-
残差深度神经网络及响应特征在微波无源器件逆向建模中的应用
斯瓦沃米尔·科齐尔(Slawomir Koziel)|考斯塔布·C·萨胡(Kaustab C. Sahu)|安娜·皮特伦科-达布罗夫斯卡(Anna Pietrenko-Dabrowska)
工程优化与建模中心,雷克雅未克大学,冰岛雷克雅未克102
**摘要**
电磁
来源:Engineering Science and Technology, an International Journal
时间:2026-05-15
-
动物园和水族馆中的自闭症互动策略:一种混合方法视角
摘要
动物园和水族馆(Z/As)作为重要的非正式STEM学习(ISL)场所,能够吸引公众关注保护工作和科学知识。然而,目前关于如何让自闭症患者作为游客、参与者或工作人员融入这些场所的了解还非常有限。这项采用混合方法的研究属于“将动物园和水族馆打造成包容性科学社区”(MoZAI
来源:Visitor Studies
时间:2026-05-15
-
基于稀疏表面压力的流动重建技术:研究厚翼型在一系列攻角下的周围流动情况
摘要:我们提出了一种基于神经网络的高效方法,用于从有限的表面压力测量数据中估计翼型周围的瞬时流场。该模型被称为SNN-POD,它依赖于两个独立的浅层神经网络来预测广泛的攻角范围([10°, 20°])内的瞬时流动。在所有攻角下,全局模型都能从单次传感器数据中正确恢复流动的平均特性
来源:Data-Centric Engineering
时间:2026-05-15
-
混合量子机器学习在入侵检测中的应用:QNN与QSVM模型的比较研究
摘要: 入侵检测系统(IDS)是现代网络安全的基石;然而,它们的性能越来越受到高维网络流量和传统机器学习方法的可扩展性限制的制约。量子机器学习(QML)通过利用量子特征空间和混合量子-经典优化方法,近期成为了一个有前景的研究领域。在这项工作中,我们提出了一个统一且可复制的基准测
来源:IEEE Access
时间:2026-05-15
-
关于单标签和多标签神经网络解码器的最优性
摘要:我们研究了两种最近被提出作为前向纠错解码器的神经网络(NN)架构:所谓的单标签NN(SLNN)和多标签NN(MLNN)解码器。据报道,这两种解码器分别在码字和比特级别上实现了接近最优的性能。文献中的结果表明,它们在多种短码上都能接近最优解。在本文中,我们通过分析证明了某些
来源:IEEE Access
时间:2026-05-15
-
通过音乐疗法调节患有创伤后应激障碍的青少年的过度兴奋状态:一种用于调节兴奋水平的微干预措施
汤姆·亚伯拉罕斯(Tom Abrahams)|乔斯·范杜伦(Joosje van Dooren)|劳里恩·哈克沃特(Laurien Hakvoort)|卡罗琳·科尼恩(Carolien Konijn)|罗伊·奥滕(Roy Otten)|阿恩·波普马(Arne Popma)|卡琳·
来源:The Arts in Psychotherapy
时间:2026-05-15
-
利用人工神经网络优化的数据对罗伊氏乳杆菌(Lactobacillus reuteri)进行包封,并将其应用于马拉斯型(maras-type)冰淇淋的制作中
摘要
在本研究的第一阶段,使用人工神经网络(ANN)模型预测了乳酸菌的包封效率(EE)。模型开发共使用了来自文献的144个数据集。ANN采用多层结构进行训练,并使用Levenberg–Marquardt(trainlm)反向传播算法,同时应用遗传算法(GA)来优化模型性能。在
来源:Journal of Food Measurement and Characterization
时间:2026-05-15
-
群体歌唱对有或没有神经退行性疾病的老年人的生物心理社会益处:一项SingWell概念验证研究
**摘要**
**背景**
虽然团体歌唱是一种悠久的人类传统,但越来越多的研究强调了它在应对老年人以及被诊断为神经退行性疾病和与年龄相关疾病(如帕金森病)的个体所面临的心理社会挑战方面的潜力。本研究评估了团体歌唱对幸福感在生物学、心理学和社会学维度上的影响。
**方法**
来源:Arts & Health
时间:2026-05-15
-
2025年7月4日德克萨斯州山洪暴发期间,利用傅里叶神经算子和GOES-16、GOES-19卫星数据进行的每小时降水量反演
摘要:基于卫星的降水反演对于南大平原地区的水文监测至关重要。本研究通过将基于GOES-16 ABI和GLM数据训练得到的傅里叶神经算子(FNO)模型应用于2025年7月4日德克萨斯州突发洪水的GOES-19观测数据,评估了该模型的跨卫星性能。尽管训练和测试数据来源存在差异,该模
来源:IEEE Geoscience and Remote Sensing Letters
时间:2026-05-15
-
用于空间声音估计的分布式声学专家组合方法
摘要:
准确的空间声学特性描述对于沉浸式音频应用(如虚拟现实和增强现实)至关重要,这些应用要求对声场进行低延迟、高保真的渲染。传统方法(包括基于物理学的模拟和集中式的深度学习模型)在可扩展性、数据效率以及稀疏测量条件下的
来源:IEEE Open Journal of Signal Processing
时间:2026-05-15