-
TI-DeepONet:一种可学习的时间积分方法,用于实现稳定的长期预测
神经算子时间积分框架提升动力系统长期外推精度,通过直接学习瞬时时间导数并采用自适应高阶数值积分,在六类高维 chaotic/dissipative PDE上实现相对L2误差83.6%,较自回归方法降低96.3%,有效维持近两倍训练时间窗口的稳定预测。
来源:COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING
时间:2026-04-08
-
用于超声波全波形反演的神经运算符:一种具有更高保真度、效率和鲁棒性的新一代超声波无损检测技术
超声非破坏检测中提出基于U-FNO的神经算子框架,通过Unet与Fourier Neural Operator结合,有效解决全波形反演(FWI)的高计算成本、初始模型敏感性和局部极小问题,在复杂介质中实现高精度缺陷重构,较InversionNet和TFM方法提升效率与鲁棒性。
来源:MECHANICAL SYSTEMS AND SIGNAL PROCESSING
时间:2026-04-08
-
PrecisionPINN-ABKDE:一种基于不确定性加权的、融合物理信息的神经网络模型,采用自适应带宽核密度估计方法来预测铣削表面的粗糙度
本研究提出基于物理信息神经网络(PINNs)和自适应带宽核密度估计(ABKDE)的表面粗糙度预测框架,通过改进物理模型整合切削力和材料变形机制,结合CNN-BiLSTM-注意力架构实现高精度预测,并利用QR-ABKDE量化不确定性,实验表明预测精度提升4.99%,RMSE降低15.08%,置信区间覆盖概率达98.46%。
来源:MECHANICAL SYSTEMS AND SIGNAL PROCESSING
时间:2026-04-08
-
一种基于时空特征融合与跨模态对比交互的多模态链接预测方法,用于桥梁维护
针对桥梁维护知识图谱多模态数据融合不足的问题,提出BM3LP模型,结合深度优先搜索与图注意力网络捕捉多跳关系,通过对比语言-图像预训练和时空图注意力网络建模跨模态时空特征,并设计渐进式跨模态对比交互策略,构建BriM数据集验证其有效性和性能优势。
来源:COMPUTERS IN INDUSTRY
时间:2026-04-08
-
基于可解释性人工智能的仿真到现实领域的适配方法,用于实现鲁棒的转子状态监测
提出可解释域适应神经网络EDANN解决转子故障诊断的数据稀缺和黑箱问题,通过耦合有限元转子模型与非线性接触轴承动力学生成高保真故障数据,实现跨域诊断准确率85.3%,其决策基于物理指标如轨道椭圆率和相位差。
来源:ADVANCED ENGINEERING INFORMATICS
时间:2026-04-08
-
将双向脉冲P系统与几何上下文加权以及双通道句法融合相结合,用于基于方面的情绪分析
该研究提出了一种结合进化的脉冲神经网络(SNP)架构的新型方法,通过双向上下文编码、位置加权机制和双重通道句法优化,有效解决了细粒度情感分析中的语义关联建模和位置敏感性问题。实验表明,该方法在三个基准数据集上分别优于3.17%、2.2%和2.62%,显著提升了情感极性分类的准确性。
来源:Expert Systems with Applications
时间:2026-04-08
-
将声发射技术与深度学习相结合,实现渐进式岩石断裂的自动识别
岩石渐进破坏阶段通过声发射MFCC特征与CNN-Transformer-BiGRU混合深度学习模型实现自动识别,实验表明该模型在35318个时间对齐样本上平均准确率达96.95%,并提前27.5%峰值应力识别失稳裂纹扩展。
来源:Engineering Applications of Artificial Intelligence
时间:2026-04-08
-
与非手术治疗相比,手术治疗颈椎神经根病在长期患者报告的结局方面具有相似性:一项系统评价和荟萃分析
本系统综述及荟萃分析比较了手术与非手术治疗颈椎神经根痛的长期效果,纳入12项研究1127例患者,结果显示术后12个月两者在疼痛、功能及成功率上无显著差异,证据等级为II级。
-
用于立体匹配的深度可分离卷积的模型-硬件协同设计及层间流水线技术
立体匹配是计算机视觉中深度感知的核心技术,深度学习方法虽然提升配准精度但计算量大。本文提出算法与硬件协同设计:1)基于深度可分离卷积构建轻量级网络,降低计算成本而不损失精度;2)通过DRAM访问分析建立动态流水线调度模型,优化跨层内存访问;3)设计支持单层/流水线双模式的可重构加速器,实现动态资源分配。在28nm工艺下处理960×544分辨率图像达35.7f/s,较基线提升5.24-10.93倍速度,能耗降低46%-60%,相比SOTA加速器性能提升1.44-2.00倍。
来源:IEEE Transactions on Very Large Scale Integration (VLSI) Systems
时间:2026-04-08
-
基于平板设备的认知评估工具TAP-COG的开发与初步可用性测试:一种可自我施测的多领域认知筛查新方案
为满足临床与科研中对高效、标准化、可远程部署的认知筛查工具的需求,研究人员开发并评估了TAP-COG——一款平板电脑(tablet-based)认知筛查工具。该工具包含五个自我施测(self-administered)任务,可评估处理速度、持续注意、抑制控制、短时记忆和抗干扰能力。初步可用性测试(System Usability Scale, SUS)显示,其具备高可用性,为将其发展为一种可扩展(scalable)、自我施测的认知筛查工具提供了支持,在认知障碍早期检测和远程评估方面具有应用潜力。
来源:Frontiers in Psychology
时间:2026-04-08