• Strokes2Deform：基于物理原理的3D手势云变形场学习方法

  Shervin Rasoulzadeh | Raman Suliman | Arvin Rasoulzadeh | Iva Kovacic | Michael Wimmer•一种基于学习的模型，能够在无需重建和仿真的情况下实现具有变形感知能力的3D草图绘制。•一个包含40,000

  来源：Computers & Graphics

  时间：2026-06-01

• 用于火焰场重建的神经折射率原语：基于背景的Schlieren技术

  Xinyi Lu|Wei Hu|Zizhou Liao|Zheng Wang|Yue Zhang|Jingxuan Li摘要本文提出了一种改进的神经隐式折射率重建框架，用于基于背景的斯利尔恩（Schlieren）层析成像技术，该框架能够利用紧凑的神经表示方法实现折射率场的准确高效

  来源：Combustion and Flame

  时间：2026-06-01

• SIFFNet：一种用于抑制多种DAS-VSP噪声的语义信息特征融合网络

  林洪波|李世帅|杨青晨|张泽远|陈俊涵中国吉林大学通信工程学院摘要分布式声学传感（DAS）技术为垂直地震剖面（VSP）采集提供了一种密集且成本效益高的解决方案。然而，由于仪器限制和恶劣的采集环境，DAS-VSP数据常常受到具有复杂特性且与地震事件在空间上相似的各种噪声的污染。这种

  来源：Computers & Geosciences

  时间：2026-06-01

• 利用图引导的生成对抗模仿学习，在专家驾驶轨迹数据上进行驾驶异常检测

  岳松|瑞福|孙沁宇|黄涛|张海伦|郭英石摘要驾驶异常检测是驾驶安全分析领域中的一个关键挑战。传统的检测流程仅能覆盖有限的异常行为范围，且当交通环境发生变化时，它们学习到的异常边界可能会变得不可靠。在本研究中，驾驶异常被定义为在相似交通条件下与规范行为或专家行为模式的偏差。我们提出

  来源：Expert Systems with Applications

  时间：2026-06-01

• 艺术训练能否提升对音乐的情感感知？来自中国大学生的脑电图（EEG）证据

  孙宇凡|侯瑞峰|张彦楠|窦晓晓|梁晓健摘要审美体验在音乐的情感功能中起着核心作用，然而关于长期绘画训练如何影响人们对音乐引发的情感的神经反应的研究却十分有限。本研究基于神经美学和审美共情的理论框架，利用脑电图（EEG）技术探讨了绘画训练对中国大学生的音乐情感神经处理过程的影响。研

  来源：Acta Psychologica

  时间：2026-06-01

• 基于华北地震活动的机器学习地震事件分类

  地震事件的自动化分类对于地震监测与爆炸检测至关重要，特别是在华北此类构造活跃且地震(earthquake)与爆炸(explosion)波形特征高度相似的地区。本研究比较了基于特征机器学习(ML)与基于图像深度学习(DL)方法在事件级(event-level)与

  来源：Earthquake Science

  时间：2026-06-01

• SDD-PINN：求解单液滴干燥(Single Droplet Drying, SDD)问题的物理信息神经网络(Physics-Informed Neural Network, PINN)

  摘要：单液滴干燥(Single Droplet Drying, SDD)作为喷雾干燥的基础过程，是一个具有挑战性的非线性移动边界扩散问题，由收缩球形域内的抛物型偏微分方程(Partial Differential Equation, PDE)及Robin质量传

  来源：Digital Chemical Engineering

  时间：2026-06-01

• 集成物理信息神经网络的新型电磁热-力学计算框架模拟花岗岩微波致裂

  微波辅助破岩作为一种极具前景的新型辅助致裂方法，能有效降低岩体完整性。然而，现有的完全由有限元法（FEM）和离散元法（DEM）驱动的电磁热-力学计算框架，存在计算效率低下且生成的瞬态温度场结果占用过多计算机存储空间的问题。为解决这些挑战，本研究提出了一种用于模

  来源：Computers and Geotechnics

  时间：2026-06-01

• 面向神经算子网络的高效多GPU分布式训练策略：在大地电磁正演模拟中的应用

  在地球物理正演模拟领域，神经算子网络正在成为求解偏微分方程（PDEs）的有效工具。然而，训练日益复杂的网络模型所需的高昂计算成本构成了重大挑战。为解决这一问题，研究人员使用扩展傅里叶DeepONet（EFDO）系统性地研究了多GPU分布式训练中效率与精度之间的

  来源：Computers & Geosciences

  时间：2026-06-01

• 结合参数化物理信息神经网络（P-PINNs）与贝叶斯推断的非饱和土壤水力特性参数后验分布估计

  准确估计非饱和土壤水力特性参数，同时考虑固有土壤不确定性，对于评估非饱和土壤中的入渗行为至关重要。贝叶斯推断（Bayesian inference）为参数估计提供了一个概率框架，有效纳入了与土壤性质相关的不确定性。然而，在非饱和渗流模拟中使用贝叶斯推断进行参数

  来源：Computers and Geotechnics

  时间：2026-06-01

知名企业招聘：