• Ka波段微波无损检测结合一维卷积神经网络的管道多类缺陷自动分类

  本研究考察Ka波段（Ka-band，35 GHz）微波无损检测（non-destructive testing, NDT）在金属管道表面开口缺陷检测与分类，以及非金属管道内部和外部缺陷检测与分类中的应用。研究人员采用基于开放式矩形波导（open-ended r

  来源：Applied Sciences

  时间：2026-10-17

• 基于LIF脉冲神经网络的FBG–PMFBG传感重叠光谱智能解调

  本文提出一种泄漏积分发放脉冲神经网络（leaky integrate-and-fire spiking neural network, LIF-SNN），用于对光谱重叠的光纤布拉格光栅–保偏光纤布拉格光栅（FBG–PMFBG）响应进行直接解调。该混合光谱包含一

  来源：Applied Sciences

  时间：2026-10-17

• 男性早期等速膝关节伸展力矩、肌肉激活、动态平衡与神经肌肉生物标志物的年龄组差异：一项探索性横断面研究

  快速力矩产生能力可能揭示峰值力矩无法捕捉的年龄组差异。这项探索性横断面研究纳入了83名男性，分别处于20多岁（n = 20）、30多岁（n = 21）、40多岁（n = 22）和50多岁（n = 20）。在180°/s角速度下记录膝伸展力矩，分别于力矩启动后5

  来源：Applied Sciences

  时间：2026-10-17

• 人工智能与多模态表面肌电（sEMG）及惯性测量单元（IMU）在痉挛和神经肌肉功能障碍评估中的应用：基于PRISMA的系统综述

  痉挛（spasticity）和神经肌肉功能障碍（neuromuscular dysfunctions）是神经系统疾病（如脑瘫（cerebral palsy, CP）、卒中（stroke）、创伤性脑损伤（traumatic brain injury, TBI）和

  来源：Applied Sciences

  时间：2026-10-17

• 社区引导的注意力融合用于多重网络社区检测（CGAF）

  多重网络中的社区检测旨在从多种类型的关系中寻找节点群组。注意力机制可以整合这些关系，但基于嵌入兼容性的权重并不能显式衡量节点邻域所提供的社区支持程度。研究人员提出社区引导的注意力融合（Community-Guided Attentive Fusion, CGA

  来源：Applied Sciences

  时间：2026-10-17

• 运行工况下换流变压器典型缺陷局部放电特性及基于卷积神经网络（CNN）的识别与±400 kV现场验证

  换流变压器长期运行于复杂电场中，易发生绝缘劣化。为研究内部绝缘劣化引起的局部放电（partial discharge, PD）特性，本研究研制了交直流局部放电模拟平台，以复现实际运行工况。构建了四种典型绝缘缺陷——匝间、垫块、静电环和分接开关，并在35 kV变

  来源：Energies

  时间：2026-10-17

• 基于人工神经网络的印度尼西亚母亲情绪幸福感预测：社会支持、生活质量与晒娃行为的作用

  本研究采用人工神经网络（ANN）方法，探究社会支持、生活质量（QoL）及晒娃行为对印度尼西亚母亲情绪幸福感（EWB）的预测作用。研究人员对300名育有0-8岁子女的印尼母亲进行了横断面调查，数据收集时间为2024年7月至2025年1月。结果显示，情绪幸福感与生

  来源：Acta Psychologica

  时间：2026-10-17

• 基于单步拉曼光谱与机器学习融合的枫糖浆多参数质量控制研究

  摘要专业翻译 枫糖浆质量评价涉及多项参数，包括颜色分级、风味评估以及糖浓度测定，这些参数受糖浆基质复杂化学组成的影响。传统质量评估依赖分离的分析与感官方法，成为枫糖浆工业加工的瓶颈。因此，亟需能够从单次测量中评估多项质量控制参数的快速技术。本研究将拉曼光谱（R

  来源：RSC Advances

  时间：2026-10-17

• 聚合物玻璃化转变温度设计的多模态筛选与验证框架

  聚合物玻璃化转变温度（glass-transition temperature，Tg）是决定材料力学性能、热性能以及加工窗口的关键参数。然而，实验表征和大规模分子动力学（molecular dynamics，MD）模拟往往耗时且资源密集，难以支持高通量筛选。本

  来源：Digital Discovery

  时间：2026-10-17

• BoFlex：面向自主实验的模块化贝叶斯优化框架

  自驾驶实验室（SDLs）正通过将自动化实验与数据驱动决策闭环连接，快速改变化学与材料研究的方式，从而以更少的实验实现更快的发现和优化。然而，支撑大多数SDLs的贝叶斯优化（BO）核心仍以高斯过程（GP）代理模型为主导，其计算扩展性以及常用平稳核函数所施加的假设

  来源：Digital Discovery

  时间：2026-10-17

知名企业招聘：