-
S<sup>2</sup>F-GNN:一种基于动态异构图的自监督鲁棒加密流量分类方法
加密流量分类是网络安全与管理中的一项关键任务。然而,现有方法往往忽视流量的结构性和多维相关性,且其对大规模标注数据的高度依赖限制了在动态网络中的泛化能力。为应对上述局限,本研究提出了一种基于自监督学习的小样本加密流量分类框架(S<sup>2</sup>F-GN
来源:Digital Communications and Networks
时间:2026-05-21
-
GraphSageNMT:一种针对印度语言的图增强型神经机器翻译技术,具备动态上下文检索功能
摘要:将古代印度文本翻译成英语对神经机器翻译(NMT)系统来说是一个重大挑战,因为这些文本篇幅较短、语法结构独特,且解释起来具有内在复杂性。本研究提出了GraphSageNMT,这是一种基于记忆的NMT框架,它结合了多层次的语言特征和一个非参数的、可随时使用的记忆增强模块。Gr
来源:IEEE Access
时间:2026-05-21
-
SceneLinker:通过语义场景图从RGB序列生成组合式3D场景
摘要:
我们提出了SceneLinker这一新型框架,它能够通过RGB序列生成具有语义场景图的可组合3D场景。为了根据每个用户所处的空间自适应地体验混合现实(MR)内容,生成一个能够反映真实世界布局的3D场景至关重要,这
来源:IEEE Transactions on Visualization and Computer Graphics
时间:2026-05-21
-
基于微调的小语言模型的网络自配置
摘要:随着现代网络规模的不断扩大和复杂性的增加,手动配置过程变得越来越低效且容易出错。尽管基于大型语言模型的意图驱动式自配置展现出了巨大的潜力,但这些模型仍然计算密集且资源消耗量大,并且由于依赖于外部云基础设施而常常引发隐私问题。本文提出了SLM netconfig,这是一个经
来源:IEEE Open Journal of the Communications Society
时间:2026-05-21
-
一种用于组织环境中可解释且可追溯决策制定的神经符号多智能体系统
摘要:生成式人工智能(AI)在人力资源管理(HRM)中的日益广泛应用引发了关于透明度、可解释性和责任性的关键挑战。尽管大型语言模型(LLMs)提供了强大的自然语言交互能力,但它们容易产生幻觉且推理过程不透明,这限制了它们在HR场景中的决策适用性。我们提出了一种基于设计的透明神经
来源:IEEE Access
时间:2026-05-21
-
阿立哌唑在自闭症谱系障碍儿童及青少年中的疗效与安全性:一项Meta分析
目的:阿立哌唑(Aripiprazole)是为数不多的获批用于管理自闭症谱系障碍(ASD)儿童及青少年易激惹(Irritability)的药理制剂之一。方法:研究人员系统检索了截至2025年9月(最后检索日期:2025年9月15日)主要数据库中比较口服阿立哌唑
来源:Journal of Neurologic Physical Therapy
时间:2026-05-21
-
基于神经网络(Neural Network, NN)的轮式移动机器人(Wheeled Mobile Robot, WMR)运动控制:一项全面综述
轮式移动机器人(Wheeled Mobile Robot, WMR)已成为现代自主系统的核心组成部分,而运动控制始终是其中最具挑战性且研究最为活跃的课题之一。WMR的控制设计受到非线性动力学(nonlinear dynamics)、非完整约束(nonholon
来源:IEEE Access
时间:2026-05-21
-
生物质基活性炭(Activated Carbon, AC)对刚果红(Congo Red, CR)染料的吸附:基于机器学习(Machine Learning, ML)的预测及比较评估
合成染料是现代制造业不可或缺的组成部分,但其持续排放已成为水污染的重要来源。纺织、皮革、造纸、食品及制药等行业大量排放有色废水,其中许多染料具有复杂的芳香结构,难以生物降解。一旦进入水体,这些化合物会降低光透射率、抑制光合作用,并可能形成有毒或致突变中间体,对
来源:ACS Omega
时间:2026-05-21
-
基于人工智能模型与遗传算法的大气渣油脱硫优化运行决策
摘要:大气渣油脱硫(ARDS)是脱除高硫大气渣油(HSAR)中杂质的关键催化过程。在长期运行中,催化剂会逐渐失活,需逐步提升反应器温度以维持产品质量。工业实践中,反应器温度调整多依赖操作员经验,常导致能源利用效率不佳。为解决该问题,本研究提出一种融合人工神经网
-
面向二进制阀输入数字控制气动系统的物理信息神经网络建模及自适应参数辨识
气动驱动系统的精确动态建模对设计优化与控制稳定性至关重要。传统基于物理的模型受气体可压缩性、非线性摩擦及工况变化影响,在精度与适应性上存在局限;纯数据驱动模型常缺乏物理一致性,在外推工况下泛化能力较差。物理信息神经网络(PINNs)虽能有效融合物理先验与数据驱
来源:Engineering Applications of Artificial Intelligence
时间:2026-05-21