and Geosciences

    时间:2026-06-16

  • 基于深度学习的泰国木琴音乐自动转录框架:模型评估与感知评估

    本文提出了一项基于深度学习的泰国木琴(ranat ek)自动音乐转录(Automatic Music Transcription,AMT)研究。泰国木琴是泰国古典音乐中的核心乐器,具有鲜明的声学特征与演奏特性。不同于西方乐器,泰国木琴采用非平均律(non–eq

    来源:Intelligent Systems with Applications

    时间:2026-06-16

  • 基于机器学习预测介质阻挡放电反应器中等离子体CO<sub>2</sub>转化

    本研究旨在开发一种稳健且可解释的机器学习(ML)框架,用于预测介质阻挡放电(DBD)反应器中等离子体CO<sub>2</sub>转化及能量效率(EE)。研究人员系统性地收集了2010年至2025年间发表于文献的358组实验数据,涵盖六种关键操作与几何参数。基于

    来源:Green Chemistry

    时间:2026-06-16

  • 基于人工神经网络(Artificial Neural Network, ANN)的生物传感器用于慢性疾病检测:进展、挑战与未来方向

    早期慢性疾病的诊断是现代医疗保健面临的最重大挑战与机遇之一,其对改善患者预后及减轻全球医疗系统沉重经济负担具有深远意义。一种有望应对此挑战的新兴技术范式是"智能"生物传感器(smart biosensors)的开发。这类先进分析装置将机器学习算法——特别是人工

    来源:Engineering Applications of Artificial Intelligence

    时间:2026-06-16


高级人才招聘专区
最新招聘信息:

知名企业招聘:

    • 国外动态
    • 国内进展
    • 医药/产业
    • 生态环保
    • 科普/健康