-
用于神经网络的时间-频率分析
艾哈迈德·阿卜杜勒贾瓦德 | 埃莱娜·科尔德罗
约翰·拉顿计算与应用数学研究所(RICAM),奥地利科学院,阿尔滕贝格街69号,林茨,A-4040,奥地利
**摘要**
我们利用时频分析工具,为浅层神经网络发展了一种定量逼近理论。在加权调制空间Mmp,q(Rd)中,
来源:Applied and Computational Harmonic Analysis
时间:2026-05-05
-
MN-PINN:一种基于物理知识的神经网络,用于车辆-桥梁系统的动态仿真
李慧|唐欢|杨佩琳东南大学土木工程学院,中国江苏南京211189摘要车桥耦合动力分析常用于桥梁结构的动态优化、监测和状况评估等。本文利用模态叠加法(MSM)和Newmark-β方法(在结构动力分析中广泛应用),提出了一种新型的物理信息神经网络(PINN),用于车桥相互作用(VBI
来源:Advances in Engineering Software
时间:2026-05-05
-
LungMate:在数据集变化的情况下,基于胸部CT对肺结节恶性风险进行校准的估算工具
刘海晓|胡月|王凌云|李长林|李东涛|孟凌汉|郑光达|鲍彦军
中国中医科学院广安门医院第二临床部,北京 100053
**摘要**
通过胸部计算机断层扫描(CT)早期检测恶性肺结节对于降低肺癌死亡率至关重要,但现有的深度学习模型往往产生校准不良的概率估计,这限制了其
来源:Ain Shams Engineering Journal
时间:2026-05-05
-
多保真度残差神经网络在评估混凝土长期变形过程中的应用
张哲|张斌|傅国志|苗建雄|耿国庆
新加坡国立大学土木与环境工程系,117576,新加坡
**摘要**
评估混凝土结构的长期性能对于确保其耐久性、安全性和经济高效维护至关重要。蠕变、收缩和环境退化等因素会影响结构完整性,因此预测使用寿命和优化设计策略十分重要。由于大
来源:Journal of Building Engineering
时间:2026-05-05
-
基于数据的蠕变模型构建以及在不同持续机械载荷下FIPP材料的长期性能评估
赵雅红|马宝松|胡少伟|刘凯欣|马鹏|周浩|胡玉泉|叶雨晓摘要随着城市管道的老化,对其修复越来越依赖于热塑性原位成型管(FIPP)内衬材料;然而,由于在几十年使用过程中热效应和机械蠕变之间的复杂非线性耦合,预测这些内衬的使用寿命仍然是一个关键的科学挑战。本研究提出了一种统一的多尺
来源:TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY
时间:2026-05-05
-
利用基于物理信息的神经网络(PINN)结合在线更新的稀疏监测数据,实现对动态隧道火灾引发的温度场演变的实时全场重建与预测
李江|郭欣|杨莹|杨东
重庆大学土木工程学院,重庆400045,中国
**摘要**
在隧道火灾中,全场温度信息对于危险评估和应急决策至关重要。虽然离线深度学习模型在温度场重建方面非常有效,但它们严重依赖预先建立的大型数据集。因此,一旦实际情况超出数据集的范围,模型的
来源:TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY
时间:2026-05-05
-
消费者投诉中的信息融合:一种基于大语言模型(LLM)的主题模型,用于提升产品质量
林燕|范成豪|刘肯宁|欧阳林涵|高峰圆
南京航空航天大学经济与管理学院,南京,211106,中国
摘要
电子商务平台上用户生成内容(UGC)的兴起为产品质量的提升提供了丰富且及时的信息。UGC中的用户评论和评分是分析消费者对产品和服务质量感知的关键来源。然而,消费者投诉中评论和
来源:INTERNATIONAL JOURNAL OF PRODUCTION ECONOMICS
时间:2026-05-05
-
MPSANT:一种新颖的多投影自注意力神经塔克分解模型,适用于高维和不完整数据表示的学习
重庆西南大学计算机与信息科学学院,400715,中国摘要智能系统的可靠性在很大程度上取决于高维时空数据的有效融合。然而,不可避免的传感器故障常常导致观测数据稀疏,从而产生信息空洞,影响下游的决策过程。现有方法在学习过程中往往无法保留异构交互模式的内在多样性。为了解决这一瓶颈,我们
来源:TRENDS IN FOOD SCIENCE & TECHNOLOGY
时间:2026-05-05
-
基于信息增益的扩散模型在群组推荐中的应用
穆丽金|王楠|刘瑞|刘子祺
黑龙江大学计算与大数据学院,哈尔滨150080,中国
摘要
随着社交网络及其技术的快速发展,群体推荐系统受到了越来越多的关注。然而,传统的基于深度学习的群体推荐方法仍然面临两个关键挑战:对噪声的敏感性,以及用户与项目之间稀疏的互动,这阻碍
来源:Engineering Applications of Artificial Intelligence
时间:2026-05-05
-
基于物理信息的神经网络,对油页岩在微波加热下的热机械响应进行非线性多场耦合分析预测
成瑶|朱银龙|马玉琳辽宁工程技术大学创新与实践学院,抚顺市,123000,中国摘要在石油页岩的微波加热过程中,存在强烈的非线性多场耦合问题,这需要高精度和高效的解决方法。基于物理信息的神经网络(PINN)已成为求解偏微分方程(PDEs)的强大工具;然而,现有的PINN方法在特定条
来源:Engineering Applications of Artificial Intelligence
时间:2026-05-05