当前位置:首页 > 今日动态 > 神经科学
  • 基于迁移学习的多物理场替代建模与复杂公共建筑的低碳优化

    多物理场迁移学习模型与NSGA-III算法结合优化购物中心低碳设计,通过复用温室建筑数据训练的多任务神经网络,显著降低样本需求至50%且误差减少24.2%,实现结构安全、光照与能耗的多目标平衡优化,提出基于中庭布局的低碳策略。

    来源:Energy

    时间:2026-04-27

  • 可扩展的、基于物理知识的联合状态估计框架:用于多节锂离子储能系统的实时运行(包括电池电量和健康状况的联合评估)

    准确估计电池内部状态对多胞锂离子储能系统安全性和效率至关重要。本文提出一种联合估计框架,融合多尺度张量神经网络操作实现退化建模,动态图注意力机制捕捉跨胞交互,并基于物理增强的扩展卡尔曼滤波实时校正状态。实验表明,该框架在实验室数据集上实现SOC 0.6%和SOH 1.1%的MAE,推理延迟低于10ms。

    来源:ENERGY CONVERSION AND MANAGEMENT

    时间:2026-04-27

  • 高级别三柱截骨术不可互换:Schwab III级PSO与Schwab V级VCR在治疗重度脊柱侧凸中的应用——平均随访时间为9年

    脊柱侧弯矫正术中 pedicle subtraction osteotomy(PSO)与 vertebral column resection(VCR)的疗效与安全性比较。单中心回顾性研究纳入169例中国患者,PSO组85例,VCR组84例。结果显示VCR在主要曲线矫正率(65.5% vs 56.9%)、节段性后凸改善(68.1% vs 61.5%)及椎体旋转纠正(48.5% vs 34.4%)方面更优(均p<0.05),但神经并发症发生率(13/84 vs 7/85)及总并发症率(43/84 vs 29/85)显著增高(p=0.038, 0.008)。每增加1°矫正度数,VCR并发症风险上升1.6%(OR=1.016)。

    来源:JBI Evidence Implementation

    时间:2026-04-27

  • 自动化定量分析增强效应及肿瘤周围脑血容量变化,以辅助鉴别胶质母细胞瘤与中枢神经系统淋巴瘤

    本研究通过对比胶质瘤与中枢神经系统淋巴瘤的增强肿瘤区及周围非增强FLAIR高信号区的脑血容量(CBV),评估周围CBV的附加诊断价值。结果显示,胶质瘤组的CBV_EA(4.90 mL/100g)和CBV_PFA(5.67 mL/100g)均显著高于CNSL组(2.84和4.10,P<0.0001及0.029)。单独CBV_EA的AUC为0.913,联合CBV_PFA虽未显著提高AUC(0.932 vs 0.913,P=0.602),但模型拟合优度通过似然比检验显著改善(χ²=4.1,P=0.043),表明周围CBV对鉴别两者有额外价值。

    来源:Journal of Computer Assisted Tomography

    时间:2026-04-27

  • 利用监督学习预测模型海冰附加质量的高效建模方法

    为了实现对大规模复杂模型冰场的运动学模拟,传统方法在计算效率和通用性上存在局限。本研究团队基于边界元法(BEM)构建了十万个多边形棱柱体模型冰的附加质量张量数据集,并引入了前馈神经网络(NN)和卷积神经网络(CNN)两种机器学习模型,实现了仅凭冰盘几何形状和厚度即可高精度(误差低于1%)预测其附加质量。该工作为冰区航行仿真及冰载荷计算提供了一种全新的高效计算范式。

    来源:Cold Regions Science and Technology

    时间:2026-04-27

  • 将海岸线建模为图:基于时空图神经网络(GNN)的GraphShore数据驱动模型及其在海岸动态预测中的应用

    为解决现有数据驱动海岸线模型多将时空模式分开处理、难以捕捉时空依赖关系的问题,研究人员开展了以GraphShore(基于图神经网络GNN的时空联合模型)预测海岸线动态的主题研究,结果显示该模型在多个海滩表现优异,还能提取具物理意义的时空关联,对可持续海岸管理有重要价值。

    来源:Coastal Engineering

    时间:2026-04-27

  • 图像增强与分割决策网络在气动缸柱塞杆表面缺陷检测中的创新与应用

    本研究针对气动缸柱塞杆表面缺陷检测中,因光照条件变化导致的图像数据分布不一致、深度学习模型性能下降的关键难题,提出了一种新颖的增强-分割-决策网络(Enhancement-Segmentation-Decision Network, ESDN)。该网络巧妙地将图像增强算法与深度学习方法相结合,通过提升缺陷区域的对比度、平衡图像灰度,有效降低了表面图像间的分布差异。在此基础上,其集成的分割决策网络(Segmentation Decision Network, SDN)实现了对增强后图像中缺陷的精准检测与定位。实验结果表明,ESDN显著提升了缺陷检测与定位的准确性,平均精度(AP)从基准的0.8955提高至0.9793。该方法为解决实际工业检测中光照条件不稳定带来的挑战提供了高效、鲁棒的解决方案,对提升气动系统的可靠性与性能监控具有重要意义。

    来源:Chinese Journal of Mechanical Engineering

    时间:2026-04-27

  • 基于数据驱动模型补偿的SGCMG框架伺服系统改进自抗扰控制研究

    为解决单框架控制力矩陀螺(SGCMG)框架伺服系统中存在的非线性摩擦、刚柔耦合及未知扰动等问题,提升航天器姿态控制精度,本研究提出了一种融合数据驱动模型补偿的改进自抗扰控制(IADRC)策略。通过建立11自由度机电摩擦动力学模型并利用神经网络学习动态补偿项,实现了对框架伺服系统的高精度速度控制。仿真与实验表明,该方法有效提升了系统的跟踪精度与抗扰性能,为高精度航天执行机构控制提供了新思路。

    来源:Chinese Journal of Mechanical Engineering

    时间:2026-04-27

  • 低密度聚乙烯与聚苯乙烯共热解:热力学可行性、动力学及人工神经网络建模研究

    为解决塑料废弃物难以降解、环境污染加剧及回收工艺复杂等问题,本研究探讨了低密度聚乙烯(LDPE)与聚苯乙烯(PS)共热解的性能与协同效应。研究人员通过热重分析(TGA)和人工神经网络(ANN)建模,揭示了LDPE-PS共混物作为生物燃料原料的适宜性,证明了其具有较大的生物能源潜力。该研究不仅为塑料废物的资源化利用提供了新思路,也展示了ANN模型在预测混合塑料热解行为中的高精度与可靠性。

    来源:Chemical Thermodynamics and Thermal Analysis

    时间:2026-04-27

  • 基于Grad-CAM贡献信息的高速公路事故地点预测:一种可解释深度学习框架的研究

    本文提出了一种利用卷积神经网络(CNN)和Grad-CAM可解释性技术预测高速公路事故地点的新方法。研究通过ETC 2.0探针数据生成车辆轨迹图,训练CNN模型预测未来30分钟的事故风险,并利用Grad-CAM提取时空贡献信息来定位高风险路段。验证结果表明,该方法在东海道高速公路15.34公里路段上的定位误差比基准方法降低约19%,且在多车事故和高流量条件下表现出更高准确性。这项研究为交通运营商实施精准的短期安全干预措施提供了有力支持。

    来源:Asian Transport Studies

    时间:2026-04-27


高级人才招聘专区
最新招聘信息:

知名企业招聘:

    • 国外动态
    • 国内进展
    • 医药/产业
    • 生态环保
    • 科普/健康