-
面向外周血涂片图像的白血病亚型分类:XAI驱动的交叉注意力双分支CNN(CADBCNN)的提出与应用
为解决传统白血病亚型分类方法依赖专家经验、耗时且易受主观影响的问题,研究人员提出了一种融合交叉注意力机制的双分支卷积神经网络(CADBCNN),通过集成ResNet18与ResNet34并引入动态特征交互模块,实现了对急性淋巴细胞白血病(ALL)等亚型的高精度自动分类。该模型在测试集上准确率达98.36%,并通过Grad-CAM与t-SNE可视化增强了结果可解释性,为临床辅助诊断提供了可靠工具。
来源:Franklin Open
时间:2026-04-25
-
基于在线学习的人工神经网络增强混合微电网集中式二次控制的弹性研究
为了解决混合交直流微电网(HMG)在孤岛运行时,其集中式二次控制系统因单一控制器或通信链路故障而导致的全局功率均分与系统稳定性风险,本文作者Javier Gutiérrez Escalona等人开展了一项名为“基于在线学习的混合微电网弹性集中式二次控制”的研究。他们提出了一种创新的ANN辅助架构,通过在分布式发电单元(DG)和双向互联变换器(BIC)本地部署在线训练的人工神经网络(ANN),预测公共连接点(PCC)电压,在故障时本地模拟中央控制器行为,从而在保留集中控制通信结构简单性优势的同时,显著提升了系统的弹性。该研究成果成功通过了基于现场可编程门阵列(FPGA)的高保真实时仿真验证,为解决HMG控制的可靠性与适应性难题提供了有效方案。
来源:Engineering Applications of Artificial Intelligence
时间:2026-04-25
-
基于社会认知神经科学的数字化学习革新在英语教师培养中的应用与成效
为解决语言教师培养中数字化技术整合不均、新手教师对技术应用信心不足的问题,研究人员开展了一项混合方法的准实验研究。该研究将社会认知神经科学(SCN)原理与数字化学习创新(DLI)相结合,设计了针对职前英语教师(PSTs)的SCN数字教学方案。研究比较了该方案与传统的示范教学法,发现SCN组在社交认知技能(SCSA)和关键创造性学习设计能力(CCLDC)上表现更优。该研究为融合神经科学洞见与数字化教学的教师教育模式提供了实证框架,对提升教师教学设计与适应性具有积极意义。
来源:Computers in Human Behavior Reports
时间:2026-04-25
-
垂直AND闪存:超越V-NAND的高能效、可扩展、快速存内计算新架构
为解决冯·诺依曼架构中的数据移动瓶颈,研究人员开展了针对垂直NAND(V-NAND)和垂直AND(V-AND)闪存用于存内计算(CIM)的性能比较研究。研究发现,通过消除通偏置(pass-bias)要求,V-AND在低推理次数和堆叠层数增加时展现出卓越的能效优势,为高能效、可扩展、快速的CIM加速器提供了有前景的候选方案。
来源:Nano Convergence
时间:2026-04-25
-
基于CNN与连续小波变换的激光粉末床熔融多类气孔原位监测研究
为解决LPBF(激光粉末床熔融)缺陷监测中多类孔隙难以区分的问题,研究人员基于光二极管传感器与同步辐射X射线成像,结合CWT(连续小波变换)与CNN(卷积神经网络),实现了对Al6061材料中无孔、小气孔(<15 μm)及大气孔(>15 μm)的高精度(AUC 0.89)实时分类,为增材制造质量保障提供了低成本解决方案。
来源:JOURNAL OF INTELLIGENT MANUFACTURING
时间:2026-04-25
-
基于深度学习预测冷喷涂工艺中金属键合行为的框架研究及其在沉积质量优化中的应用
本文针对冷喷涂工艺中关键速度预测依赖耗时实验与有限元模拟的问题,提出一种基于深度学习的框架,通过有限元生成的大规模数据集训练人工神经网络,实现粒子-基体界面键合状态的精准预测与临界速度的数据驱动估计,误差小于12 μm2,为工艺优化与涂层质量评估提供了高效、可靠的新途径。
来源:Surface and Coatings Technology
时间:2026-04-25
-
融合非平稳随机场与CNN-LSTM迁移学习的降雨诱发边坡稳定性智能分析方法
为解决降雨入渗及土体参数空间变异性对边坡稳定性的影响,研究者们开展了一项结合卷积神经网络(CNN)、长短时记忆网络(LSTM)与迁移学习(TL)的智能分析研究。该研究采用非平稳随机场更真实地表征土体关键参数(内聚力c、内摩擦角φ、饱和水力传导系数ks)的空间分布特征,构建了有限元模型并实施自动化工作流进行蒙特卡洛模拟,生成了考虑固有参数不确定性的数据集。研究者开发了CNN-LSTM代理模型以捕捉降雨入渗的时空效应,其中CNN提取土壤参数场的空间特征,LSTM捕捉降雨强度的时间变化,该集成模型联合预测边坡安全系数(FOS)。研究进一步应用了迁移学习策略,使得融入迁移学习的CNN-LSTM-TL模型在显著减少目标域所需数据量的同时保持了精度。该方法为在复杂环境与空间条件下评估边坡稳定性提供了高效、准确的策略。
来源:Soils and Foundations
时间:2026-04-25
-
基于神经网络代理模型的植物纤维微滴测试有限元模拟与灵敏度分析
为解决微滴测试中界面应力非均匀、几何与力学参数耦合导致的IFSS标量指标失效问题,研究人员开展了植物纤维微滴测试的有限元模拟与ANN代理模型研究。通过一阶及二阶灵敏度分析揭示了几何变异与混合模式行为对宏观响应的主导影响,为逆向识别界面本构参数提供了高效工具。
来源:Mechanics of Materials
时间:2026-04-25
-
基于卷积神经网络图像识别的异种金属焊接接头裂纹严重程度检测与服役寿命评估
为解决Al-steel异种金属焊接中脆性Fe-Al IMC层导致裂纹萌生及服役寿命评估难题,本研究结合CNN图像识别与疲劳分析,建立了从微观裂纹到宏观寿命的定量关联框架。通过ResNet-50模型实现裂纹严重程度分级(QWK=0.91),将现场失效概率从12%降至2%,显著提升接头可靠性。
来源:Materials Today Communications
时间:2026-04-25
-
生命度层级在句子在线理解中主题关系计算的作用:基于汉语“把”字句与ERP证据的探究
本文针对“慢预测假说”中主题角色信息预测较慢的观点,利用汉语SOV“把”字句及ERP技术,探讨生命度特征排序如何调控动词预测。结果发现,违背生命度层级的论元顺序更易提取目标动词,且不同顺序引导不同类型动词预测。这细化了慢预测假说,证明基于主题角色的预测并非均速。
来源:Journal of Neurolinguistics
时间:2026-04-25