-
基于强化学习(Reinforcement Learning, RL)的自卸卡车调度策略:一种土方与采石场作业框架
摘要:在露天矿土石方系统(矿山、采石场及大型挖填建设工程现场)中,卡车至电铲分配是一项时间关键的管控问题,其中随机行驶与服务时间、变化的排队状况以及设备停机持续改变最优调度决策。研究人员开发了一种深度强化学习(Deep Reinforcement Learni
来源:Buildings
时间:2026-06-09
-
从质量屋到神经架构:面向可解释分类的质量感知神经网络及其在欧盟人工智能法案合规中的应用
随着软件系统日益将机器学习(ML)、深度学习(DL)和生成式人工智能(GenAI)组件与经典确定性逻辑相结合,在应用程序代码中系统性地检测基于人工智能的算法元素对于软件审计、符合欧盟人工智能法案(EU AI Act,Regulation (EU) 2024/1
-
基于图神经网络与深度强化学习的仓库订单拣选与表示学习
订单拣选是仓库运营中资源消耗最大的环节之一,因此提升路径效率仍然是一项重要挑战。深度强化学习(Deep Reinforcement Learning, DRL)在复杂优化问题中已展现出潜力,但其在仓库订单拣选中的应用仍然有限,而图神经网络(Graph Neur
-
基于机器学习代理模型(Machine Learning-Based Surrogate Modelling)的高效微压痕响应反分析求取材料参数的方法
摘要:由于压痕响应与材料参数之间存在非线性关系,从压痕实验中进行的反分析一直是一项具有挑战性的问题。本研究提出一种数据驱动方法,将人工神经网络(Artificial Neural Network, ANN)与进化优化相结合,用于可靠且高效的反向参数识别。研究人
来源:Materials
时间:2026-06-09
-
基于SSA-BP模型的高速同轴双激光焊接SUS301薄板工艺优化与微观组织研究
为预测高速同轴连续-脉冲双激光对焊1 mm厚SUS301(奥氏体不锈钢)板材的焊缝几何形貌并阐明结构-性能关系,研究人员建立了SSA-BP(Sparrow Search Algorithm-Back Propagation,麻雀搜索算法优化反向传播)神经网络模
来源:Materials
时间:2026-06-09
-
工程水泥基复合材料(ECC)集成预测框架:EDFrame
工程水泥基复合材料(Engineered Cementitious Composite,ECC)是一种广泛用于耐久基础设施的高性能应变硬化材料,但其复杂的多参数相互作用使得准确的配合比设计与性能预测具有挑战性。本研究旨在建立一种用于ECC的集成预测框架EDFr
来源:Materials
时间:2026-06-09
-
基于机器学习的激光粉末床熔融过程层间熔融质量原位监测识别
激光粉末床熔融(L-PBF)已成为高端领域(包括航空航天和医疗器械制造)的核心金属增材制造技术。然而,制造过程中发生的熔融异常逐层累积,导致成形部件的表面质量下降和机械性能受损——这是限制其大规模工业应用的关键瓶颈。由于此类熔融异常引起的复杂表面形貌,准确且鲁
来源:Materials
时间:2026-06-09
-
热泵辅助太阳能生活热水系统设计中机器学习替代模型的研究
准确设计与性能评估热泵辅助太阳能生活热水系统通常需要瞬态模拟,因为系统行为取决于集热器特性、储热分层、控制逻辑、气象条件及用水时段等多重交互作用。月度简化方法如f-chart法可用于初步估算,但无法解析储热分层、恒温器运行及需求时段,在应用于分层恒温控制的系统
来源:Energies
时间:2026-06-09
-
个性化与群体水平语音模型在多维心理健康预测中的比较研究
引言:精神障碍如抑郁症、焦虑症和压力(Stress)在年轻成人中日益普遍。传统评估依赖自评问卷和临床访谈,限制了可扩展性。基于语音的机器学习模型提供了一种可扩展且非侵入性的替代方案;然而群体水平(Population-level)模型难以区分障碍相关信号与说话
来源:Frontiers in Digital Health
时间:2026-06-09
-
探索影响使用AI虚拟伴侣意愿的心理因素:一项SEM-ANN研究
摘要:引言:AI虚拟伴侣产品在提供情感支持和交互体验方面展现出潜力,但其用户接受度和广泛采用仍面临挑战。本研究在TAM3(Technology Acceptance Model 3,技术接受模型3)模型基础上,引入AI信任(AI Trust)、感知拟人化(Pe
来源:Frontiers in Psychology
时间:2026-06-09