-
正念干预调节急性应激下非线性心率变异性:一项揭示自主神经动态机制的前导性随机对照试验
针对正念减压机制不明问题,研究者开展六周正念干预对大学生急性应激下心率和心率变异性影响的RCT。结果显示两组焦虑均降,仅MBI组对应激反应的非线性指标DFA α1显著降低,提示非线性HRV可灵敏捕捉正念对心血管自主神经的动态调控。
来源:Discover Mental Health
时间:2026-04-13
-
月经周期对青年女性神经肌肉控制与运动表现的影响:一项聚焦于力量、灵活性、平衡和爆发力的综合性研究
本研究聚焦于月经周期对青年女性神经肌肉控制与运动表现的影响。研究者通过对比分析22名健康女性在卵泡期、排卵期和黄体期的多项指标,包括最大向心屈肌力量、踝关节背屈活动度、跳跃表现和姿态控制,发现力量和灵活性在周期中存在微小但显著的变化,而爆发力和平衡能力则保持稳定。该研究为女性运动员的训练周期安排和损伤风险评估提供了循证依据,提示月经周期相关的生理波动对整体运动能力的功能性影响可能有限。
来源:European Journal of Sport Science
时间:2026-04-13
-
基于REG-Net的雷达信号分类方法:利用极化特性
雷达信号排序技术在复杂电磁环境中面临脉冲调制引起的信号混叠挑战。本文提出融合极化特征的REG-Net方法,通过残差注意力机制增强特征提取能力,结合GRU处理时序特征,实现任意长度脉冲序列的高精度排序(>90%),有效缓解PDW参数重叠问题。
来源:Digital Signal Processing
时间:2026-04-13
-
特邀社论:《集成传感与通信的最新进展》专题系列——第一部分
集成感知与通信(ISAC)是6G网络的关键技术,通过共享硬件平台和频谱资源实现通信与感知的协同。本文系统综述了ISAC的理论基础、波形设计、性能优化及标准化进展,涵盖OFDM与AFDM波形分析、多天线系统优化、神经网络辅助感知、认知beacon检测等方向,提出能量效率优化、动态阵列分区等创新方案,为6G标准制定提供理论支撑与实践参考。
来源:IEEE Journal on Selected Areas in Communications
时间:2026-04-13
-
基于新构建的ARM数据库,利用GMI亮温数据获取冰水路径
神经网络用于微波辐射计GMI数据冰云相态参数反演,通过ARM-IWP算法扩展CloudSat IWP数据的空间覆盖至GPM卫星轨道范围,构建高质量数据库。实验显示神经网络模型在IWP反演中RMSE为610.41g/m²,MAPE为48.7%,R²达0.729,Pearson相关系数0.855,验证了反演的有效性和稳定性。
来源:IEEE Geoscience and Remote Sensing Letters
时间:2026-04-13
-
一种基于物理约束的神经网络,用于电磁逆散射成像
电磁逆散射问题的物理约束神经网络方法研究。提出基于Born迭代的PCNN方法,融合传统逆方法的线性化优势与神经网络的优化能力,采用L2范数损失函数及约束层优化,实验表明该方法在RMSE和SSIM指标上优于BIM、PINN和U-Net方法。
来源:IEEE Transactions on Geoscience and Remote Sensing
时间:2026-04-13
-
新当选的CIS行政委员会成员(2026–2028年)[学会简报]
四位教授在人工智能领域取得显著成就,包括神经网络、机器学习、进化计算等研究方向,并在IEEE技术委员会、期刊编委及国际会议组织中有重要职务。
来源:IEEE Computational Intelligence Magazine
时间:2026-04-13
-
基于LiDAR数据的交通场景理解框架:应用于城市交叉口
摘要: 有效的交通监控是智能交通系统的基石,能够实现更安全、更高效的城市出行。在新兴的传感技术中,光检测与测距(LiDAR)技术尤为突出,它能够提供高分辨率的3D空间信息,从而补充传统的交通监控系统。然而,尽管潜力巨大,但目前公开可用的专门用于交通监控的LiDAR数据集仍然非常
来源:IEEE Open Journal of Intelligent Transportation Systems
时间:2026-04-13
-
基于无人机遥感的增量路面损伤分类:采用解析几何对准技术
王全强(Wang Quanziang)
李欣(Li Xin)
彭建军(Peng Jiangjun)
贾熙熙(Jia Xixi)
王仁深(Wang Renzhen)
摘要
使用高分辨率无人机(UAV)图像进行自动路面损伤分类对于智能交通系统至关重要。然而,长期的无人机监测面临着不断变化的损伤类型和遥感背景纹理,这需要具备类增量学习(
来源:Remote Sensing
时间:2026-04-13
-
基于多尺度自适应傅里叶编码的物理信息神经网络用于锂离子电池建模:时空径向浓度场重构与多倍率电压预测
准确的锂离子电池电化学动力学实时建模对电池管理系统(battery management system, BMS)至关重要,但传统方法难以在机理保真度与计算效率之间取得平衡。为此,研究人员提出了一种基于物理信息神经网络(Physics-Informed Neu
来源:Engineering Applications of Artificial Intelligence
时间:2026-04-13