-
综述:基于深度学习的不确定性量化分析在湍流非预混射流火焰燃烧建模中的应用
张成奇|杨斌|罗凯宏
清华大学能源与动力工程系,教育部热科学与动力工程重点实验室,燃烧能源中心,北京100084,中国
摘要
化学动力学和湍流燃烧模型的不确定性会显著影响燃烧模拟的可靠性。因此,量化这些不确定性至关重要,但由于传统不确定性量化(UQ)方法难以处理湍流
来源:Applications in Energy and Combustion Science
时间:2026-04-29
-
用于估算锂离子电池温度分布的通用傅里叶神经算子
多米尼克·卡内姆(Dominic Karnehm)| 郑宇生(Yusheng Zheng)| 安特耶·内维(Antje Neve)| 雷穆斯·特奥多雷斯库(Remus Teodorescu)
德国慕尼黑联邦国防军大学电气与计算机工程系,纽比贝格(Neubiberg),邮编85
来源:eTransportation
时间:2026-04-29
-
FusionNet:一种用于多标签恶意软件检测的特征转换框架
李秦满|张希祥|廖伟明|周迪贵|梁哲哲|广西电网有限公司,南宁,530201,中国
摘要
移动恶意软件表现出多样且不断演变的恶意行为,这自然形成了移动系统中的多标签分类问题。现有方法依赖于稀疏特征表示,并且在不同的分类器上表现出不稳定的性能,特征重叠和数据不平衡进一步限制了区分
来源:International Journal of Cognitive Computing in Engineering
时间:2026-04-29
-
在神经重症监护病房接受监测的急性中风患者的预后
胡利亚·奥兹坎 | 塞雷夫努尔·奥兹图尔克
土耳其特拉基亚大学医学院神经学系,埃迪尔内,土耳其
**摘要**
**引言**:中风是全球第二大死亡原因。提前识别影响中风预后的因素对于采取必要的预防措施和提高患者的生存机会至关重要。
**目的**:我们研究了在神经
来源:Fluid Phase Equilibria
时间:2026-04-29
-
综述:神经多样性在人类表现中的统计过程与方差考量
摘要:本文作者探讨了神经多样性以及具有神经多样性个体在各种环境、社会和任务情境下的能力问题。文章基于工程过程变异的视角,对描述组件属性和生产过程结果的参数变化进行了定量分析,以提高工程系统的性能。作者结合自身作为神经多样性工程师的经验,考虑了感官/社会适应对任务表现的影响,并将其
来源:Theoretical Issues in Ergonomics Science
时间:2026-04-29
-
美式橄榄球、慢性创伤性脑病(CTE)以及心理人格的连续性中断
摘要
美式橄榄球(或gridiron橄榄球)非常危险:主要危险在于一种有害的、进行性的、无法治愈的脑疾病——慢性创伤性脑病(CTE)的发展。支持像美式橄榄球这样的危险运动的观点认为,应该允许运动员参与对他们自己有害但基于自愿的活动。本文通过关注晚期CTE的心理相关症状来挑战这
来源:Journal of the Philosophy of Sport
时间:2026-04-29
-
综述:遗传性转甲状腺素蛋白淀粉样变性:ATTRG83R的文献综述
遗传性转甲状腺素蛋白淀粉样变性(ATTRv)中的Gly83Arg(G83R)变异主要见于中国,其特征是明显的眼部受累。这项文献综述涵盖了80例报告病例,表明玻璃体混浊(VO)是最常见的初始表现(79/80,98.8%),通常在30-40岁年龄段出现。眼部受累常常不仅限于VO,还可
来源:Ornamental Plant Research
时间:2026-04-29
-
自闭症谱系障碍儿童模仿行为的社会调节:来自脑电图和互惠模仿训练的证据
王永固、
王志涵、
李国浩、
周进
摘要 模仿对于社会学习至关重要,然而自闭症谱系障碍(ASD)的儿童往往表现出非典型的模仿能力。为了探究明显模仿之前的神经动态,本研究使用了脑电图(EEG)——重点关注与动作观察和感觉运动处理相关的α(8–12 Hz)和β(13–30 Hz)活动——来评估学
来源:Applied Sciences
时间:2026-04-29
-
基于特征空间对齐的结构感知生成式信息提取
李远青(Yuanqing Li)
陶晨(Chen Tao)
张宝玉(Baoyu Zhang)
张伟山(Weishan Zhang)
摘要
大型语言模型(LLMs)在利用文本中嵌入的句法结构和实体关系进行长文档信息提取时面临困难。为了解决这个问题,本文提出了一种生成式提取方法,该方法结合了异构拓扑意识和空间对齐。该方法首先提取句法和共指信息以构建异构文档图,并使用专家混合网络来解耦和编码多类型拓扑特征。然后,通
来源:Information
时间:2026-04-29
-
对AstroCLIP进行基准测试以评估其在银河系属性估算中的性能:复制性、鲁棒性和嵌入分析
作者:Riccardo Carollo, Ognjen Arandjelović 和 Tom Harper
摘要 在联邦图学习中,机器去学习必须满足多层次的不可区分性要求:目标节点的删除在全球模型层面、去学习客户端的本地模型层面以及每个非目标客户端的本地模型层面都必须无法被检测到。即使是通过基于置信度的审计的近似去学习方法,仍可能在其中一个或多个层面留下几何痕迹
来源:Information
时间:2026-04-29