生物通官微陪你抓住生命科技跳动的脉搏
MagNetX:基于数据驱动的时域基础模型,用于研究瞬态条件下的电力磁学现象
时间域基础模型用于分析非线性软磁材料在瞬态激励下的特性,基于MagNetX数据库扩展的神经网络实现,利用任意长度记忆处理B-H激励并预测动态行为,验证了模型的简单性、鲁棒性和灵活性。
来源:IEEE Transactions on Power Electronics
时间:2026-04-22
控制食欲,而非热情:运动与食欲调节
糖尿病周围神经病变(DPN)可导致足部感觉丧失、运动平衡障碍及跌倒风险增加,需结合血糖管理、足部护理及针对性运动训练(如平衡训练、步态矫正、核心强化及太极等)改善功能。日常需警惕足部伤口及失衡症状,及时就医以降低并发症风险。
来源:ACSM's Health & Fitness Journal
一种新颖的样本选择策略,用于估算高光谱图像中的作物叶面积指数
摘要:叶面积指数(LAI)是作物监测和精准农业中的一个关键生物物理变量。通过使用光谱统计或土地覆盖分类从中等分辨率的LAI产品中选择均匀样本,可以在不依赖地面观测的情况下实现高分辨率LAI的反演,从而为大面积应用提供实用的解决方案。然而,这种方法通常无法考虑土地覆盖的内部结构,特
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
多模态触觉物体识别:运动感知推理能否弥补触觉传感器分辨率不足的问题?
摘要: 触觉感知源于皮肤信息和运动感觉信息的整合,然而在机器人系统中实现与人类相当的触觉性能在技术上具有挑战性,且成本较高。这引发了一个基本问题:空间分辨率对机器人触觉有多重要?当触觉分辨率较低时,运动感觉信息能否起到补偿作用?为了研究这一点,我们使用一个配备高分辨率触觉阵列和
来源:IEEE Sensors Journal
综合性的无创脑成像技术进展:多模态方法
摘要: 神经影像技术是一项极具“救生”意义的科学进展,它使我们能够可视化、观察并研究神经组织的解剖结构和功能特性,尤其是大脑。目前,多种先进的神经影像方法正在不断被开发和完善,以应用于临床和科学研究。神经影像中的多模态融合技术是一项重要的、非常需要的进步,它通过整合多种模态的数
来源:IEEE Journal of Selected Areas in Sensors
薄膜双极结晶体管中的突触可塑性(关联耦合机制)
摘要:本文展示了一种嵌入在薄膜双极结晶体管中的发射极-基极(E-B)结突触。这种突触的可塑性来源于通过脉冲编程对E-B载流子注入屏障的调节。通过将集电极端子进行电隔离,突触操作与晶体管增益和通道传导分离,从而能够直接研究结处发生的学习行为。使用相同的电编程脉冲实现了具有有限且可
来源:IEEE Transactions on Electron Devices
关于脉冲神经网络基础及其最新进展的综述
摘要:在过去的十年中,深度神经网络(DNNs)在众多领域取得了显著的成功。尽管取得了这些进展,但DNNs在计算能力、能源消耗和数据需求方面仍然具有很高的要求。随着对自动驾驶汽车、无人机和协作机器人等自主系统的需求持续增长,将这些DNNs部署到实际场景中引起了广泛关注。然而,这些
来源:IEEE Access
基于神经配置和位置的液态状态机的神经进化 卡洛斯-阿尔贝托·洛佩斯-埃雷拉(Carlos-Alberto López-Herrera)、 赫克托-加布里埃尔·阿科斯塔-梅萨(Héctor-Gabriel Acosta-Mesa)、 埃夫伦·梅祖拉-蒙特斯(Efrén Mezura-Montes) 以及赫苏斯-阿努尔福·巴拉达斯-帕尔梅罗斯(Jesús-Arnulfo Barradas-Palmeros)
摘要:液态机器(LSMs)是一种基于循环脉冲神经网络的储库计算模型,通过利用丰富的时间动态和事件驱动的处理,为解决时空分类任务提供了一个强大的框架。尽管传统的LSM公式假设储库是固定且随机生成的,但 recent 的研究已经探索了优化策略来改善液态动态。然而,大多数现有方法主要集
来源:Mathematical and Computational Applications
基于压电技术的集成电缆网结构及其在利用反向传播神经网络预测电缆张力中的应用 吕晴、 唐雅琼、 李团杰
摘要:作为可展开网状天线反射器的主要承重结构,缆网结构的表面精度直接决定了缆网天线的性能。为了满足表面精度要求,已安装的缆网天线必须进行表面调整,因此测量缆网张力变得非常重要。然而,由于测量能力和条件的限制,大规模缆网张力测量极具挑战性。为了解决这个问题,本文提出了一种集成了压电
来源:Applied Sciences
基于高级合成的FPGA硬件加速器,用于神经形态计算中的广义Hebbian学习算法 作者:Shivani Sharma 和 Darshika G. Perera
摘要 随着人工智能和智能系统时代的到来,神经形态计算将成为支持下一代人工智能相关应用的关键技术。现有的智能系统(如智慧城市、机器人技术)面临着许多挑战和需求,包括高性能、适应性、可扩展性、动态决策能力和低功耗。神经形态计算作为一种补充解决方案,旨在应对这些
来源:Electronics
知名企业招聘: