当前位置:首页 > 今日动态 > 神经科学
  • 垃圾进,垃圾出?——数据质量对财务困境预测模型性能的量化影响及其在稳健预警模型构建中的核心作用

    为解决财务困境预测模型中普遍存在“算法驱动、数据忽视”的倾向性问题,以Veronika Labosova等人为首的研究团队开展了一项关于数据质量对预测模型性能影响的前瞻性研究。通过对比原始未处理数据与经过经济合理性筛选、缺失值处理及类别平衡等结构化预处理后数据在六种主流建模技术(决策树、ANN、LR、DA)下的性能表现,研究得出数据预处理可平均提升准确率约15.6个百分点,其贡献度约占算法选择带来性能变异的一半,证实“垃圾进,垃圾出”原则,为构建可靠的企业财务预警系统提供了关键的方法论指引。

    来源:Forecasting

    时间:2026-04-24

  • 流动物质平衡与物理信息神经网络融合:一种提高油气生产预测可靠性的新方法

    本文针对传统油气生产预测方法在可靠性与长短期预测衔接上的不足,提出了一种融合流动物质平衡与物理信息神经网络的新型混合建模方法。研究人员通过构建两种混合模型(基于FMB特征的神经网络和PiNN模型),有效整合物理规律与数据驱动,显著提升了模型在未见过数据上的预测精度与可靠性,并为动态产能指数跟踪与储层连通性分析提供了新思路,对资产评价与生产管理具有重要意义。

    来源:Energies

    时间:2026-04-24

  • 基于智能控制的光储混合能源系统及其在电网电能质量提升中的应用研究

    为解决光伏(PV)-风电混合并网系统的功率波动与电能质量问题,研究人员开展了基于自适应神经模糊推理系统(ANFIS)的智能控制研究。结果表明,该控制器在MATLAB/Simulink仿真中显著提升了动态性能与电压稳定性,为高比例新能源接入提供了关键技术支撑。

    来源:Next Energy

    时间:2026-04-24

  • 镁锰层状双氢氧化物集成智能可注射水凝胶重塑脊髓损伤微环境:活性氧清除与氧生成协同修复

    为解决脊髓损伤(SCI)后活性氧(ROS)过度积累、缺氧及炎症微环境抑制神经再生难题,研究人员构建了负载MgMn-LDH的ROS/pH双响应GelMA-PBA/HA-DA智能可注射水凝胶。该体系通过Mn³⁺/Mg²⁺协同清除ROS、缓解缺氧并促进轴突再生与髓鞘形成,显著改善小鼠运动功能,为SCI治疗提供了多功能可转化平台。

    来源:Materials Advances

    时间:2026-04-24

  • HSFKG-DRL:混合自进化模糊知识引导的深度强化学习

    本文提出HSFKG-DRL框架,通过自演化模糊神经网络动态整合先验知识,结合知识引导策略和置信度动作选择,提升强化学习样本效率与安全性。实验表明其优于现有方法,学习效率提升13.4%,成功率达7.8%,安全性提升96.2%,并引入DAR和RAE评估可解释性。

    来源:ADVANCED ENGINEERING INFORMATICS

    时间:2026-04-24

  • MAM-PhyGNN:一种物理规则硬编码的图神经网络,用于金属增材制造中的快速准确热模拟

    针对金属增材制造(MAM)中热场瞬态预测的高效与高精度需求,提出拓扑敏感且物理硬编码的图神经网络模型MAM-PhyGNN。该模型通过双分支架构,结合确定性的拉普拉斯块处理线性热传导,以及数据驱动的GNN修正非线性动力学,显著提升预测速度与稳定性。在激光粉末床熔融(LPBF)案例中,模型实现850倍速度提升,1000步长时预测相关系数达0.98。

    来源:Additive Manufacturing

    时间:2026-04-24

  • RBF-PoroNet:一种基于自适应RBF神经网络的微分隐式框架,用于自动化优化多孔结构

    基于自适应径向基函数神经网络的TPMS多孔结构优化框架提出并验证

    来源:Additive Manufacturing

    时间:2026-04-24

  • 综述:基于人工智能的分层阴极材料设计范式:一个多尺度工程的系统化框架

    人工智能与多尺度优化在层状阴极材料设计中的应用及挑战。摘要:

    来源:Nano Energy

    时间:2026-04-24

  • 鲜味能否调节酸味,从而提升消费者的喜好?一项基于脑电图(EEG)的神经美食学研究

    酸味-鲜味交互通过EEG分析揭示大脑区域(如顶叶至右侧颞叶)在900-1600ms和4600-6300ms时窗呈现δ、α、β频段增强激活,与味觉感知潜伏期延长及餐后喜好度提升显著相关,为食品风味优化提供神经证据。

    来源:International Journal of Gastronomy and Food Science

    时间:2026-04-24

  • 基于改进VMD–CNN–LSTM耦合模型的泵站机组机械故障智能诊断

    针对泵站机组长期高负荷运行中机械故障频发、传统诊断方法在变分模态分解(VMD)参数自适应优化、模态混叠及时空特征表征不足等方面的挑战,本项研究提出了一种基于改进VMD–CNN–LSTM耦合模型的智能故障诊断新框架。通过结合鱼鹰优化机制和柯西变异算子的增强麻雀搜索算法(OCSSA)自适应优化VMD参数,并构建CNN–LSTM混合架构进行时空联合建模。实验表明,在5 dB低信噪比条件下,该模型对转子不对中、碰摩等典型故障的诊断准确率达80.95%,较基准CNN–LSTM模型提升12.72个百分点,显著降低了复杂耦合故障的误诊率,为泵站机组的智能运维提供了可靠且可部署的解决方案。

    来源:Frontiers in Signal Processing

    时间:2026-04-24


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